-
公开(公告)号：CN109506248A
公开(公告)日：2019-03-22
申请号：CN201811470948.8
申请日：2018-12-04
Applicant: 华北电力大学 , 华能国际电力股份有限公司丹东电厂
IPC: F23N5/00
Abstract: 本发明属于火电机组低负荷稳燃优化领域，具体涉及一种基于在线寻优的低负荷下锅炉燃烧优化方法。所述方法能够将离线优化与在线寻优联系起来，把离线寻优的结果储存到特定位置作为典型优化案例，按照负荷指令查询式把案例优化结果直接送入到现场DCS中控制各层风门挡板的开度，以此来调节风煤比来提升锅炉燃烧稳定性及经济性。
-
公开(公告)号：CN103904665B
公开(公告)日：2017-06-13
申请号：CN201410151002.0
申请日：2014-04-15
Applicant: 华北电力大学
Abstract: 本发明公开了新能源电力系统自动控制技术领域的一种适用于双馈风机的电力系统稳定器设计方法。其技术方案是，首先对全网节点、线路统一编号并建立系统参数表；其次，建立双馈风机增广关联测量模型；再次，设计各选定工况点下的电力系统稳定器；最后，计算模型切换权值并得到控制器输出。本电力系统稳定器的输出控制信号叠加在原系统控制信号上，可不改变原有操作习惯，具有实现简单，低成本的特点。应用本方法设计的电力系统稳定器，可提高风电场抗扰动的能力和故障穿越能力，进而增强电网的稳定性，提高电网消纳风电的能力。
-
公开(公告)号：CN103400015B
公开(公告)日：2016-05-18
申请号：CN201310356736.8
申请日：2013-08-15
Applicant: 华北电力大学
IPC: G06F17/50
Abstract: 本发明公开了属于电站锅炉燃烧系统燃烧过程的复合建模技术领域的一种基于数值模拟与试验运行数据的燃烧系统复合建模方法。采用三维稳态工况，建立目标煤粉炉的数值模拟模型；针对LS-SVM所建立的目标模型，首先确立合适的输入变量，并且确定各输入变量的取值范围，利用正交法给定训练样本数据组数和各输入变量的值，得到变量列表，得到试验数据,建立机理LS-SVM模型；根据电厂实时数据更新LS-SVM模型。本发明弥补单纯的试验数据建模时数据单一的不足。利用电厂实时更新的数据更新模型，有效地提高了LS-SVM模型的精度，为锅炉燃烧优化打好基础。
-
公开(公告)号：CN119398393A
公开(公告)日：2025-02-07
申请号：CN202411424265.4
申请日：2024-10-12
Applicant: 国网宁夏电力有限公司经济技术研究院 , 华北电力大学苏州研究院
IPC: G06Q10/0631 , G06Q30/018 , G06Q50/06 , G06F18/25 , G06F18/24 , G06N3/0464 , G06N3/0442 , G06N20/00
Abstract: 本发明涉及低碳减排技术领域，公开一种基于物联网的能源低碳转型分析方法，包括如下步骤：S1、通过物联网设备采集不同能源类型的数据，实时生产、传输、储存和使用数据，构建多能源数据融合平台；S2、根据采集的能源数据，利用多能源协同优化模型对不同能源类型进行综合分析，确定不同能源在转换效率、使用时段和经济成本上的最佳配比；S3、通过物联网设备采集用户用能行为数据，构建用户行为预测模型。通过物联网技术整合多种能源类型的数据，协同优化模型实现智能调配，其多能源协同管理提升能源利用效率，降低碳排放，该创新使得系统能灵活应对不同能源间的转换需求，最大化资源利用率，降低对单一能源的依赖性。
-
公开(公告)号：CN113268919A
公开(公告)日：2021-08-17
申请号：CN202110508816.5
申请日：2021-05-11
Applicant: 华北电力大学 , 国网辽宁省电力有限公司 , 国电电力大连庄河发电有限责任公司 , 吉林电力股份有限公司
Abstract: 本发明公开了一种基于神经网络预测的线性自抗扰控制器的设计方法，包括：步骤1、获取和预处理样本数据，构建样本训练集和样本测试集；步骤2、利用样本训练集构造ELMAN神经网络预测模型，并用样本测试集进行验证；步骤3、输入工况数据到ELMAN神经网络预测模型获取输出值改造扩张状态观测器。通过线性自抗扰控制器的设计提升该被控对象在多种干扰下的控制效果。
-
Patent Agency Ranking
公开(公告)号：CN112884213A
公开(公告)日：2021-06-01
申请号：CN202110143854.5
申请日：2021-02-02
Applicant: 华北电力大学
