-
公开(公告)号：CN113242300B
公开(公告)日：2022-08-02
申请号：CN202110510248.2
申请日：2021-05-11
申请人： 国网辽宁省电力有限公司鞍山供电公司 , 东北大学
IPC分类号： H04L67/12 , H04L67/025 , H04N7/18 , G06N3/04 , G06N3/08
摘要： 本发明提供一种基于5G物联网的菱镁负荷全景信息感知系统，涉及能源管理技术领域。包括设备信息子系统、信息传递子系统、终端控制系统和客户端子系统；将自动化生产线监控、企业用能分析、优化经济运行与环保数据共享相结合，并且运用5G物联网技术，不仅提高了数据信息采集的时效性与数据信息处理过程的时效性，而且实现了对菱镁矿石加工生产线上镁砂质量的实时动态监测。使电力局、水利局、煤气供应等能源供应单位通过此系统能快速监测和知道企业的能源需求变化，提前做好合理的规划和布局，避免资源浪费。可使政府、环保局等监管部门通过此系统快速监测到园区的废弃物排放情况，发挥能源资源的更高效的合理利用，有助于推进环保事业的发展。
-
公开(公告)号：CN112580174A
公开(公告)日：2021-03-30
申请号：CN202011453471.X
申请日：2020-12-11
申请人： 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
发明人： 金宇坤 , 李增 , 韩一品 , 李娉婷 , 张迪 , 李晓鹏 , 尹良智 , 曹津铭 , 李广地 , 杨东升 , 王昊 , 吕浩轩 , 杨波 , 周博文 , 金硕巍 , 闫士杰 , 罗艳红 , 王迎春
IPC分类号： G06F30/18 , G06F30/27 , G06N3/04 , G06N3/08 , G06N3/12 , G06F111/08 , G06F113/04
摘要： 本发明公开了一种基于遗传算法优化神经网络的配电网线损率计算方法。为实现结构复杂、低压台区配电网的线损计算，本发明提出一种基于遗传算法优化神经网络的配电网线损率计算方法，该计算方法基于配电网实际运行数据首先构建误差反向传播(BP)神经网络模型以计算配电网理论线损率，然后利用遗传算法(GA)深度优化神经网络并建立GA‑BP模型。基于上述模型计算配电网的理论线损率并对模型计算性能进行比对分析后表明，应用遗传算法优化后的神经网络线损率计算模型较单一BP神经网络模型具有更好的非线性拟合能力和更高的计算精度。因此采用本发明公开的计算方法，可以实现提高配电网线损率计算模型精度的目的。
-
公开(公告)号：CN115963790A
公开(公告)日：2023-04-14
申请号：CN202211628191.7
申请日：2022-12-17
申请人： 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
IPC分类号： G05B19/418 , H02J3/00 , G06Q10/04 , G06Q10/0631 , G06Q50/04 , G06Q50/06 , G06N3/044 , G06N3/084
摘要： 本发明提供一种氧化镁生产流程能源优化利用方法及装置，可应用于氧化镁生产流程能源利用优化及参与电网互动，有助于提升氧化镁生产流程中的能源利用率、生产流程优化以及与电网的互动能力，促进工业企业的电能替代与工业产业升级。所述方法包括如下的步骤：步骤一：建立氧化镁生产流程能源利用模型；步骤二：基于氧化镁的生产过程中的可调节能力，提出氧化镁生产过程中的优化控制方法；步骤三：基于氧化镁企业参与电网互动能力提升技术，综合考虑步骤一和步骤二得出的结果，在提出基于循环神经网络的需量预测方法的基础上，建立熔炼机理建立单吨电耗指标模型，提出在电熔镁炉能效调度在线优化控制方法。
-
公开(公告)号：CN110557388A
公开(公告)日：2019-12-10
申请号：CN201910826057.X
申请日：2019-09-03
申请人： 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
IPC分类号： H04L29/06
摘要： 本发明提供一种具有双反馈双隔离的物理信道无耦合电网内外网隔离方法，涉及电力信息通讯技术领域。该方法包括：电网内部网络信息数据的提取分析；电网内部网络对提取到的信息数据进行加密并生成对应的图形信息码；独立计算机对电网内部网络留存的图形信息码进行采集、识别和奇偶校验；电网外部网络对独立计算机校验正确的图形信息码进行采集、识别和判断解析；电网网外部网络留存最终正确的图形信息码并将其作为电网网外部网络的公共数据。本方法具有双反馈、双隔离且图形信息码数据容量大的特征，能够实现内外网数据信息的无耦合、高效率的传输，确保内网信息的安全性。
-
公开(公告)号：CN118797313A
公开(公告)日：2024-10-18
申请号：CN202411082681.0
申请日：2024-08-08
申请人： 国网辽宁省电力有限公司鞍山供电公司 , 东北大学
IPC分类号： G06F18/213 , G06F18/27 , G06F18/15 , G06Q50/06 , G06Q50/26
摘要： 基于集成算法的钢铁企业碳足迹预测方法属于碳排放预测技术领域。本发明针对能源负荷数据特性，使用K近邻算法、结合水平处理法和垂直处理法进行数据预处理，采用Pearson相关性分析和Copula理论研究工业系统负荷间的相关性，确定输入的特征变量，然后，使用Shapley值法给Stacking集成模型分配最优权重系数，通过改进的Stacking集成算法进行碳排放预测。该预测方法通过使用Person相关系数与Copula理论分析了钢铁行业特征变量之间的关系，综合分析了与钢铁行业碳足迹关联性强的影响因素，并根据改进的Stacking集成学习模型，有效提高了钢铁企业的工业碳足迹预测精度。
