-
公开(公告)号：CN119763299A
公开(公告)日：2025-04-04
申请号：CN202411932827.6
申请日：2024-12-26
Applicant: 国网吉林省电力有限公司通化供电公司 , 长春工程学院
Abstract: 本发明提出一种基于多源数据融合的变电站火灾早期预警方法，涉及多种机器学习技术。主要步骤包括，在变电站地缆沟槽及开关柜等狭小位置布置包含温度传感器、湿度传感器、烟雾传感器、气体传感器的集成化终端；利用格拉布斯准则，前向插值拟合方法以及PCA主成分分析法对采集到的数据进行预处理以保证数据的可靠性；构建基于多源数据的模糊神经网络，对所有输入变量应用隶属函数，计算其隶属度；将多源数据融合输入到构建好的模糊神经网络中，通过生成对应状态概率进行分级预警。本发明所提方法具有较高的可靠性与准确性，实现了在火灾早期阴燃状态下的实时检测，减少了电气火灾事故的发生，保证了变电站的安全稳定运行。
-
公开(公告)号：CN119399131A
公开(公告)日：2025-02-07
申请号：CN202411428104.2
申请日：2024-10-14
Applicant: 国网吉林省电力有限公司通化供电公司 , 长春工程学院
IPC: G06T7/00 , G06V20/52 , G06V10/60 , G06V10/82 , G06V10/25 , G06V10/774 , G06V10/20 , G06N3/045 , G06N3/0464
Abstract: 本发明公开一种基于低光照图像增强算法的变电站内异常设备检测方法，包括步骤一、先收集不同光照度下的变电站设备图像，并使用马赛克数据增强算法对图像数据进行预处理，优化数据集；步骤二、采用低光照增强技术，搭建改进型YOLOv8模型；步骤三、在YOLOv8模型中加入全局注意力模块GAM优化模型精度；步骤四、获取实时变电站设备图像数据，并使用改进后的模型进行实时监测，最后利用精度、召回率等指标对模型进行评估；本发明方法增强了数据集，提高模型特征识别的能力，并在低光照环境下更好的检测，在检测速度和准确性上均表现优异，能够有效识别并定位变电站内的异常电力设备，实现设备的实时检测，为电力系统的维护和故障诊断提供了可靠技术支持。
-
公开(公告)号：CN119674976A
公开(公告)日：2025-03-21
申请号：CN202411618651.7
申请日：2024-11-13
Applicant: 国网吉林省电力有限公司电力科学研究院 , 长春工程学院
IPC: H02J3/06 , G06Q10/0631 , G06Q50/06 , H02J3/28 , H02J3/48
Abstract: 本发明公开了一种基于深度学习的多微网协调控制方法，涉及多微网协调控制技术领域，包括多微电网模型构建、决策数学模型构建和基于深度强化学习模型构建三个部分；其中，多微电网模型由一个风力发电的分布式电源，一个公共的储能系统，一组恒温控制负荷如园区恒温系统、制热系统和制冷系统等，以及一组园区负荷组成的新型微电网模型；其中，决策数学模型采用马尔科夫决策过程；其中，基于深度强化学习模型采用AC算法进行构建。本发明公开的基于深度学习的多微网协调控制方法以多微电网经济运行费用最小为优化目标，实现微电网经济调度优化，而且算法训练时间更短，算法模型给出的调度策略经济效益更高，可以有效地降低风电波动性对微电网安全经济运行的影响。
-
公开(公告)号：CN119476839A
公开(公告)日：2025-02-18
申请号：CN202411597187.8
申请日：2024-11-11
Applicant: 国网吉林省电力有限公司电力科学研究院 , 长春工程学院
Abstract: 本发明涉及绿电交易技术领域，具体为一种绿电交易的目标调度模型配置方法，包括以下步骤：获取绿电实际用电或者发电情况，对数据进行接收，根据接收的数据对其进行转换，通过数据传输模块将数据传输至数据获取模块，获取后的数据经过数据融合处理，融合处理后的数据反馈至模型数据源管理模块，对数据源进行整理，结算模块对其进行结算操作。本发明通过设置的该结算方法，在对数据进行融合处理后再进行反馈整理，从而方便后续的结算，同时也方便对数据的对比和配置操作，以此方便对绿电交易时的审核操作，提高了该方法使用时的数据精确度，提高了该方法的容错率，便于工作人员的使用。
-
公开(公告)号：CN118962335A
公开(公告)日：2024-11-15
申请号：CN202411061861.0
申请日：2024-08-05
Applicant: 长春工程学院 , 吉林省储源云汲电力工程有限公司
Abstract: 本发明公开了一种基于改进北方苍鹰搜索算法的主动配电网故障定位方法，通过使用混沌初始化策略，提高了样本的群体质量。混沌初始化策略利用混沌序列的遍历性和随机性，使得初始种群能够更加均匀地分布在搜索空间内，从而避免了种群早期陷入局部最优的情况。同时，将正余弦策略和自适应高斯‑柯西混合变分扰动策略引入到北方苍鹰搜索算法中，这两种策略分别利用正弦余弦函数的周期性和高斯‑柯西分布的随机性，对个体进行适应性扰动。
-
Patent Agency Ranking
公开(公告)号：CN117154770A
公开(公告)日：2023-12-01
申请号：CN202310861536.1
