-
公开(公告)号：CN117728405B
公开(公告)日：2024-05-03
申请号：CN202410161919.2
申请日：2024-02-05
Applicant: 国网冀北电力有限公司 , 国网冀北电力有限公司信息通信分公司 , 国家电网有限公司
IPC: H02J3/00 , G06F18/214 , G06N3/006 , G06N3/04 , G06N3/084
Abstract: 本说明书涉及电力系统控制技术领域，提供了一种基于混合学习网络大模型的电力系统态势感知方法及装置，该方法包括：实时获取目标电力系统中多个发电机节点的暂态能量及运行状态；根据暂态能量确定目标电力系统当前的暂态能量裕度和时间裕度，并将暂态能量和运行状态融合为态势感知综合变量数据；将暂态能量裕度、时间裕度和态势感知综合变量输入至预训练的极限学习机，以预测目标电力系统的稳定性；其中，极限学习机的输入层权值和隐含层偏差在预训练时基于LM算法修正且基于粒子群算法全局寻优，极限学习机的输出层权值在预训练时基于最小二乘法确定。本说明书实施例可以提高电力系统态势感知的预测速度和预测精度。
-
公开(公告)号：CN117613983B
公开(公告)日：2024-04-16
申请号：CN202410090946.5
申请日：2024-01-23
Applicant: 国网冀北电力有限公司 , 国网冀北电力有限公司信息通信分公司 , 国家电网有限公司
Abstract: 本说明书涉及电力技术领域，尤其涉及基于融合规则强化学习的储能充放电控制决策方法及装置，应用于电网及用户侧光伏储能设备，包括：将任意时间段的用户用电功率、储能电池的荷电状态、室外温度、太阳光辐照度、电网用电单价、电网卖电单价，确定状态空间；将状态空间输入至基于融合规则强化学习的充放电控制决策模型，得到最优充放电决策变量，其中最优充放电决策变量包括：储能电池最优充放电功率及最优系数，基于融合规则强化学习的充放电控制决策模型通过样本状态空间、光伏发电不确定模型训练得到。本说明书融合预先定义规则，提高强化学习训练收敛至最优充放电控制策略的速度，提高用电经济性，降低电网功率波动和负担。
-
公开(公告)号：CN117613903B
公开(公告)日：2024-04-05
申请号：CN202410091752.7
申请日：2024-01-23
Applicant: 国网冀北电力有限公司 , 国网冀北电力有限公司信息通信分公司 , 国家电网有限公司
IPC: H02J3/00 , G06Q10/0631 , G06Q50/06 , H02J3/28
Abstract: 本说明书涉及节能环保技术领域，适用于用户侧储能技术领域，尤其涉及一种基于数字孪生架构的用户侧储能调度优化控制方法及装置。包括根据用户所有负载的信息和储能装置的信息构建数字孪生系统；根据负载的历史用电时间预测负载的用电时长；将负载的用电时长输入至数字孪生系统中，以便于数字孪生系统根据负载的用电时长以及负载的单位时间用电量计算负载的电能消耗量，并根据电能消耗量以及储能装置的储能情况计算储能装置的储能量，以便于储能装置按照储能量进行储能。通过本说明书实施例，解决了用户侧储能装置过不合理储能导致用电高峰期电能不足的问题。
-
公开(公告)号：CN117595346B
公开(公告)日：2024-04-05
申请号：CN202410072211.X
申请日：2024-01-18
Applicant: 国网冀北电力有限公司 , 国网冀北电力有限公司信息通信分公司 , 国家电网有限公司