-
公开(公告)号：CN115796539A
公开(公告)日：2023-03-14
申请号：CN202211578116.4
申请日：2022-12-06
申请人： 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
IPC分类号： G06Q10/0631 , G06Q50/06 , H02J3/14 , H02J3/46
摘要： 本发明涉及一种基于区块链高载能企业优先级的需求响应调度方法，包括步骤一：构建风电模型，并针对钢铁行业、机械行业和有色金属行业典型高载能负荷特性进行分析和建模；步骤二：制定划分负荷调度优先级策略，提供逐级优惠政策；步骤三：构建负荷聚合商与风电厂及高载能负荷类交易主体间的共治交易环境；步骤四：构建负荷聚合商调度周期内自身收益与风电厂的最小成本为目标的多目标经济优化调度模型；步骤五：对上述多目标优化调度模型求解，并选取最优折衷解；在考虑高载能企业调度优先级的同时，采用负荷电价逐级优惠，构建负荷聚合商－风电－高载能企业的三方交易模式，从而改善了风电的消纳量，大大提高了风电厂的经济性。
-
公开(公告)号：CN115147245A
公开(公告)日：2022-10-04
申请号：CN202211063222.9
申请日：2022-09-01
申请人： 东北大学 , 国网辽宁省电力有限公司鞍山供电公司
摘要： 本发明提供一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法，涉及综合能源优化调度技术领域。该方法首先构建工业园区需求响应模型；该模型包括工业用户的基础负荷和可调整负荷；再将工业园区看作一个虚拟电厂，构建工业负荷参与调峰辅助服务的虚拟电厂优化调度的成本模型和收益模型；然后建立工业负荷参与调峰辅助服务的虚拟电厂双层优化调度模型，上层模型以虚拟电厂经济效益最优为目标函数，下层模型以工业园区内部最优调度为目标函数；并构建工业负荷参与调峰辅助服务的虚拟电厂优化调度的约束条件；最后求解虚拟电厂双层优化调度模型，得到虚拟电厂的优化调度方案。
-
公开(公告)号：CN110557388B
公开(公告)日：2022-04-01
申请号：CN201910826057.X
申请日：2019-09-03
申请人： 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
IPC分类号： H04L9/40
摘要： 本发明提供一种具有双反馈双隔离的物理信道无耦合电网内外网隔离方法，涉及电力信息通讯技术领域。该方法包括：电网内部网络信息数据的提取分析；电网内部网络对提取到的信息数据进行加密并生成对应的图形信息码；独立计算机对电网内部网络留存的图形信息码进行采集、识别和奇偶校验；电网外部网络对独立计算机校验正确的图形信息码进行采集、识别和判断解析；电网网外部网络留存最终正确的图形信息码并将其作为电网网外部网络的公共数据。本方法具有双反馈、双隔离且图形信息码数据容量大的特征，能够实现内外网数据信息的无耦合、高效率的传输，确保内网信息的安全性。
-
公开(公告)号：CN117709524A
公开(公告)日：2024-03-15
申请号：CN202311697596.0
申请日：2023-12-12
申请人： 国网辽宁省电力有限公司鞍山供电公司 , 国家电网有限公司 , 东北大学
摘要： 本发明一种基于贝叶斯优化的钢铁行业碳排放预测方法及系统，属于电力能源预测技术领域，该方法首先对数据进行预处理，通过Person相关系数确定输入特征变量，然后，输入到改进的Stacking集成学习模型中，以最后输出的误差指标作为目标函数，通过贝叶斯优化算法调整Stacking集成学习双层学习器的超参数，最后通过误差补偿模型进一步优化预测结果。该预测方法通过使用Person相关系数分析了钢铁行业特征变量之间的关系，综合考虑了与碳排放关联性强的影响因素，在进行碳排放预测时使用了改进的Stacking集成学习模型，采用误差补偿模型对Stacking集成学习模型误差进行优化，大大提高了预测精度。
-
公开(公告)号：CN117689078A
公开(公告)日：2024-03-12
申请号：CN202311743786.1
申请日：2023-12-19
申请人： 国网辽宁省电力有限公司鞍山供电公司 , 国家电网有限公司 , 东北大学
IPC分类号： G06Q10/04 , G06Q10/063 , G06Q50/04 , G06Q50/06 , G06Q50/26 , G06N5/022 , G06N20/20 , G06N3/0499 , G06N3/084 , G06N7/01 , G06F18/214 , G06F18/21 , G06F18/25
摘要： 本发明公开了一种基于电力数据驱动的钢铁行业碳排放监测方法，包括以下步骤：S1：电力设备数据采集，建立电‑碳实时数据集；S2：输入电‑碳实时数据集，依据知识图谱算法建立电‑碳关系函数；S3：通过电‑碳关系函数，运用机器学习算法建立基于电力数据的碳排放转换模型；S4：通过融合优化算法和交叉验证算法对碳排放转换模型进行优化，构建不同时间维度的电‑碳监测模型。本发明通过企业电力数据，挖掘“电力‑能源消费‑碳排放”的深层次关联体系，应用关联知识图谱理论、机器学习算法、交叉验证与融合优化算法构建基于电力数据驱动的钢铁行业碳排放监测的预测模型，对钢铁企业的碳减排潜力进行挖掘。
-
-
-
-
-
-
-
-
-
搜索结果
180 条记录 (耗时 0.058 秒)
