-
公开(公告)号：CN117094426A
公开(公告)日：2023-11-21
申请号：CN202310727851.5
申请日：2023-06-19
Applicant: 华北电力大学(保定) , 国网北京市电力公司 , 国家电网有限公司
IPC: G06Q10/04 , G06N3/0464 , G06N3/0455 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了一种台区分布式光伏电站群功率预测方法，包括序列分解，低频分量时空预测，高频分量时空预测和序列相加，本发明不需要气象数据，仅利用光伏出力数据即可达到预测的目的，不需要为分布式光伏额外安装气象量测设备，节省经济成本，同时本发明的输出为台区内多个分布式光伏电站的出力预测值，能够同时预测多个分布式光伏电站的出力，较单站预测可以更好地学习到多站光伏输出功率之间的时空相关性，提高了区域光伏预测的精度并降低了训练成本，且将原始的出力序列分解为低频和高频分量分别建模，分解后得到的子分量序列能够更好地从不同维度表征原始数据的特性，通过针对性的预测建模可得到更为准确的预测结果。
-
公开(公告)号：CN116934529A
公开(公告)日：2023-10-24
申请号：CN202310943792.5
申请日：2023-07-28
Applicant: 国网河北省电力有限公司经济技术研究院 , 国家电网有限公司 , 华北电力大学(保定)
IPC: G06Q50/06 , G06Q10/04 , G06N3/045 , G06N3/08 , G06N3/042 , G06N3/0464 , G06F18/213
Abstract: 本发明提供了一种储能电站SOC预测方法及装置、虚拟电厂、存储介质，本发明属于虚拟电厂技术领域，该储能电站SOC预测方法包括：获取多个储能电站的历史SOC数据、多个储能电站之间的空间拓扑信息、以及预先构建的SOC预测模型；其中，SOC预测模型包含多个堆叠的GCN‑TCN层，每个GCN‑TCN层都包含用于提取空间特征的GCN层以及用于提取时间特征的TCN层；基于空间拓扑信息确定SOC预测模型中GCN层的邻接矩阵；基于历史SOC数据对确定邻接矩阵后的SOC预测模型进行训练，得到训练完成的SOC模型，并基于训练完成的SOC预测模型对多个储能电站的SOC进行预测。本发明可有效提升储能电站SOC的预测精度。
-
公开(公告)号：CN116298524B
公开(公告)日：2023-09-12
申请号：CN202310594147.7
申请日：2023-05-25
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种电变量测量设备，包括工作台和其上设置的与待检测电阻上检测插孔匹配的检测插头，工作台一侧设有带式输送机，工作台上设有用于运转待检测电阻的检测圆盘，十字分隔板将检测圆盘上部空间分成上料区、检测区、待转区和下料区四个功能区，工作台上设有驱动检测圆盘单次水平转动角度为九十度的定转组件，上料区一侧设有将待检测电阻推送至上料区位置的推料组件，检测区上方设有驱动容纳箱在垂直方向移动的升降组件，容纳箱内设有测量电阻值的测定电路，本发明能够自动完成对电子元件的上料、转运和检测过程，使电子元件自动进入检测圆盘中的不同功能区，实现对电子元件电阻特性的自动检测过程，提高检测效率。
-
公开(公告)号：CN116643125A
公开(公告)日：2023-08-25
申请号：CN202310507677.3
申请日：2023-05-08
Applicant: 华北电力大学(保定)
IPC: G01R31/12 , G06F18/213 , G06F18/24 , G06F18/10 , G06N7/08 , G06F17/18 , G06F123/02
Abstract: 本发明公开了一种高压开关柜的故障诊断方法，包括以下步骤：由于高压开关柜是多个电气设备的组合，其内部涉及电、磁、温度等多种物理现象，故障的表现形式和产生机理千差万别，因此要对开关柜进行在线监测并做出较准确的故障判断乃至故障预测，必须了解开关柜的工作特性和故障特点，故障的严重程度也会有差别，本发明对于特征与状态具有明确的对应关系的故障，如合闸及分闸线圈断路故障、导电接触部分温升故障，可采用域值诊断方法；而对于特征与状态不具有明确关系的故障，可采用模糊诊断、时域波形诊断或频域波形诊断等方法，从而实现了不同故障采用不同的诊断方法进行诊断，从而能够更加精确的对高压开关柜的故障进行诊断和分析。
-
公开(公告)号：CN116298524A
公开(公告)日：2023-06-23
申请号：CN202310594147.7
申请日：2023-05-25
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种电变量测量设备，包括工作台和其上设置的与待检测电阻上检测插孔匹配的检测插头，工作台一侧设有带式输送机，工作台上设有用于运转待检测电阻的检测圆盘，十字分隔板将检测圆盘上部空间分成上料区、检测区、待转区和下料区四个功能区，工作台上设有驱动检测圆盘单次水平转动角度为九十度的定转组件，上料区一侧设有将待检测电阻推送至上料区位置的推料组件，检测区上方设有驱动容纳箱在垂直方向移动的升降组件，容纳箱内设有测量电阻值的测定电路，本发明能够自动完成对电子元件的上料、转运和检测过程，使电子元件自动进入检测圆盘中的不同功能区，实现对电子元件电阻特性的自动检测过程，提高检测效率。