Abstract: 本说明书实施例提供基于强化学习的充放电策略网络训练方法和储能控制方法，包括构建充放电序贯决策模型；获取第k时间段的用电单价、用户电力负荷以及储能电池的荷电状态作为第k时间段的状态；根据第k时间段的状态、充放电序贯决策模型确定第k时间段储能电池的充放电功率动作；根据第k时间段的充放电功率动作和预先设置的奖励函数计算得到第k时间段的奖励，奖励函数包括效益奖励、退化奖励和负荷均衡奖励；利用第k时间段的奖励训练模型直至训练完成得到充放电策略网络。本方法基于强化学习构建了充放电序贯决策模型并设计了考虑了储能电池性能退化因素的奖励函数，充分利用了储能电池削峰填谷的能力，减少了电池容量损失和能源损失。
-
公开(公告)号：CN117239739B
公开(公告)日：2024-02-02
申请号：CN202311500219.3
申请日：2023-11-13
Applicant: 国网冀北电力有限公司 , 国网冀北电力有限公司信息通信分公司 , 国家电网有限公司
IPC: H02J3/00 , G06Q10/0631 , G06Q50/06 , G06F18/213 , G06F18/22 , G06F18/23
Abstract: 本说明书涉及电力负荷领域，尤其涉及一种知识大模型预测用户侧负荷方法、装置及设备。其方法包括，从多个时间尺度下分析用户侧储能用电行为以及用户侧储能负荷数据；对多维天气影响因素进行特征选择并降维，获得天气综合变量；根据天气综合变量、以及所述多个时间尺度下的用户侧储能负荷数据，建立用户侧负荷预测知识大模型；并改进窗口神经网络进行用户侧负荷预测。通过本说明书实施例，实现了用户侧储能用电行为的多时间尺度分析，大幅提升预测算
-
Patent Agency Ranking
公开(公告)号：CN115561583A
公开(公告)日：2023-01-03
申请号：CN202211561846.3
申请日：2022-12-07
Applicant: 国网冀北电力有限公司 , 国网冀北电力有限公司信息通信分公司 , 国家电网有限公司
Abstract: 本文涉及电力设备技术领域，尤其涉及一种基于数字孪生技术的电力设备巡检方法、装置及系统，包括获取电力设备信息，所述电力设备信息包括电力设备所处的环境信息、电力设备的运行数据信息以及电力设备的线路信息；根据所述电力设备信息以及数字孪生技术构建电力数字孪生模型；对构建的所述电力数字孪生模型进行仿真监测，确定所述电力设备是否出现异常。通过本发明实施例，实现了对电网的数据进行自动采集，对特征数据进行提取，利用数字孪生技术，构建出虚拟的电力数字孪生模型来仿真电力设备，能够定量化地对运行数据进行异常监测，计算出巡检时间，从而提高监测效率。
-
公开(公告)号：CN119377250A
公开(公告)日：2025-01-28
申请号：CN202411547424.X
申请日：2024-11-01
Applicant: 国网冀北电力有限公司信息通信分公司 , 国网冀北电力有限公司 , 国家电网有限公司 , 南京敏捷企业管理研究所
Inventor： 张玮 , 陈重韬 , 张海明 , 温馨 , 李欣怡 , 王艺霏 , 李信 , 李蕴红 , 王沛然 , 才鸿飞 , 臧鹏 , 王婧 , 王阳 , 徐晓川 , 王珣 , 沈宇 , 程明 , 刘蓁 , 王宣元 , 王森 , 姚艳丽 , 尚芳剑 , 彭柏 , 马跃 , 邢海瀛 , 那琼澜 , 王东升 , 杨峰 , 娄竞 , 李坚 , 吴佳 , 张宁 , 于然 , 周子阔 , 曲洪泽 , 姜蕴洲 , 崔彭滔 , 邵博文 , 张晓东 , 张卫 , 夏凡 , 殷建琳 , 郑立鹤 , 刘延杰 , 瞿鹏 , 蔡国斌
IPC: G06F16/242 , G06F16/26 , G06F16/28 , G06F16/248 , G06F16/215