申请日：2023-07-14
Applicant: 长春工程学院 , 国网吉林省电力有限公司电力科学研究院
IPC: H02J3/28 , H02J3/32 , H02J3/38 , H02J15/00 , H02J7/34 , G06Q50/06 , C25B1/02 , C25B9/65 , C25B15/02
Abstract: 本发明公开了一种基于超级电容的电‑氢混合储能容量优化配置方法，属于能源规划技术领域，该方法利用超级电容和质子交换膜电解池组成的混合储能，去解决风电并网中间接性波动的容量策略。首先，利用经验模态法将风电信号进行分解，得到了直接并网的低频分量和混合储能平抑的高频分量；即而以综合成本最小为目标，建立了平抑风电波动的电‑氢混合储能容量配置模型。并且利用机会补偿成本的方法解决因高频分量带来的负向波动问题。最后，通过算例分析验证了电‑氢混合储能容量优化配置策略的有效性，为风电功率波动的平抑提供了有效的方案，可以有效提高系统经济性。
-
公开(公告)号：CN116777154A
公开(公告)日：2023-09-19
申请号：CN202310712356.7
申请日：2023-06-15
Applicant: 长春工程学院
IPC: G06Q10/0631 , G06Q30/0283 , G06Q50/06 , G06F17/10
Abstract: 本发明涉及一种基于分布式近端策略梯度算法的综合能源系统调度方法，首先，对于包含电、热、气、氢、冷的大型IES系统，创建其各个能源及储能设备模型；其次，以碳交易成本和设备运维成本构成的总成本最低与系统实际的碳排放量最少构建双目标的目标函数，并与模糊隶属度函数进行结合构建奖励函数进行调度；最后，通过单一目标的总运行成本为奖励函数与双目标进行对比测试。本发明综合能源系统调度方法采用了模糊隶属度函数构造双目标的奖励函数，同时考虑了碳排放和运行成本两个方面，即综合考虑了系统的经济和低碳性，对未来发展具有一定的意义；本方法有效的规避了单一成本目标对碳排放量影响不够造成的问题，具有高效性与快速性。
-
公开(公告)号：CN116594180A
公开(公告)日：2023-08-15
申请号：CN202310559619.5
申请日：2023-05-18
Applicant: 长春工程学院
Abstract: 本发明公开了一种基于增强现实的透雾平视显示系统，属于人工智能领域，包括：图像采集模块、图像生成模块、能见度检测模块、指令生成模块、灯光控制模块、透雾模块、平视显示模块；系统通过采集车辆前方的视觉图像，通过对驾驶员进行定位而获取的视线方向，对视觉图像进行去雾分割处理，将处理后的图像，投射在车辆的前挡风玻璃上；本发明通过去雾算法与虚拟融合技术相互结合，实现了在大雾天气下对于驾驶员视野范围的路况信息进行虚拟呈现，保证了大雾天气下的驾驶安全。
-
公开(公告)号：CN116361603A
公开(公告)日：2023-06-30
申请号：CN202310310290.9
申请日：2023-03-28
Applicant: 吉林省电力科学研究院有限公司 , 长春工程学院 , 国网吉林省电力有限公司电力科学研究院 , 大唐向阳风电有限公司
Inventor： 王志伟 , 李德鑫 , 纪秀 , 安银平 , 董洪达 , 冷俊 , 王佳蕊 , 刘畅 , 张海锋 , 庄冠群 , 王伟 , 吴迪 , 张家郡 , 孟祥东 , 张懿夫 , 高松 , 郭仲起
Abstract: 一种电力系统碳排放流计算方法，属于电力系统碳排放技术领域，首先，相对潮流分析而言，碳流计算是建立在潮流计算的基础上进行的，所有会对潮流分布产生影响的因素同样会对碳硫产生影响。其次，针对现有的计算方法进行了适应性的改进使其可以用来进行有损网络的碳流计算。最终，基于改进的有损网络的碳流计算模型，增加对电网碳排放总量计算的应用，构建了电网网损碳排放的计算模型，计算电力系统中各个支路及节点的碳排放；本发明实现为电力系统碳排放流的精准计算与分摊，广泛开发低碳电力、发展低碳技术以及提高碳排放计算精度。
-
公开(公告)号：CN115663914A
公开(公告)日：2023-01-31
申请号：CN202211119911.7
申请日：2022-09-15
Applicant: 长春工程学院 , 吉林省电力科学研究院有限公司
IPC: H02J3/46 , G06Q50/06 , G06Q10/0631 , G06N3/092
Abstract: 一种基于深度强化学习的含风电虚拟电厂聚合调度方法属于电力系统调度技术领域，包括构建风电自适应预测模型、获得最接近实际出力的趋势性风电出力场景、搭建应用于含风电虚拟电厂的深度强化学习智能体模型、获得状态s、系统的动作a以及奖励值r并带入最终训练后的应用于含风电虚拟电厂的深度强化学习智能体模型，得出风电最优聚合调度结果几大步骤。本发明面向虚拟电厂模型采用了Double‑DQN深度强化学习算法模型进行优化求解，提升了深度强化学习算法性能，降低了发生过估计的可能性，避免了无法收敛的情况出现，有效解决了具有随机性、间歇性的含新能源虚拟电厂建模困难的问题，实现对虚拟电厂聚合调度的快速收敛并获得趋优解。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.087 seconds)
