-
公开(公告)号：CN113256031B
公开(公告)日：2021-10-26
申请号：CN202110707498.5
申请日：2021-06-25
Applicant: 国网江西省电力有限公司供电服务管理中心
Abstract: 本发明公开了一种基于居民需求响应策略自学习优化方法，首先建立居民智慧用能服务标本库，获取用户负荷特性及参与需求响应的历史信息，并据此构建用户激励弹性模型，得出用户响应度、用户群体参与率与激励水平之间的历史参数；其次，量化评估用户响应潜力，形成响应优先级队列，并在优先级队列下确定不同邀约比例下用户响应负荷潜力关系，据此确定合适的邀约比例；再次，基于需求响应削减负荷目标，构建需求响应成本模型，在响应成本最小化约束下，输出激励水平值；最后，基于时间卷积神经网络模型，针对不同场景需求响应实验，预测居民响应电量，评估需求响应效果，从而对模型输出参数不断训练优化，提高模型输出参数的准确性。
-
公开(公告)号：CN113469189A
公开(公告)日：2021-10-01
申请号：CN202111024585.7
申请日：2021-09-02
Applicant: 国网江西省电力有限公司供电服务管理中心 , 国网江西省电力有限公司
Abstract: 本发明公开了一种用电采集数据缺失值填充方法、系统及装置，所述方法包括：利用平均值‑方差法对用电采集数据异常值处理；利用用电采集数据去训练降噪自编码器模型，基于训练好的降噪自编码器网络模型去重构原始的用电样本数据，利用重构数据来填充缺失的用电采集样本数据，且模型中加入新提出的Depreciation‑FourOrder正则化方法；结合k‑means聚类技术利用数据的标准差来矫正填充的数据值。本发明通过降噪自编码器模型填充用电采集数据的缺失值，加入提出的新的正则化项，提高模型性能。根据网络层的单元数设置噪声水平。利用数据的标准差来矫正填充的数据值，使得填充值更加准确。
-
公开(公告)号：CN113256031A
公开(公告)日：2021-08-13
申请号：CN202110707498.5
申请日：2021-06-25
Applicant: 国网江西省电力有限公司供电服务管理中心
Abstract: 本发明公开了一种基于居民需求响应策略自学习优化方法，首先建立居民智慧用能服务标本库，获取用户负荷特性及参与需求响应的历史信息，并据此构建用户激励弹性模型，得出用户响应度、用户群体参与率与激励水平之间的历史参数；其次，量化评估用户响应潜力，形成响应优先级队列，并在优先级队列下确定不同邀约比例下用户响应负荷潜力关系，据此确定合适的邀约比例；再次，基于需求响应削减负荷目标，构建需求响应成本模型，在响应成本最小化约束下，输出激励水平值；最后，基于时间卷积神经网络模型，针对不同场景需求响应实验，预测居民响应电量，评估需求响应效果，从而对模型输出参数不断训练优化，提高模型输出参数的准确性。
-
公开(公告)号：CN115409427A
公开(公告)日：2022-11-29
申请号：CN202211332374.4
申请日：2022-10-28
Applicant: 国网江西省电力有限公司供电服务管理中心
Abstract: 本发明公开了一种居民负荷可用调节容量多状态的评估方法及装置，本发明通过综合考虑居民负荷侧的雷暴天气情况，可提高居民负荷可用调节容量量化精度，同时以居民负荷在雷暴天气对应多状态概率刻画居民负荷的可用调节容量，提高居民负荷的可用调节容量量化精度，避免传统两状态模型的不足，从而提升居民负荷参与电力系统测试平衡的积极性，提高电力系统运行灵活性。
-
公开(公告)号：CN113256349A
公开(公告)日：2021-08-13
申请号：CN202110707497.0
申请日：2021-06-25
Applicant: 国网江西省电力有限公司供电服务管理中心 , 北京理工大学 , 国家电网有限公司
Abstract: 本发明公开了一种提供电力产品套餐的标签库构建方法，标签库包括典型家庭智慧用能数据、参与需求响应试点反馈数据、气候关键因素数据和周边地理环境数据。本发明通过属于典型用能家庭用户进行市场调研和问卷调查获取典型家庭智慧用能数据和参与需求响应试点反馈数据，进而对气候因素和地理环境因素通过SEM构建家庭智慧用能与影响因素的结构化模型，推断不同家庭对于异质性刺激因素响应参数，根据获得的异质性刺激因素响应参数，在标签库中建立响应标签与特征对应关系，进而可以为不同标签家庭提供系统化、智能化、个性化套餐推荐方案，精准、有效引导居民智慧用能和合理用电。
-
Patent Agency Ranking
公开(公告)号：CN111596255A
公开(公告)日：2020-08-28
申请号：CN202010728912.6
申请日：2020-07-27