Abstract: 本发明提供了小波分解与动态混合深度学习的燃煤锅炉NOx预测方法，涉及燃煤锅炉运营技术领域，能够准确稳定的预测NOx排放，泛化性能和可重复性好；该方法步骤包括：S1、采集NOx排放敏感参数在某一时间段内的值；S2、对NOx排放敏感参数的采集值进行小波变换，得到该NOx排放敏感参数采集值的趋势分量和高频波动分量；S3、对趋势分量和高频波动分量进行小波重构；S4、采用LSTM模型对重构后的趋势分量进行动态预测，同时采用CNN模型对重构后的高频波动分量进行动态预测；S5、将S4中的预测结果进行融合，得到最终的NOx排放预测结果。本发明提供的技术方案适用于燃煤锅炉NOx排放预测的过程中。
-
公开(公告)号：CN112766534A
公开(公告)日：2021-05-07
申请号：CN202011437818.1
申请日：2020-12-07
Applicant: 河北国华定州发电有限责任公司 , 华北电力大学 , 北京达华洁能工程技术有限公司
Abstract: 本发明涉及火力发电技术领域，特别是涉及一种脱硝系统NOx浓度预测方法、装置、计算机设备和存储介质，所述脱硝系统NOx浓度预测方法包括：获取运行参数并对所述运行参数进行去噪处理；基于随机森林算法，根据所述运行参数与NOx浓度的相关度选取若干个所述运行参数作为输入变量；将所述输入变量输入到预训练的深度学习双向长短时记忆神经网络进行处理以输出NOx浓度预测值。本发明实施例提供的脱硝系统NOx浓度预测方法通过对火力发电系统相关运行参数进行去噪处理并确定与NOx浓度最相关的若干个运行参数作为输入变量输入到预训练的模型，通过模型处理输入NOx的预测浓度，可以使脱硝系统紧密跟随输入气体中NOx的变化。
-
公开(公告)号：CN113268919B
公开(公告)日：2025-05-13
申请号：CN202110508816.5
申请日：2021-05-11
Applicant: 华北电力大学 , 国网辽宁省电力有限公司 , 国电电力大连庄河发电有限责任公司 , 吉林电力股份有限公司
Abstract: 本发明公开了一种基于神经网络预测的线性自抗扰控制器的设计方法，包括：步骤1、获取和预处理样本数据，构建样本训练集和样本测试集；步骤2、利用样本训练集构造ELMAN神经网络预测模型，并用样本测试集进行验证；步骤3、输入工况数据到ELMAN神经网络预测模型获取输出值改造扩张状态观测器。通过线性自抗扰控制器的设计提升该被控对象在多种干扰下的控制效果。
-
公开(公告)号：CN119312040A
公开(公告)日：2025-01-14
申请号：CN202411348114.5
申请日：2024-09-26
Applicant: 国网宁夏电力有限公司经济技术研究院 , 华北电力大学苏州研究院
IPC: G06F18/20 , G06F18/27 , G06F18/25 , G06F18/2113 , G06N7/01 , G06N3/047 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06Q10/0637 , G06Q10/04 , G06Q50/26 , G06F123/02
Abstract: 本发明涉及计算机技术领域，公开一种基于深度学习的碳排放计算方法，包括如下步骤：S1、通过传感器、卫星遥感、智能电表和监测系统收集多源数据，且对采集的数据进行清洗、去噪、缺失值填补，此外，通过多源数据融合技术将结构化与非结构化数据进行整合；S2、采用深度特征学习模型对原始数据进行特征提取，筛选出对碳排放预测贡献的关键特征；S3、通过结合自回归积分滑动平均模型和在线学习算法，对数据进行实时分解与异常检测。结合自回归积分滑动平均模型和在线贝叶斯学习方法，使得碳排放计算能根据实时数据动态调整参数，适应环境变化、季节性波动和突发事件，以显著提升预测模型的灵活性和实时性。
-
公开(公告)号：CN112884213B
公开(公告)日：2024-04-19
申请号：CN202110143854.5
申请日：2021-02-02
Applicant: 华北电力大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了小波分解与动态混合深度学习的燃煤锅炉NOx预测方法，涉及燃煤锅炉运营技术领域，能够准确稳定的预测NOx排放，泛化性能和可重复性好；该方法步骤包括：S1、采集NOx排放敏感参数在某一时间段内的值；S2、对NOx排放敏感参数的采集值进行小波变换，得到该NOx排放敏感参数采集值的趋势分量和高频波动分量；S3、对趋势分量和高频波动分量进行小波重构；S4、采用LSTM模型对重构后的趋势分量进行动态预测，同时采用CNN模型对重构后的高频波动分量进行动态预测；S5、将S4中的预测结果进行融合，得到最终的NOx排放预测结果。本发明提供的技术方案适用于燃煤锅炉NOx排放预测的过程中。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.043 seconds)
