-
公开(公告)号：CN103414252A
公开(公告)日：2013-11-27
申请号：CN201310389463.7
申请日：2013-08-30
Applicant: 湘潭大学
IPC: H02J13/00
CPC classification number: Y02E60/723 , Y02E60/724 , Y04S10/16 , Y04S10/18
Abstract: 本发明公开了一种变电站通信服务配置信息实时同步系统及其方法。所述系统包括一通信服务配置信息追踪单元，用于监视变电站智能电子设备的通信服务配置信息，如果监视到智能电子设备的通信服务配置信息发生改变，就生成配置信息追踪报文并发送给通信服务配置信息监管单元；一通信服务配置信息监管单元，用于对配置信息追踪报文进行解析、处理，提取通信服务配置信息，生成配置信息更新报文并发送给通信服务配置信息接收单元；一通信服务配置信息接收单元，用于将接收到的配置信息更新报文进行解析、处理，并更新相应配置信息。本发明能自动进行电力系统智能电子设备的配置信息更新同步，确保电力系统的安全运行。
-
公开(公告)号：CN102799745A
公开(公告)日：2012-11-28
申请号：CN201210271763.0
申请日：2012-07-31
Applicant: 湘潭大学 , 湘潭钢铁集团有限公司
IPC: G06F17/50
Abstract: 本发明公开了一种余材钢板快速自动组板方法，适用于钢铁企业大量库存余材钢板与合同钢板的快速匹配和布局优化。该方法：(1)从钢铁企业信息系统中抽取余材钢板、合同钢板数据；(2)通过规则匹配将数据划分为隔离的分组；(3)依次选取预置合同钢板，依据布局填充规则对余材钢板进行布局填充并暂存组板方案；(4)依据布局调整规则将布局方式调整为钢材组板规范板型；(5)对分组内所有备选组板方案进行全局搜索选取分组最优组板方案；(6)将组板方案发送至钢铁企业信息系统中。本发明方法在对组板方案进行快速搜索的同时兼顾全局优化，可以大幅提高钢铁企业余材钢板组板效率，显著改善组板成材率、合同交货期等关键业务指标。
-
公开(公告)号：CN102385660A
公开(公告)日：2012-03-21
申请号：CN201010271068.5
申请日：2010-09-03
Applicant: 湘潭大学
Abstract: 一种充电站电池SOC的估计方法。它主要是解决充电站电池身份认证管理及充电站电池SOC估算算法等技术问题。其技术方案是在对充电站电池管理方案和对神经网络SOC估算方法标准模型分析的基础上，提出了智能电网环境下一种基于类型和寿命因子的充电站电池SOC神经网络估计方法。通过管理系统中的读写模块读取普通电池组中信息芯片保存的电池唯一ID号、电池类型、额定容量等固有出厂信息，能实现统一认证体系下的电池快速认证。通过充电站的过程层网络、站间网络通信，充电站电池管理系统能够从网络服务器上调用电池的历史充电数据，对循环次数和电量值拟合曲线后计算出寿命因子，判断出电池的生命状态，在神经网络标准模型中将电压、电流和温度作为输入的基础上增加电池类型和寿命因子作为输入，实现对充电站电池荷电状态的精确估计。
-
公开(公告)号：CN101871422A
公开(公告)日：2010-10-27
申请号：CN200910043187.2
申请日：2009-04-22
Applicant: 湘潭大学
IPC: F03D7/00
CPC classification number: Y02E10/723
Abstract: 一种风电机组低压穿越协调控制方法。它主要是解决电压跌落期间变流器两侧能量不匹配导致直流电压上升等技术问题。其技术方案是在对电压跌落统计分析的基础上，加入了对电压跌落实施预警的变桨距控制方法，同时对电压跌落情况下的变桨距控制策略进行了改进和优化，配合功率变换器及卸荷负载实现协调控制，改善永磁直驱发电机并网风电场的暂态电压稳定性，确保风电机组低电压穿越(LVRT)功能的实现及电网安全稳定。同理，提前获取远程故障的恢复情况有助于机组快速恢复最大风能捕获。
-
公开(公告)号：CN118446377A
公开(公告)日：2024-08-06
申请号：CN202410677989.3
申请日：2024-05-29
Applicant: 湘潭大学
IPC: G06Q10/04 , G06Q10/063 , G06Q50/20 , G06N5/048
Abstract: 本发明公开了一种基于模糊认知图的学生学习效果预测方法，属于教育领域，首先采用探索性因子分析方法探索潜在毕业要求因子与课程之间的支撑关系，然后与“课程—课程”皮尔逊相关性矩阵结合得到模糊认知图初始邻接矩阵，接着与专家各自的模糊认知图邻接矩阵进行图融合，再经非线性Hebbian学习算法进行学习，得到最终的模糊认知图邻接矩阵，即得到基于模糊认知图的学生学习效果预测模型。这种基于模糊认知图的学生学习效果预测模型具有灵活性、可解释性、适用性等优势，可以用于解决学生学习效果预测问题，为教师教学指导和学生学习提供辅助。
