公开(公告)号：CN113377834A

公开(公告)日：2021-09-10

申请号：CN202110637594.7

申请日：2021-06-08

申请人： 东南大学 ,  国网江苏省电力有限公司经济技术研究院

发明人： 徐青山 ,  王海林 ,  辛瑗 ,  郭莉

IPC分类号： G06F16/2458 ,  G06N3/02 ,  G06Q50/06

摘要： 本发明公开一种基于大数据技术的电力数据挖掘分析方法，涉及电力数据处理领域，包括采用可视化技术以图表的形式展示电力数据；利用ARIMA模型将可视化电力数据的非平稳时间序列转化为稳定的时间序列，并建立平稳时间序列模型；使用神经网络模型对平稳时间序列模型的平稳电力数据进行反复优化，得到满足预定目标的优化结果；采用本发明方法构建的基于大数据技术的电力数据挖掘与分析方法，具备独立性、易度量性、即时性、灵活性和实用性，有助于可视化电力数据，直观了解电网的运行情况，对电网进行实时监控和管理，对大量数据进行分析，深入挖掘海量数据中的相互关系和内在联系，提高电网管理水平。

公开(公告)号：CN113609177A

公开(公告)日：2021-11-05

申请号：CN202110913933.X

申请日：2021-08-10

申请人： 东南大学 ,  国网江苏省电力有限公司经济技术研究院

发明人： 徐青山 ,  辛瑗 ,  郭莉 ,  吴垠 ,  薛贵元

IPC分类号： G06F16/2457 ,  G06F16/2458 ,  G06K9/62 ,  G06Q50/06

摘要： 本发明涉及能源数据增值服务技术领域，尤其是一种园区级数据增值服务的场景构建及评价方法，现提出如下方案，其包括如下步骤：明确园区级的数据增值服务，制定每种数据增值服务的策略及措施，选定适合服务对象的需求的数据增值服务；根据数据增值服务的应用场景，分析应用场景的数据需求并采集数据信息，进行预处理得到第一数据集；构建应用场景的场景模型，对第一数据集提取特征向量并进行再加工，建立训练集和验证集，训练和验证机器学习模型，制定评价指标分别对数据增值服务和机器学习模型进行综合评估。本发明有助于深入挖掘能源大数据价值，实现数据增值服务应用变现落地工作，更好地支撑资源调配、业务协同和风险防控。

公开(公告)号：CN109766611B

公开(公告)日：2023-06-16

申请号：CN201811635807.7

申请日：2018-12-29

申请人： 东南大学溧阳研究院 ,  东南大学

发明人： 陶思钰 ,  曹敏健 ,  黄煜 ,  徐青山

IPC分类号： G06F30/20

摘要： 本发明公开了一种考虑地形坡度的风电场功率简化预测方法，该方法针对建设于一定坡度地理位置的风电场，根据坡度的大小所处的范围所带来的相邻风机之间尾流影响的不同，分别建立四种风电场功率输出的数学模型来预测整个风电场的功率。本发明采用了连续型三参数的Logistic函数对风机的输出功率进行建模，并考虑了风速随海拔高度的变化带来的影响，因而所得预测结果准确，且大大减少了预测过程所需的计算量。

公开(公告)号：CN109842113B

公开(公告)日：2021-07-20

申请号：CN201910021645.6

申请日：2019-01-10

申请人： 东南大学溧阳研究院 ,  东南大学

发明人： 黄煜 ,  徐青山

IPC分类号： H02J3/00 ,  G06F17/13 ,  G06F17/16

摘要： 本发明提供一种基于发电机群动态的电力系统简化等值方法，包括如下步骤：建立电力系统动态模型；记录系统各台发电机组在受到扰动后转子角的动态时间序列；找到表征动态响应过程的最优正交基，实现系统的动态特征提取；将最优正交基向量与系统内各台发电机组的动态响应向量一一进行匹配，确定特征发电机组；对不同运行场景及扰动下求得的特征发电机组集合取并集，得到系统的公共特征发电机组；实现系统模型的动态等值简化。本发明基于PMU量测数据对电力系统内的机组进行动态特征提取、归属和重构，实现了对模型的降维和简化，提高了电网动态仿真的计算效率，能够满足电力系统在线稳定性分析及运行控制的需求。

公开(公告)号：CN113312773B

公开(公告)日：2024-04-19

申请号：CN202110599459.8

申请日：2021-05-31

申请人： 东南大学

发明人： 徐青山 ,  秦铭磊 ,  陈思捷

IPC分类号： G06F30/20 ,  G06N3/02 ,  G06N3/084 ,  G06F119/08

摘要： 本发明公开了一种地源热泵设备的能效精细化方法，属于地源热泵技术领域。一种地源热泵设备的能效精细化方法，包括以下步骤：获取地源热泵设备数据，采集所述地源热泵设备数据中的自变量和因变量构建地源热泵数学模型；采用BP神经网络预测方法确定所述地源热泵数学模型的能效值；采用限幅递推平均滤波方法对所述能效值进行降噪生成预测能效值。与现有技术相比，本申请的一种地源热泵设备的能效精细化方法首先建立数学模型，然后使用BP神经网络模型预测地源热泵设备能效值，对预测值采用限幅递推平均滤波方法进行降噪，从而得到满足精度要求的地源热泵设备能效值。