Abstract: 本发明公开了信息检索行为的可视化分析工具，涉及到分析系统领域，包括显示工具、操作工具、云数据库和可视化系统，通过云数据库连接显示工具和操作工具对数据进行传输存储，用户端登录操作工具进行检索行为，该检索行为通过可视化系统处理，使管理员登录系统通过显示工具或用户通过操作工具进行可视化观分析；所述可视化系统包括检索结果模块、检索过程模块、需求表达模块、浏览过程模块及结果关系模块；本信息检索行为的可视化分析工具对检索行为采用多样的模块化分析，满足用户或管理系统的不同需求，对检索行为的分析过程或结果更加全面，并可以根据需求针对性的分析处理，并进行展示进而为用户或管理系统提供可视化分析。
-
公开(公告)号：CN117595346A
公开(公告)日：2024-02-23
申请号：CN202410072211.X
申请日：2024-01-18
Applicant: 国网冀北电力有限公司 , 国网冀北电力有限公司信息通信分公司 , 国家电网有限公司
Abstract: 本说明书实施例提供基于强化学习的充放电策略网络训练方法和储能控制方法，包括构建充放电序贯决策模型；获取第k时间段的用电单价、用户电力负荷以及储能电池的荷电状态作为第k时间段的状态；根据第k时间段的状态、充放电序贯决策模型确定第k时间段储能电池的充放电功率动作；根据第k时间段的充放电功率动作和预先设置的奖励函数计算得到第k时间段的奖励，奖励函数包括效益奖励、退化奖励和负荷均衡奖励；利用第k时间段的奖励训练模型直至训练完成得到充放电策略网络。本方法基于强化学习构建了充放电序贯决策模型并设计了考虑了储能电池性能退化因素的奖励函数，充分利用了储能电池削峰填谷的能力，减少了电池容量损失和能源损失。
-
公开(公告)号：CN118508402A
公开(公告)日：2024-08-16
申请号：CN202410420509.5
申请日：2024-04-09
Applicant: 国网冀北电力有限公司信息通信分公司 , 国网冀北电力有限公司 , 国家电网有限公司
Abstract: 本申请公开了一种基于模型预测场馆能源系统运行负荷的方法及装置，涉及场馆电力供应技术领域。本申请的主要技术方案为：采用基于XGBoost模型构建的制冰系统负荷预测模型去预测制冰系统负荷、采用基于XGBoost模型构建的供暖系统负荷预测模型去预测供暖系统负荷、采用预置光伏出力模型去预测光照强度、采用基于Attention‑GRU网络全场馆负荷推演模型去预测全场馆负荷，利用数据驱动所构建的数字孪生模型，去预测冬季项目赛事场馆在指定时刻上制冰系统负荷、供暖系统负荷、光照强度和基于各个设备所综合得到的全场馆负荷情况。在综合外部天气、赛事情况因素上，为预测场馆能源系统运行负荷情况，提供很好的解决方案。
-
公开(公告)号：CN117728405A
公开(公告)日：2024-03-19
申请号：CN202410161919.2
申请日：2024-02-05
Applicant: 国网冀北电力有限公司 , 国网冀北电力有限公司信息通信分公司 , 国家电网有限公司
IPC: H02J3/00 , G06F18/214 , G06N3/006 , G06N3/04 , G06N3/084
Abstract: 本说明书涉及电力系统控制技术领域，提供了一种基于混合学习网络大模型的电力系统态势感知方法及装置，该方法包括：实时获取目标电力系统中多个发电机节点的暂态能量及运行状态；根据暂态能量确定目标电力系统当前的暂态能量裕度和时间裕度，并将暂态能量和运行状态融合为态势感知综合变量数据；将暂态能量裕度、时间裕度和态势感知综合变量输入至预训练的极限学习机，以预测目标电力系统的稳定性；其中，极限学习机的输入层权值和隐含层偏差在预训练时基于LM算法修正且基于粒子群算法全局寻优，极限学习机的输出层权值在预训练时基于最小二乘法确定。本说明书实施例可以提高电力系统态势感知的预测速度和预测精度。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.104 seconds)
