-
公开(公告)号：CN117010728B
公开(公告)日：2024-01-02
申请号：CN202311277172.9
申请日：2023-10-07
Applicant: 华北电力大学
IPC: G06Q10/0637 , G06Q30/0201 , G06Q50/06
Abstract: 本发明涉及一种火电企业发电综合成本优化方法，属于火电发电技术领域。包括：基于火电企业燃烧价值链的多个参数的历史数据计算得到历史度电运行成本数据集；基于所述历史度电运行成本数据集得到度电运行成本方程；基于所述度电运行成本方程和度电燃煤成本方程构建成本优化目标函数；基于约束条件对所述目标函数求最优解；基于所述最优解优化所述火电企业发电综合成本。本发明的火电企业发电综合成本优化方法能够计算得到火电企业相关各系统协同运行参数的最优配置值，用于火电企业调整运行方案、指导发电生产。
-
公开(公告)号：CN104239964B
公开(公告)日：2017-10-10
申请号：CN201410407338.9
申请日：2014-08-18
Applicant: 华北电力大学
Abstract: 本发明涉及一种基于谱聚类和遗传优化极端学习机的超短期风速预测方法，包括：S1：准备数据；S2对准备数据进行预处理；S3：对预处理后的数据进行小波变换；S4：对小波变换后的数据进行归一化处理；S5：通过相关性分析对归一化处理后的数据进行选择以确定输入变量；S6：通过主成分分析对S5生成的输入变量进行降维处理；S7：通过谱聚类方法对S6中降维处理后的数据进行聚类分析，与S4中归一化处理后的数据形成极端学习机样本空间；S8：通过极端学习机和遗传算法对S7形成的极端学习机样本空间的数据分层预测；S9：将分层预测值相加，得到超短期风速预测值。本发明实现了对风速的超短期、多步预测，提高预测的准确性，大幅减少计算量，提高预测效率。
-
公开(公告)号：CN103326903B
公开(公告)日：2016-01-20
申请号：CN201310280284.X
申请日：2013-07-05
Applicant: 华北电力大学 , 国家电网公司 , 国网新疆电力公司信息通信公司
IPC: H04L12/26
Abstract: 本发明公开了网络时延预测技术领域中的一种基于隐马尔科夫的Internet网络时延预测方法。包括根据历史时延数据集和设定的时延预测精度，获得可观测状态和可观测状态序列；采用K-Means聚类方法对历史时延数据集进行聚类，计算不同k值下历史时延数据集的误差，根据不同k值下历史时延数据集的误差确定初始值；估计不同k值下的隐马尔科夫参数，并根据不同k值下的隐马尔科夫参数计算不同k值下的隐马尔科夫贝叶斯信息准则值，选择最小的隐马尔科夫贝叶斯信息准则值对应的k值作为最佳隐状态个数k_best；根据可观测状态和最佳隐状态个数k_best，预测未来时延。本发明准确表示时延数据集的规律以及Internet网络的特性，对于未来的可观测状态的预测有较高的准确性。
-
公开(公告)号：CN104239964A
公开(公告)日：2014-12-24
申请号：CN201410407338.9
申请日：2014-08-18
Applicant: 华北电力大学
Abstract: 本发明涉及一种基于谱聚类和遗传优化极端学习机的超短期风速预测方法，包括：S1：准备数据；S2：对准备数据进行预处理；S3：对预处理后的数据进行小波变换；S4：对小波变换后的数据进行归一化处理；S5：通过相关性分析对归一化处理后的数据进行选择以确定输入变量；S6：通过主成分分析对S5生成的输入变量进行降维处理；S7：通过谱聚类方法对S6中降维处理后的数据进行聚类分析，与S4中归一化处理后的数据形成极端学习机样本空间；S8：通过极端学习机和遗传算法对S7形成的极端学习机样本空间的数据分层预测；S9：将分层预测值相加，得到超短期风速预测值。本发明实现了对风速的超短期、多步预测，提高预测的准确性，大幅减少计算量，提高预测效率。
-
公开(公告)号：CN104239689A
公开(公告)日：2014-12-24
申请号：CN201410406731.6
申请日：2014-08-18
Applicant: 华北电力大学
IPC: G06F19/00
Abstract: 本发明涉及一种基于优化相关向量机的短期风速预测方法，该方法包括以下步骤：S1：数据准备；S2：对准备数据进行预处理；S3：对预处理后的数据进行小波变换；S4：对小波变换后的数据进行归一化处理；S5：基于PACF对归一化后数据进行输入变量的选择；S6：在步骤S5生成的RVM样本空间上预测分解序列；S7：将各分解序列预测结果相加，得到短期风速预测值。与现有预测方法相比，本发明的方法具有较强的泛化能力；通过PACF选择输入变量，有效减少了输入变量和冗余信息；通过智能优化算法对相关向量机参数进行优化，确保模型最优；具有较高的预测精度，实现成本较低，易于推广应用。
-
Patent Agency Ranking
公开(公告)号：CN117894403B
公开(公告)日：2025-01-07
申请号：CN202410074025.X
申请日：2024-01-18
Applicant: 华北电力大学