公开(公告)号：CN117689134A

公开(公告)日：2024-03-12

申请号：CN202310839830.2

申请日：2023-07-10

申请人： 东南大学 ,  云南电网有限责任公司

发明人： 侍正坤 ,  杨永标 ,  徐青山 ,  沈鑫 ,  华奎

IPC分类号： G06Q10/0631 ,  G06Q10/0639 ,  G06Q40/04

摘要： 本发明公开了一种面向工业园区综合能源系统的碳配额分配方法，属于碳配额管理领域。本发明的碳配额分配方法，包括以下步骤：采集IES的历史气象数据，包括所在地的光照和风速，以及所供电、气、热负荷的历史负荷数据；对上述的数据集进行分布拟合以及抽样，构建IES典型运行场景，实现年度碳配额的估计并将其分配到每日，以确定IES每日运行碳排放量上限，更好地优化IES的低碳经济运行。

公开(公告)号：CN115796066B

公开(公告)日：2024-01-19

申请号：CN202211096252.X

申请日：2022-09-06

申请人： 东南大学

发明人： 方乐乐 ,  徐青山

IPC分类号： G06F30/28 ,  H05K7/20 ,  G06F113/02 ,  G06F113/04 ,  G06F111/10 ,  G06F113/08 ,  G06F119/14 ,  G06F119/08 ,  G06F119/06 ,  G06F119/12

摘要： 本发明公开了一种基于预制冷的数据中心机房空调系统节能方法，涉及数据中心空调节能技术领域，包括构建数据中心机房模型模拟实际数据中心机房环境，采用计算流体力学方法对不同机房空调送风温度进行稳态数值计算，依据数据中心机房温度设计范围及服务器安全工作温度确定机房空调初始送风温度的范围，利用气流组织评价指标，分析机房内部温度场、速度场分布均匀性；对机房空调初始送风温度范围内的机房内部温度动态变化特性进行仿真模拟，确定预制冷设定温度；基于预制冷设定温度及机房空调初始送风温度，制定预制冷方案；基于数据中心(56)对比文件赵永柱;张忠浩;陈果;马千里;叶佳威.基于计算流体动力学模型的机房温度及空调节能仿真.计算机应用.2020,(S1),全文.

公开(公告)号：CN111860965B

公开(公告)日：2023-11-14

申请号：CN202010589349.9

申请日：2020-06-24

申请人： 东南大学 ,  国网江苏省电力有限公司

发明人： 徐青山 ,  丁逸行 ,  杨斌

IPC分类号： G06Q10/04 ,  G06Q10/0631 ,  G06Q30/0283 ,  G06Q50/06 ,  H02J3/28

摘要： 本发明公开了考虑储能多类型服务的用户综合能源系统优化调度方法，属于电力系统调度的技术领域，具体包括：提出需量管理的概念与长时间尺度中储能多种服务的逻辑行为框架；建立综合能源系统经济调度模型；建立约束条件，使综合能源系统满足功率平衡约束、电网交换功率、可削减负荷约束和设备运行约束；建立以总运行成本最小为目标的日内调度模型；建立日内约束条件。得到最优的月前‑日内协调调度结果。本发明解决了储能电站如何通过需量管理、能量套利、参与需求响应和提供备用功率的组合以实现最高的经济效益的问题，充分挖掘了不同时间尺度储能在系统中的服务功能，提高了综合能源系统运行的可调度性与经济性。

公开(公告)号：CN116342271A

公开(公告)日：2023-06-27

申请号：CN202310140873.1

申请日：2023-02-21

申请人： 东南大学

发明人： 徐青山 ,  夏元兴

IPC分类号： G06Q40/04 ,  G06Q50/06 ,  G06F30/27

摘要： 本发明公开了一种基于社区级代理模型的社区‑用户双层P2P多能源交易方法，包括：获取包括用户电气、天然气和热力负荷、实时电价、天然气、热价格、电网气网和热力网络传输容量上限的数据；建立优化模型的目标函数，并将采集数据导入；建立主观发用电优化模型和对应约束条件；构建社区效应函数以及训练模型，利用训练模型对社区效应函数进行训练得到社区效应模型；将训练出来的社区效应模型作为效用函数，以电力、天然气和热力网络的物理约束作为约束条件，求解出该多能源P2P交易市场的出清结果。本发明优化双层P2P的多能源交易过程，具有隐私保护性、灵活性和实用性，且算法效率更高，运算速度更快，易于推广。

公开(公告)号：CN115841268A

公开(公告)日：2023-03-24

申请号：CN202211268362.X

申请日：2022-10-17

申请人： 东南大学

发明人： 徐青山 ,  徐扬

IPC分类号： G06Q10/0639 ,  G06Q50/06 ,  G06F18/241 ,  G06F18/2415 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

摘要： 本发明提供一种基于深度学习的非侵入式负荷分解模型，涉及电力系统智能电网领域。该基于深度学习的非侵入式负荷分解模型，包括输入层、中间层和输出层；所述输入层输入滑动窗口所截取的序列样本，所述输出层输出等长的且时间戳相对应的目标设备预测序列，通过输入及输出构建回归模型；所述中间层由神经网络所构成，对输入数据进行线性空间映射，并通过循环迭代更新网络参数，提取序列局部特征的同时，实现了特征序列尺寸和个数的还原；主要区别在于中间层引入了注意力机制，由多个Trans层串联而成，完全避免了CNN和RNN的使用，大大提高了模型对长序列数据的特征提取能力。两种方式的相互补充有助于模型对时序数据进行学习。