-
Patent Agency Ranking
公开(公告)号：CN108599259B
公开(公告)日：2021-07-20
申请号：CN201810637357.9
申请日：2018-06-20
Applicant: 湘潭大学
Abstract: 本发明公开了一种基于灵敏度分析的微电网主动运行决策方法，包括以下步骤：利用态势感知技术，对涉及配电网电能质量变化的各类信息元素进行采集、理解与预测，掌握电能质量变化态势；在预测电能质量未来变化趋势基础上，通过对微电网变流器之间的信息交互架构，建立变流器态势感知与潮流计算主动运行决策模型；基于得到的主动运行决策模型，提出先进变流器控制策略，实现对配电网的最优运行模式决策，为解决电网电能质量控制提供了更多有效的手段，使得电网的安全管理从被动变为主动，保证了配电网的安全可靠运行。
-
公开(公告)号：CN108846410A
公开(公告)日：2018-11-20
申请号：CN201810411367.0
申请日：2018-05-02
Applicant: 湘潭大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于稀疏自动编码深度神经网络的电能质量扰动分类方法，包括以下步骤：对电能质量扰动原始数据集进行预处理；把预处理后的数据样本输入到堆栈式稀疏自动编码器中进行自动特征学习，得到特征表达；把提取到的特征表达传送给softmax分类器进行微调，对网络参数做进一步调整得到训练好的分类模型；将测试样本输入到分类模型中进行电能质量扰动分类。本发明能够准确地识别包含两种复合扰动在内的九种电能质量扰动信号，并且具有很好的鲁棒性。
-
公开(公告)号：CN108599259A
公开(公告)日：2018-09-28
申请号：CN201810637357.9
申请日：2018-06-20
Applicant: 湘潭大学
Abstract: 本发明公开了一种基于灵敏度分析的微电网主动运行决策方法，包括以下步骤：利用态势感知技术，对涉及配电网电能质量变化的各类信息元素进行采集、理解与预测，掌握电能质量变化态势；在预测电能质量未来变化趋势基础上，通过对微电网变流器之间的信息交互架构，建立变流器态势感知与潮流计算主动运行决策模型；基于得到的主动运行决策模型，提出先进变流器控制策略，实现对配电网的最优运行模式决策，为解决电网电能质量控制提供了更多有效的手段，使得电网的安全管理从被动变为主动，保证了配电网的安全可靠运行。
-
公开(公告)号：CN106971243A
公开(公告)日：2017-07-21
申请号：CN201710198430.2
申请日：2017-03-29
Applicant: 湘潭大学
Abstract: 本发明公开了一种降低生产用电成本的热轧优化调度方法，包括以下步骤：加载分时电价费率数据、轧制速度设定数据和待排产的板坯数据；确定最小化生产用电成本的热轧优化调度的目标函数和约束条件；批量计划编制、轧制单元待产时间和轧制速度信息的混合染色体编码；确定混合染色体编码的选择、交叉、变异算子及其操作；执行非支配排序多目标遗传算法优化热轧调度目标函数；解集的多目标决策及推荐方案输出。本发明在批量计划编制时同步构造与电价时段相适应的生产负荷单元，通过合理安排轧制单元待产时间以及调整板坯的轧制速度进行生产负荷的时间转移，以错峰和避峰生产方式组织生产，优化相邻板坯间惩罚值和生产用电成本，促进了用电负荷削峰。
-
公开(公告)号：CN103887808B
公开(公告)日：2017-01-11
申请号：CN201410124216.9
申请日：2014-03-31
Applicant: 湘潭大学
IPC: H02J3/32
CPC classification number: Y02A30/12 , Y02E10/766 , Y02E70/30
Abstract: 基于机组惯性储能的风电场储能锂电优化控制方法。涉及风电场混合储能系统组合方式以及容量控制方法。技术要点是。包括以下步骤：1)根据风电场预测风速计算传统控制模式下的风电场预测捕获功率；2)将风电场预测功率进行快速傅里叶变换，得到风电功率频谱特性曲线和输出功率高频信号、低频信号；3)利用机组本身惯性动能存储当对风电场输出功率进行第一次平滑，抑制机组有功出力的高频分量；4)采用锂电池储能完成对风电场输出功率波低频分量的平滑任务；5)建立评价指标，优化控制风电场锂电池容量。采用本发明专利技术方案，可提高电能质量和储能经济效益，延长电池寿命。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.02 seconds)