Applicant: 国网江西省电力有限公司电力科学研究院 , 国网江西省电力有限公司供电服务管理中心 , 国网江西省电力有限公司 , 国家电网有限公司
Abstract: 本发明属于变电站计量技术领域，涉及一种强化学习算法的计量误差远程在线检测方法。误差检测与评估过程利用计量功率采集样本与标准电表值进行误差比较，优化标准化误差专家库数值；再利用Q-Learning函数强化学习算法构建电量不平衡的映射模型，对专家库更新数值指导Q迭代网络的初始值定义，通过实时采集的电量数据变化过程准确预测出下一时刻的电量值，实现电量值预测功能，并与专家库中标准值进行比差计算，获取平均预测误差值，当误差范围超出误差置信区间，则立即发出预警信息。本发明优势在可以远程测试计量系统整体误差，具有强自适应调整能力，符合误差产生的动态特性，评估结论准确，系统易于实现。
-
公开(公告)号：CN119439031A
公开(公告)日：2025-02-14
申请号：CN202411597483.8
申请日：2024-11-11
Applicant: 国网江西省电力有限公司供电服务管理中心
Abstract: 本申请公开了一种配电网互感器现场检测装置与方法，采用基于数字比较式法的检测方法，无需三相标准电流互感器与被测配电网互感器变比一致，只需被测配电网互感器的检定点在三相标准电流互感器的有效溯源范围内，选择一个较大变比的三相标准电流互感器即可覆盖现场各类变比的被测配电网互感器，有效降低了检测装置的体积和重量，提高检测装置的便捷性，从而能够在被测配电网互感器的使用现场对被测配电网互感器进行检测。并且检测装置中各个设备只需少量次数的接线就可以适应各类变比的被试配电网互感器，大幅降低了现场接线次数和时间，提高了检测的效率与安全性，具有方法简洁、经济、科学、实用、可操作性强、成本低等优点。
-
公开(公告)号：CN117592845A
公开(公告)日：2024-02-23
申请号：CN202311553210.9
申请日：2023-11-21
Applicant: 国网江西省电力有限公司供电服务管理中心 , 国网江西省电力有限公司
IPC: G06Q10/0639 , G06Q50/06
Abstract: 本申请涉及电力计量技术领域。本发明公开了自动化检定生产系统的能效分析方法、装置、设备及介质，其中方法，包括：针对生产系统中串行模式的多个生产设备，划分出至少一个生产单元块，获取待测评的生产单元块的运行参数；根据上游设备运行数据和下游设备运行数据，计算待测评的生产单元块的多个能效分析指标；根据待测评的生产单元块的多个能效分析指标，判断待测评的生产单元块是否存在异常。本申请通过将多个生产设备划分为多个生产单元块，通过获取生产单元块中的上游设备运行数据和下游设备运行数据，对生产单元块进行能效分析，实现了上下游生产设备的协作效能精准分析，能够精准发现上下游协作的瓶颈环节，提升流水线运行效能。
-
公开(公告)号：CN113688960A
公开(公告)日：2021-11-23
申请号：CN202111251938.7
申请日：2021-10-27
Applicant: 南昌工程学院 , 国网江西省电力有限公司供电服务管理中心
Abstract: 本发明公开了一种基于灰狼优化GHFCM的居民电力数据聚类方法及装置，该方法包括：步骤1：根据居民用户的用电特性，利用相关特性指标对用户的电量数据进行降维处理；步骤2：首先采用灰狼优化算法（GWO）选择初始聚类点，然后利用广义层次模糊C均值算法（GHFCM）对居民电力数据进行聚类。本发明采用考虑层次距离函数和空间约束的模糊目标函数，有助于提高聚类算法的质量。并将聚合理论方法用于参与需求响应的居民用户分类中，为电网侧针对不同用户定制异质性电力套餐的过程提供科学的依据。
-
公开(公告)号：CN222812930U
公开(公告)日：2025-04-29
申请号：CN202323410155.6
申请日：2023-12-14
Applicant: 国网江西省电力有限公司供电服务管理中心
Abstract: 本实用新型属于电能表/物联表检测技术领域，具体提供了一种外观检测专机，其应用于检表线上，检表线包括托盘，托盘用于放置目标电表，目标电表包括国网单相电能表、国网智能物联表、南网单相电能表和南网智能物联表；其包括：设备框架，检表线能够穿过设备框架；接驳挂表座模块，其设置在设备框架上，用于向目标电表进行供电并对其性能进行测试；按压翻页模块，其设置在设备框架上，用于向目标电表的翻页按钮施加一个力，以使得目标电表的液晶显示屏能够完成翻页动作。本实用新型旨在解决现有的电能表外观检测专机检测效率低、制造/人工/调试成本较高、装配调试周期较长的问题。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.033 seconds)