IPC: G16C20/70 , G16C20/20 , G06F18/2113 , G06F18/21 , G06F18/243 , G06N20/20 , G06F123/02
Abstract: 本发明公开了基于监督学习的氮氧化物浓度预测模型优化方法，具体涉及环境保护领域，包括以下步骤：步骤一、根据燃煤指标收集燃煤指标项目集，根据锅炉运行指标收集锅炉运行指标项目集，根据锅炉排放指标收集锅炉排放指标项目集；步骤二、分别对燃煤指标项目集、锅炉运行指标项目集、锅炉排放指标项目集进行处理操作；本发明可以利用斯皮尔曼分别对燃煤或锅炉使用过程中的单项目的时间序列数据与氮氧化物浓度进行关联关系分析，筛选出与氮氧化物浓度相关系数较高的指标，并且使用随机森林算法构建燃料指标、锅炉运行指标与氮氧化物浓度关联关系模型，加强了多项目数据与排放指标之间的关联性，提高了模型输出结果的预测精度。
-
公开(公告)号：CN117875510B
公开(公告)日：2024-11-29
申请号：CN202410065804.3
申请日：2024-01-17
Applicant: 华北电力大学
IPC: G06Q10/04 , G06F18/15 , G06N3/0499 , G06F18/21 , G06F18/214 , G06N3/08
Abstract: 本发明公开了基于神经网络的火电厂锅炉效率预测系统及方法，涉及火电厂技术领域，包括以下步骤：S100、收集火电厂锅炉运行期间的历史数据，对收集的数据进行清洗，选择与锅炉效率相关的特征。本发明通过使用BP神经网络等深度学习模型，提高预测准确性，通过计算燃煤指标与锅炉效率、运行指标与锅炉效率的斯皮尔曼相关系数，可以了解各个特征对于锅炉效率的影响程度，根据相关系数的结果，调整神经网络中与这些特征相关的权重，进一步优化模型，进一步提高预测准确性，通过预测锅炉效率，火电厂可以更精准地调整运行参数，实现更高效的能源转化，提高能源利用率，降低能源浪费。
-
公开(公告)号：CN118572763A
公开(公告)日：2024-08-30
申请号：CN202410764180.4
申请日：2024-06-14
Applicant: 华北电力大学 , 国网智能电网研究院有限公司
Abstract: 本发明公开一种串联型海上风电场直流汇集升压系统拓扑结构优选方法，涉及直流海上风电技术领域。所述方法包括：根据海上风力发电机组数量、各风力发电机组间距离和每条支路中所包含的风力发电机的数量，确定串‑并联型汇集升压拓扑结构对应的输电电缆总长度以及并‑串联型汇集升压拓扑结构对应的输电电缆总长度；根据海上风力发电机组数量、每条支路中所包含的风力发电机组的数量、各风力发电机组间距离、两个拓扑结构对应的输电电缆总长度以及风力发电机组输出额定直流电流确定两个拓扑结构在汇集升压过程中的能量损耗；确定能量损耗最低的拓扑结构为最优的拓扑结构。本发明可快速对串联型海上风电场直流汇集升压系统的拓扑结构进行优选。
-
公开(公告)号：CN117894403A
公开(公告)日：2024-04-16
申请号：CN202410074025.X
申请日：2024-01-18
Applicant: 华北电力大学
IPC: G16C20/70 , G16C20/20 , G06F18/2113 , G06F18/21 , G06F18/243 , G06N20/20 , G06F123/02
Abstract: 本发明公开了基于监督学习的氮氧化物浓度预测模型优化方法，具体涉及环境保护领域，包括以下步骤：步骤一、根据燃煤指标收集燃煤指标项目集，根据锅炉运行指标收集锅炉运行指标项目集，根据锅炉排放指标收集锅炉排放指标项目集；步骤二、分别对燃煤指标项目集、锅炉运行指标项目集、锅炉排放指标项目集进行处理操作；本发明可以利用斯皮尔曼分别对燃煤或锅炉使用过程中的单项目的时间序列数据与氮氧化物浓度进行关联关系分析，筛选出与氮氧化物浓度相关系数较高的指标，并且使用随机森林算法构建燃料指标、锅炉运行指标与氮氧化物浓度关联关系模型，加强了多项目数据与排放指标之间的关联性，提高了模型输出结果的预测精度。
-
公开(公告)号：CN117574180B
公开(公告)日：2024-03-19
申请号：CN202410065598.6
申请日：2024-01-17
Applicant: 华北电力大学
IPC: G06F18/22 , G06F18/2113 , G06F18/214 , G06Q50/06
Abstract: 本发明公开了燃料生产排放系统数据关联性控制管理系统，具体涉及数据分析领域，是通过制定分段规则，从各指标对应的数据集中提取波动变化指数和边界效应影响程度指数，利用机器学习技术形成可行度量系数。有助于确定适合火电厂指标相关性分析的最佳分段规则，提高分析的准确性和可解释性。同时，采用判定为可用信号的分段规则，对数据集进行分段、排名和计算斯皮尔曼相关性，在保障了分析精度的前提下提升了分析效率，新的分段规则保证每小段数据具有相似特征，更精细捕捉不同数据子集的关系，取各小段的平均斯皮尔曼相关性提供更为稳健的关联关系度量，减少对个别小段的依赖，降低误导性结论的风险。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.107 seconds)
