-
公开(公告)号：CN114358012A
公开(公告)日：2022-04-15
申请号：CN202111396841.5
申请日：2021-11-23
Applicant: 华能大理风力发电有限公司洱源分公司 , 中国华能集团清洁能源技术研究院有限公司
Inventor： 曾谁飞 , 王振荣 , 李国庆 , 童强 , 桑申刚 , 张燧 , 王青天 , 黄思皖 , 刘旭亮 , 李小翔 , 冯帆 , 杜静宇 , 赵鹏程 , 武青 , 祝金涛 , 朱俊杰 , 吴昊 , 吕亮 , 韦玮 , 邸智 , 童彤 , 任鑫
Abstract: 本发明提供一种设备异常语义识别方法、装置、设备及介质，用以解决现有技术中设备异常语义识别的数据单一，识别率不高的技术问题，该方法包括：获取设备的异常数据；基于所述异常数据，通过预先训练好的神经网络模型得到文本特征；根据所述文本特征，得到识别结果并展示。
-
公开(公告)号：CN114358371A
公开(公告)日：2022-04-15
申请号：CN202111424158.8
申请日：2021-11-26
Applicant: 华能大理风力发电有限公司洱源分公司 , 中国华能集团清洁能源技术研究院有限公司
Inventor： 曾谁飞 , 王振荣 , 叶林 , 童强 , 李国庆 , 张燧 , 王青天 , 黄思皖 , 刘旭亮 , 李小翔 , 冯帆 , 邸智 , 韦玮 , 杜静宇 , 赵鹏程 , 武青 , 祝金涛 , 朱俊杰 , 吴昊 , 吕亮 , 童彤 , 任鑫
Abstract: 本发明提出一种基于深度学习的光伏短期功率预测方法及设备，分别将光伏实时数据、历史功率数据输入由不同尺寸卷积核的卷积神经网络、BiLSTM网络模型、双向Attention注意力机制构建深度学习预测模型方法，最终将其获得的两种数据文本特征进行合并运算得到更有效的融合特征表征能力，从而得到最优的文本特征对光伏短期功率进行精准的预测。通过该方法不仅提高光伏短期功率预测的精准度，而且有利于优化、大幅降低光伏发电系统的运营成本，包括人力、物力、时间效率等降本增效。
-
公开(公告)号：CN117056758B
公开(公告)日：2024-01-30
申请号：CN202311311806.8
申请日：2023-10-11
Applicant: 中国华能集团清洁能源技术研究院有限公司 , 华能集团技术创新中心有限公司
Abstract: 本公开提出一种风电机组运行状态识别方法、装置及设备，方法包括：获取多个风电机组在目标时刻的状态数据，以及各风电机组对应的理论功率；基于各风电机组对应的理论功率，将多个风电机组在目标时刻的状态数据划分为至少一个数据集；采用粒子群算法，分别确定各数据集对应的至少一个初始聚类中心；针对任一数据集，基于数据集对应的各初始聚类中心，对数据集进行聚类，以得到对应的至少一个数据簇；基于各数据簇，确定各风电机组在目标时刻的运行状态。由此，可以实现对风电机组在目标时刻的运行状态的自动识别，可以提高识别结果的准确性和可靠性。
-
公开(公告)号：CN117319031A
公开(公告)日：2023-12-29
申请号：CN202311265813.9
申请日：2023-09-27
Applicant: 宁夏金信光伏电力有限公司 , 中国华能集团清洁能源技术研究院有限公司 , 华能集团技术创新中心有限公司
Inventor： 杨永前 , 李小翔 , 任立兵 , 冯帆 , 韦玮 , 邸智 , 薛丽 , 史鉴恒 , 沈惠聪 , 王宝岳 , 高亚林 , 黄思皖 , 钟明 , 安娜 , 李力 , 杨宁 , 王春森 , 李亚川 , 丁杰 , 孙可欣
IPC: H04L9/40
Abstract: 本发明提出一种基于SD‑WAN蜜网架构的网络安全系统，涉及网络安全技术领域，包括入侵检测模块、SD‑WAN交换机、SD‑WAN控制器和防火墙，其中，SD‑WAN控制器通过SD‑WAN交换机周期性收集全网数据的数据流状态；入侵检测模块根据数据流状态判断数据流是否为恶意数据流，若检测到恶意数据流攻击警报时，SD‑WAN控制器将恶意数据流进行数据流转发引入蜜网中，同时根据恶意数据流的攻击类型和攻击源，对动态Docker蜜罐系统发决策指令实时开启高交互或低交互蜜罐，以收集攻击信息。利用SD‑WAN技术实现了对恶意数据流的数据流重定向，实现了颗粒度更加细化的数据流控制，结合动态Docker蜜罐系统的优势，能无感知的把攻击者引入蜜网中，提高了诱骗性。
-
公开(公告)号：CN116826810A
公开(公告)日：2023-09-29
申请号：CN202310753228.7
申请日：2023-06-25
Applicant: 华能澜沧江水电股份有限公司 , 中国华能集团清洁能源技术研究院有限公司
Inventor： 薛丽 , 刘君 , 冯帆 , 朱勇 , 赵珈卉 , 王建星 , 刘承皓 , 孙悦 , 代斌 , 彭鹏 , 席盛代 , 丁杰 , 邸智 , 王宝岳 , 史鉴恒 , 刘菲 , 黄思皖 , 李小翔 , 孙可欣 , 韦玮 , 刘旭亮 , 王志伟 , 李亚川 , 高亚林 , 沈惠聪
Abstract: 本公开提出了一种数字孪生储能电站管理系统、方法及电子设备，涉及储能电站管理方法技术领域，该方法包括：能量分配模块和电池管理模块；电池管理模块，用于采集各电池储能单元的工作数据，并将工作数据上报给能量分配模块；能量分配模块，用于基于工作数据，确定各电池储能单元的目标预测曲线，并基于目标预测曲线确定各电池储能单元当前需要调整的目标功率，生成调整指令；电池管理模块，还用于基于调整指令对各电池储能单元进行功率调整。通过能量分配模块对各电池储能单元进行单独生成目标预测曲线，并进行功率预测分配，可以降低由于各电池储能单元存在差异而导致预测存在偏差，提升数字孪生储能电站管理系统的控制效果，降低能量损耗。
