基于BP神经网络的专变用户有功无功碳排放预测方法

    公开(公告)号:CN115099522A

    公开(公告)日:2022-09-23

    申请号:CN202210846396.6

    申请日:2022-07-19

    Abstract: 本发明公开了一种基于BP神经网络的专变用户有功无功碳排放预测方法,本发明面向专变用户,提出基于BP神经网络的专变用户有功/无功碳排放预测技术;本发明主要采用基于传感装置的专变用户电碳和环境信息采集技术,归一化处理,构建训练得到基于BP神经网络的专变用户有功负荷/无功负荷预测模型以及有功/无功综合碳排放因子预测模型,最终实现对专变用户有功、无功碳排放量的有效预测;本发明克服了有功、无功交互影响,专变用户内部碳排放难以有效计算的技术难题;本发明提高预测计算结果,实现对趋势预测,有利于给出专变用户碳排放规律,为专变用户掌握自身碳排放趋势,制定专变用户低碳用能策略,助理电网碳减排,具有重要意义。

    基于小波视频分解和Faster RCNN的变电站故障识别方法

    公开(公告)号:CN115082835A

    公开(公告)日:2022-09-20

    申请号:CN202210865462.4

    申请日:2022-07-22

    Abstract: 本发明公开了一种基于小波视频分解和Faster RCNN的变电站故障识别方法,S1.变电站视频信息采集以及预处理,获得视频信号数据,构建视频信号基础数据库;S2.基于多分辨率分析的小波视频分解技术,对S1中视频基础数据库中视频信号数据进行分解,得到一系列频段信号数据,构建频段信号数据库;S3.从所述频段信号数据库筛选出变电站设备故障时频段信号数据,提取分解视频片段的故障特征,并构建故障特征库;S4.构建用于故障识别的融合物理模型和基于深度学习的Faster RCNN变电站缺陷识别模型;以频段信号数据库和故障特征库为基础训练,得出变电站故障识别模型。

Patent Agency Ranking