-
公开(公告)号：CN116717884A
公开(公告)日：2023-09-08
申请号：CN202310620773.9
申请日：2023-05-29
Applicant: 南京工程学院
IPC: F24F11/74 , F24F11/77 , F24F11/64 , F24F11/85 , G06F30/20 , G06N3/006 , G06F111/04 , G06F111/06
Abstract: 本发明提供一种基于双层优化的中央空调精细化调控方法，通过建立建筑温度标度模型与建筑湿度标度模型并制定舒适区间；建立中央空调精细化调控上层模型，包括舒适度最佳的中央空调调控模型和运行成本最小的中央空调调控模型；运用Shaple值法对中央空调精细化调控上层模型的舒适度与经济性占比进行分配，并计算中央空调制冷总量；建立中央空调精细化调控下层模型；采用蚁群算法对双层优化模型进行优化，获得中央空调精细化调控方案；该方法能够在保证用户舒适度前提下，有效降低运行能源消耗，提高经济性，能够实现中央空调精细化调控，降低高峰时段的电力耗能，有利于缓解电力供应紧缺矛盾与保障电网安全运行。
-
公开(公告)号：CN118868078A
公开(公告)日：2024-10-29
申请号：CN202411096593.6
申请日：2024-08-12
Applicant: 南京工程学院
Abstract: 本发明提供一种基于联邦学习的电力需求侧分布式负荷调控方法及系统，该方法通过采集可调负荷单元的负荷状态信息，负荷层将负荷状态信息进行加密后，得到加密后的负荷状态信息，并上传至终端层；终端层对加密后的负荷状态信息进行解密后，建立训练数据集；针对调控区域内可调负荷单元，主站层基于调控目标建立调控模型；终端层与主站层基于联邦学习联合训练调控模型，直至模型收敛，得到收敛的调控模型；主站层根据收敛的调控模型生成调控指令；终端层对生成的调控指令进行分解得到分解后的调控指令；负荷层执行分解后的调控指令；本发明能够提高负荷调控过程中负荷数据的可靠性与安全性，能够实现对可调负荷保护数据安全的同时实现负荷调控。
-
Patent Agency Ranking
公开(公告)号：CN115936068A
公开(公告)日：2023-04-07
申请号：CN202211561211.3
申请日：2022-12-06
Applicant: 南京工程学院
IPC: G06N3/0464 , G06N3/08 , G06Q50/06 , H02J3/00
Abstract: 本发明提供一种基于改进CGAN的非侵入式多种电器短期负荷预测方法，通过采集M天N个家庭k种电器负荷用能的历史负荷数据集，并采集影响电器历史负荷的外部条件数据集，预处理后作为训练样本集；输入非侵入式负荷识别模型，得到分类电器真实样本数据集；构建改进CGAN的生成模型组，输出数据为各生成模型生成的第i类电器负荷数据集；构建改进CGAN的判别模型组，输出用于表征判别生成的第i类电器负荷数据Ci是否为真实数据的判别结果；联合训练后得到训练后的改进CGAN；由训练后的改进CGAN的生成模型组输出k组对应电器的单日负荷预测数据集C′i；该方法能够更好的捕捉数据映射特征，提高网络模型预测的准确性，能够准确高效实现多种负荷的快速预测。
-
公开(公告)号：CN114881812A
公开(公告)日：2022-08-09
申请号：CN202210618200.8
申请日：2022-06-01
Applicant: 南京工程学院
IPC: G06Q50/06 , G06N3/04 , G06N3/08 , G06K9/62 , G06F16/215
Abstract: 本发明提供一种基于条件时序GAN的楼宇空调负荷场景生成方法、装置及设备，该方法通过获取楼宇应用场景的空调负荷用能的历史真实数据集，包括静态特征和动态特征，进行预处理后，将设定比例的数据作为训练样本集；构建条件时序GAN模型；获得条件时序GAN模型的全局优化损失函数；分别通过无监督对抗训练和监督训练，对构建的条件时序GAN模型进行训练，获得训练后的条件时序GAN模型；将场景生成特征条件输入至训练后的条件时序GAN模型，输出的数据集作为空调负荷数据场景集；本发明能够更好的捕捉时序序列的逐步动态概率分布以及动静态特征间的非线性映射关系，提高楼宇空调负荷场景生成的准确性。
-
公开(公告)号：CN117515802A
公开(公告)日：2024-02-06
申请号：CN202311552798.6
申请日：2023-11-20
Applicant: 南京工程学院
Abstract: 本发明提供一种计及空调运行状态的定频中央空调日前负荷预测方法，通过获取历史时段的n组监测数据；对监测数据进行归一化处理得出无量纲的新数据，并将影响中央空调冷量需求因素的新数据分别进行与中央空调系统负荷率的相关性分析，根据相关性分析结果分配权重，得到贡献值历史数据序列；建立EPGA‑BPNN模型；得到预测时段前设定时段的的贡献值数据序列；输入训练后的EPGA‑BPNN模型，得到预测时段的中央空调系统负荷率；判定预测时段的中央空调系统的运行状态，制定预测时段相应的调控策略；该方法能够提高中央空调日前负荷预测的准确性，能够实现对中央空调的精准调控，适用于空调负荷和运行阶段预测。
-
公开(公告)号：CN117477560A
公开(公告)日：2024-01-30
申请号：CN202311561053.6
申请日：2023-11-21
Applicant: 南京工程学院
Abstract: 本发明提供一种基于CURE聚类的Batch‑Lasso短期光伏功率预测方法，通过获取光伏电站所在区域的历史卫星云图和气象数据集，对历史卫星云图进行数据处理，获得云遮挡特征数据集，将气象数据集与云遮挡特征数据集组成天气数据集；得到季节天气数据集，基于CURE聚类算法对季节天气数据集进行二次聚类，得到设定种类的气象模式及对应的训练数据集；分别在得到的设定种类的气象模式下，建立Batch‑Lasso光伏功率预测模型；得到短期光伏功率预测模型；输出光伏功率预测结果；该方法能够使用更少的训练数据完成更精确的光伏发电功率预测，能够在天气状况出现较大波动的情况下，在任一时空下拥有较高的预测精度，能够更准确的预测出未来时刻光伏发电的功率值。
-
公开(公告)号：CN116738204A
公开(公告)日：2023-09-12
申请号：CN202310617824.2
申请日：2023-05-29
Applicant: 南京工程学院
IPC: G06F18/213 , G06F18/214 , G06F18/21 , G06N3/0455 , G06N3/048 , G06N3/0499 , G06N3/0475 , G06N3/088 , G06N3/094 , G06N5/04 , G06Q50/06 , G06F123/02
Abstract: 本发明提供一种基于生成对抗Transformer的电力负荷数据异常检测方法，通过获取电力负荷历史数据，并将电力负荷历史数据以设定比例分为训练样本集和测试样本集；对训练样本集的训练样本进行归一化处理后，得到处理后的训练样本集；构建基于改进的生成对抗Transformer的电力负荷数据异常检测模型；将测试样本集输入训练后的基于改进的生成对抗Transformer的电力负荷数据异常检测模型，得到负荷数据预测结果，将负荷数据预测结果根据异常检测机制进行异常诊断，判定是否为异常数据；该方法能够更好的提取负荷数据异常特征，能够提高电力负荷数据异常检测的准确性，能够有效提高电力负荷异常数据的检测效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.032 seconds)