-
Patent Agency Ranking
公开(公告)号：CN116257345B
公开(公告)日：2023-09-01
申请号：CN202310538218.1
申请日：2023-05-15
Applicant: 中国华能集团清洁能源技术研究院有限公司 , 华能集团技术创新中心有限公司
Abstract: 本发明提出一种深度学习任务调度方法及装置，涉及计算机技术领域，方法包括：获取预设的第一时间周期内已调度的序列深度学习任务，其中，序列深度学习任务是基于各个深度学习任务的数据量大小进行排序得到的；获取深度学习对应各个节点中任一目标处理器处理序列深度学习任务时对应的平均处理频率和平均处理时长；基于平均处理频率和平均处理时长，确定各个节点的优先级；基于优先级，将第二时间周期内对应实时序列深度学习任务中的各个实时深度学习任务调度到对应的目标节点进行处理，其中，第一时间周期与第二时间周期是连续周期且时长相同，由此，基于深度学习对应各个节点的优先级来进行深度学习任务的资源调度工作，提高深度学习任务调度的效率。
-
公开(公告)号：CN116227743B
公开(公告)日：2023-09-01
申请号：CN202310500350.3
申请日：2023-05-06
Applicant: 中国华能集团清洁能源技术研究院有限公司 , 华能集团技术创新中心有限公司
Abstract: 本申请提出基于金枪鱼群算法的光伏发电功率异常率确定方法及系统，所述方法包括：获取待检测光伏电站预设时段内各时刻的光伏发电数据，并确定所述预设时段对应的日出时间及日落时间；对所述光伏发电数据进行预处理；将预处理后的所述太阳板温度、辐射度输入到预先训练好的光伏发电功率预测模型中，得到直流发电功率预测值；对各时刻的直流发电功率预测值进行反归一化处理，并基于直流发电功率预测值与所述直流发电功率实际值确定各时刻的置信区间；根据所述各时刻的置信区间确定所述待检测光伏电站的发电功率异常率。本申请提出的技术方案，深度挖掘光伏发电数据特征，加快了训练网络模型速度和提高了模型预测效果，进而提高了光伏发电功率异常检测的准确率。
-
公开(公告)号：CN115904671B
公开(公告)日：2023-06-27
申请号：CN202310137229.9
申请日：2023-02-20
Applicant: 中国华能集团清洁能源技术研究院有限公司 , 华能澜沧江水电股份有限公司
Abstract: 本发明属于大数据技术领域，具体涉及一种边缘计算环境下的任务调度方法、装置、设备及介质，本发明通过将中心节点和边缘节点进行信息绑定，获取边缘节点的相关资源信息，并计算得到各边缘节点的资源平均使用率，接着对边缘节点的类型进行判定，将边缘节点存到为判定结果的空闲队列中等待任务分配，对待处理任务进行分类，并将任务调度到分类结果的空闲队列中的边缘节点内。能够使中心节点同步了解边缘节点的状态，并能够对任务进行分类，然后和边缘节点进行类型的匹配，并让每个边缘节点都能执行任务，使得整个计算流程尽可能的以最优的方式完成，实时性较强，且执行效率高、适应性强。
-
公开(公告)号：CN116257345A
公开(公告)日：2023-06-13
申请号：CN202310538218.1
申请日：2023-05-15
Applicant: 中国华能集团清洁能源技术研究院有限公司
Abstract: 本发明提出一种深度学习任务调度方法及装置，涉及计算机技术领域，方法包括：获取预设的第一时间周期内已调度的序列深度学习任务，其中，序列深度学习任务是基于各个深度学习任务的数据量大小进行排序得到的；获取深度学习对应各个节点中任一目标处理器处理序列深度学习任务时对应的平均处理频率和平均处理时长；基于平均处理频率和平均处理时长，确定各个节点的优先级；基于优先级，将第二时间周期内对应实时序列深度学习任务中的各个实时深度学习任务调度到对应的目标节点进行处理，其中，第一时间周期与第二时间周期是连续周期且时长相同，由此，基于深度学习对应各个节点的优先级来进行深度学习任务的资源调度工作，提高深度学习任务调度的效率。
-
公开(公告)号：CN116227743A
公开(公告)日：2023-06-06
申请号：CN202310500350.3
申请日：2023-05-06
Applicant: 中国华能集团清洁能源技术研究院有限公司
Abstract: 本申请提出基于金枪鱼群算法的光伏发电功率异常率确定方法及系统，所述方法包括：获取待检测光伏电站预设时段内各时刻的光伏发电数据，并确定所述预设时段对应的日出时间及日落时间；对所述光伏发电数据进行预处理；将预处理后的所述太阳板温度、辐射度输入到预先训练好的光伏发电功率预测模型中，得到直流发电功率预测值；对各时刻的直流发电功率预测值进行反归一化处理，并基于直流发电功率预测值与所述直流发电功率实际值确定各时刻的置信区间；根据所述各时刻的置信区间确定所述待检测光伏电站的发电功率异常率。本申请提出的技术方案，深度挖掘光伏发电数据特征，加快了训练网络模型速度和提高了模型预测效果，进而提高了光伏发电功率异常检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.105 seconds)
