-
公开(公告)号：CN112730984A
公开(公告)日：2021-04-30
申请号：CN202110344697.4
申请日：2021-03-31
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 , 国家电网有限公司
Abstract: 本发明提供了一种基于智能电表的低压配电网相位识别方法，该方法首先基于小波系数过滤原始电压波形高频分量，得到重构电压波形；然后基于重构电压波形时空特性提取配变变压器侧三相电压和用户侧单相电压的特征，根据不同特征形态，将特征分为四类并计算四类特征的显著性指标；最后基于特征序列计算用户特征与所在变压器特征的相似度并判断所属相位。该方法基于智能电表的量测电压数据，可以通过高频采样数据特征进行分析，提高了算法的准确率和鲁棒性。
-
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：CN115037039B
公开(公告)日：2024-02-13
申请号：CN202210529118.8
申请日：2022-05-16
Applicant: 国网江西省电力有限公司供电服务管理中心
Abstract: 本申请公开了一种有源配电网线损监控方法、装置、计算机设备及计算机可读存储介质，涉及配电网线路线损监控技术领域，通过对10kV有源配电网线路档案、采集信息数据进行获取、分析加工，以曲线图形方式展示10kV配网线路线损异常发生时间、相别，实现10kV有源配电网线路的各时间段、各相线损监控，为10kV配网线路线损治理提供支撑。所述方法包括：建立与数据库服务器之间的数据连接，并调用存储程序与数据库服务器进行数据交互；获取10kV有源配电网线路分时分相线损数据的线损分析结果，基于线损分析结果绘制线损曲线图及经济运行率曲线图；将线损曲线图及经济运行率曲线图发送至展示终端进行展示。
-
Patent Agency Ranking
公开(公告)号：CN117034132A
公开(公告)日：2023-11-10
申请号：CN202210461189.9
申请日：2022-04-28
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: G06F18/2415 , G06F18/15 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种窃电用户的识别方法及装置、存储介质、终端，涉及智能电网技术领域，主要目的在于解决现有窃电用户识别的准确性以及效率低的问题。包括：获取预设时间间隔内至少一个目标用户的用电数据；基于已完成模型训练的窃电识别模型对所述用电数据进行识别处理，确定窃电概率值，所述窃电识别模型为基于完成扩充的用户样本数据集对深度残差收缩网络进行模型训练得到的；若所述窃电概率值大于预设窃电概率阈值，则确定所述目标用户为窃电用户。
-
公开(公告)号：CN111797899B
公开(公告)日：2023-11-07
申请号：CN202010502448.9
申请日：2020-06-04
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 , 国家电网有限公司
IPC: G06F18/23213 , G06N3/006
Abstract: 本发明提出了一种低压台区kmeans聚类方法及系统。包括以下步骤：首先，依托用电信息采集系统，采集若干台区的相关电气特征参数，建立样本数据集；其次，采用主成分分析法对所述样本数据集进行特征提取，将高维数据集降维到低维数据集；然后，基于改进布谷鸟搜索的kmeans聚类算法对所述低维数据集进行聚类；最后，运用t‑SNE方法对聚类结果进行降维三维分类结果显示。本发明相较于传统的kmeans聚类算法，减少了对于初始值的依赖，提高了低压台区聚类的准确性，为下一步进行典型台区的线损计算分析提供了技术支撑。
-
公开(公告)号：CN116865593A
公开(公告)日：2023-10-10
申请号：CN202310631517.X
申请日：2023-05-31
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疏水异质结构的降雨能收集器及系统，降雨能收集器主要由弹性薄板、压电片、疏水异质结构上层、疏水异质结构下层、底座构成。其中，疏水异质结构上层是由第一沟槽阵列、第一开孔阵列及第一基板构成，疏水异质结构下层是由第二沟槽阵列、第二开孔阵列及第二基板构成。降雨能收集系统由多个降雨能收集器、多通道阻抗自适应匹配模块、电能存储模块、电能输出模块、控制模块组成。本发明通过设计疏水异质结构，改进收集器承受降雨撞击部件的疏水性能，提高降雨能量收集效率，同时通过多路阻抗自适应匹配设计，提升降雨能存储效率。
-
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：CN111865845A
公开(公告)日：2020-10-30
申请号：CN202010502203.6
申请日：2020-06-04
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电力科学研究院 , 国家电网有限公司
IPC: H04L25/02 , H04B7/0413
Abstract: 本发明提供了一种MIMO用户检测与信道估计装置及方法，包括导频序列生成模块，信道估计模块，用户检测模块；所述导频序列生成模块使用单层复数全连接神经网络产生用户的导频序列，将导频序列分配并发送给基站所服务的用户，所述信道估计模块内置一个基于AMP算法形式的神经网络模型，以基站接收信号和已知导频序列为输入，以信道矩阵为输出，所述信道估计模块的输出端连接用户检测模块，所述用户检测模块以信道矩阵为输入，以用户活跃度向量为输出，得到用户检测的结果；本发明采用了基于AMP形式的神经网络进行信道估计，比普通的神经网络使用更少的参数，进而更易训练，比AMP拥有更高的准确度，收敛性，更低的计算复杂度。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.045 seconds)