-
Patent Agency Ranking
公开(公告)号：CN115971114B
公开(公告)日：2023-06-13
申请号：CN202310262752.4
申请日：2023-03-17
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了电气元件的电阻特性电变量测量装置，涉及电气元件技术领域，测量装置本体包括机架、测量台及位于测量台上方的测量端；检测单元对电气元件的外部的灰尘进行检测，形成灰尘数据集，由评估单元形成灰尘系数；在灰尘系数超过阈值时，标记模块在电气元件上标记出若干个待清理的清理位置；清理组件包括竖向设置于测量台表面的安装板，安装板的一侧设置有清理刷，对电气元件的侧边依次形成清理；再次形成灰尘系数，如果灰尘系数小于相应阈值，由测量端对电气元件形成测量。评估和判断灰尘对电气元件的影响程度，判断电气元件是否需要清理，在进行清理后，判断出对电气元件表面的清理结果是否达标，降低测量的误差。
-
公开(公告)号：CN116027111A
公开(公告)日：2023-04-28
申请号：CN202310309741.7
申请日：2023-03-28
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种变压器电变量测量装置及测量方法，包括数据采集模块、初级判断模块、深度故障分析模块、以及校准模块，数据采集模块：用于检测环境的温度信息、检测环境的湿度信息、以及检测环境的电场强度信息，并将检测环境中的温度信息、湿度信息、以及电场强度信息传递至初级判断模块。本发明通过对检测环境的温度影响、检测环境的湿度影响、以及检测环境的电场强度影响一次判断，降低电变量测量装置对数据处理的次数，延长电变量测量装置的使用寿命，校准模块消除环境温度影响对电阻阻值检测时的干涉、消除环境湿度影响对电阻阻值检测时的干涉、以及消除环境单场强度影响对电阻阻值检测时的干涉，从而实现对电阻阻值精准测量。
-
公开(公告)号：CN115151103A
公开(公告)日：2022-10-04
申请号：CN202210775190.9
申请日：2022-07-01
Applicant: 华北电力大学(保定)
Abstract: 本发明涉及变压器监测装置技术领域，公开了一种用于变压器健康状态评估的监测装置，包括监测装置主体、降温板、散热箱与散热槽，所述监测装置主体一端设置有降温板，所述降温板设置有两个，两个所述降温板内部结构中均设置有控制室，所述控制室内部设置有小型电机，所述小型电机输出端固定连接有风扇一，所述降温板内部结构中设置有降温室，通过降温板内部结构中设置的控制室以及内部设置的小型电机运行，能够带动其输出端固定连接的风扇一转动，配合降温室内部设置的冷凝设备以及其输出端设置的冷凝管运行，能够对变压器与监测装置主体的连接处降温，通过这种方式，能够避免出现监测装置与变压器的连接处容易出现温度过高的情况。
-
公开(公告)号：CN109714077B
公开(公告)日：2021-06-22
申请号：CN201910182746.1
申请日：2019-03-12
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种基于网络松散度的中压配网载波通信阻抗匹配方法及系统，该方法包括：根据主干线路的网络松散度，将中压配网划分为若干个阻抗匹配区间；采用粒子群优化算法，对每个所述阻抗匹配区间内的各节点阻抗进行最优协调匹配。本发明提供的基于网络松散度的中压配网载波通信阻抗匹配方法及系统，解决了目前电力线载波通信阻抗匹配方法只可改善点对点模式下的通信质量，无法实现多通信节点的载波网络中各通信节点间的功率协调分配的问题，能够实现多通信节点的载波网络中各通信节点间的功率协调分配，将复杂的中压配电网络划分为若干个阻抗匹配区间，采用粒子群优化算法进行阻抗匹配，匹配方法原理清晰，计算速度快。
-
公开(公告)号：CN110232483B
公开(公告)日：2021-05-04
申请号：CN201910527965.9
申请日：2019-06-18
Applicant: 国网河北省电力有限公司经济技术研究院 , 华北电力大学(保定)
Abstract: 本发明适用于数据预测技术领域，提供了一种深度学习负荷预测方法、装置及终端设备。所述深度学习负荷预测方法包括：利用第一预设移动时间窗将预测区间划分为多个第一子预测区间，以及将历史负荷数据划分为多个第一子负荷训练数据，其中所述历史负荷数据的长度与所述预测区间的长度对应；利用所述多个第一子负荷训练数据训练所述多个第一子预测区间的深度学习预测模型，并获得每个子预测区间的负荷预测值；根据各个子预测区间的预测值确定最终预测值。上述深度学习负荷预测方法通过调整切分预测区间的细粒度及选择适当的历史负荷数据，适用于不同时长的负荷预测，而且获得的预测值更加精确可靠。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.028 seconds)
