-
公开(公告)号:CN109547411A
公开(公告)日:2019-03-29
申请号:CN201811236853.X
申请日:2018-10-23
Applicant: 国网江苏省电力有限公司 , 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司泰州供电分公司
IPC: H04L29/06
Abstract: 本发明公开了一种基于Labview平台的IEC61850与SCADA系统的数据接口装置,该数据接口装置包括信号接收模块(2)、信号解析模块(3)、信号重组模块(4)、信号发送模块(5),信号接收模块(2)通过以太网接收监控系统(1)的MMS报文,信号解析模块(3)将MMS报文进行信息的分解与处理后回传给信号接收模块(2),经信号接收模块(2)判断后发送给信号解析模块(3)或者信号重组模块(4),信号重组模块(4)将所需的数据进行数据类型的转换并将数据重新组帧成报文形式,信号发送模块(5)将重组帧后的报文发送给SCADA系统(6)。本发明能够实现IEC61850报文与SCADA系统之间的数据传输。
-
公开(公告)号:CN119965831A
公开(公告)日:2025-05-09
申请号:CN202510020207.3
申请日:2025-01-07
Applicant: 国网江苏省电力有限公司无锡供电分公司 , 国网江苏省电力有限公司电力科学研究院 , 国网无锡电动汽车服务有限公司
Abstract: 本发明提供了一种电动汽车集群充放电负荷动态预测方法及设备,涉及数据处理技术领域,包括:获取电动汽车集群;采集初始SOC信息,并持续采集行驶数据集;构建集成充放电预测器;预测获得多个放电负荷信息,计算获得多个预测SOC信息,预测获得多个充电时间信息,分析获得多个充电负荷信息;对充电功率进行预测优化,获得多个最优预测充电功率信息,在多个电动汽车采用充电桩进行充电时,对充电功率进行控制,并结合多个放电负荷信息、多个充电负荷信息,作为多个充放电负荷预测结果。本发明解决了现有技术中电动汽车数据大多是分散的,多个电动汽车同时充电时,充电功率的分配不合理,导致充电设施的利用率低的技术问题。
-
公开(公告)号:CN119944890A
公开(公告)日:2025-05-06
申请号:CN202510020205.4
申请日:2025-01-07
Applicant: 国网江苏省电力有限公司无锡供电分公司 , 国网江苏省电力有限公司电力科学研究院 , 天津大学 , 无锡广盈集团有限公司
Abstract: 本发明公开了基于功率池化的充放电设施功率分配管理系统及方法,涉及充放电管理技术领域,该方法包括:采集目标区域的多个分布式电源和多个充放电设施的运行数据;获得多个电源运行场景信息;获得多个日志迭代关联记忆;确定多个分布式电源运行系数;获得可分配输出功率;对多个充放电设施运行日志进行充放电需求提取,获得多个充放电需求信息;基于多个充放电需求信息、多个需求方向标识和可分配输出功率进行功率分配,获得功率分配方案,进行功率分配管理。本发明解决了现有技术中对电源的隐含运行情况掌握不准确,导致充放电设施功率分配可靠性低的技术问题,达到了提高功率分配管理准确性的技术效果。
-
公开(公告)号:CN119963165A
公开(公告)日:2025-05-09
申请号:CN202510053633.7
申请日:2025-01-14
Applicant: 国网江苏省电力有限公司无锡供电分公司 , 国网江苏省电力有限公司电力科学研究院 , 上海交通大学 , 国网无锡电动汽车服务有限公司
IPC: G06Q10/20 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了多源感知联合的充电基础设施运维管理系统,涉及电力系统运维管理相关领域,该系统包括:监测数据集获取模块用于获取监测数据集;故障预测模块用于将设备状态输入适配预测单元,输出多个故障预测数据集;需求预测模块用于进行预定时间周期内的需求预测;运维紧急性分析模块用于根据故障预测数据集和预测充电需求进行运维紧急性分析;运维方案优化分析模块用于结合充电站分布拓扑和预定维修资源进行运维方案分析;运维管理模块用于根据最优运维方案进行运维管理。解决了现有充电基础设施运维管理存在的运维效率和运维管理水平不高的技术问题,达到了提升运维效率和运维管理水平的技术效果。
-
公开(公告)号:CN117955083A
公开(公告)日:2024-04-30
申请号:CN202311603637.5
申请日:2023-11-28
Applicant: 国网江苏省电力有限公司无锡供电分公司
IPC: H02J3/00 , G06F18/213 , G06N3/0442 , G06N3/0985 , G06N3/006
Abstract: 一种极端天气下电力负荷预测方法,其特征在于,所述方法包括以下步骤:步骤1,采集极端天气数据、对应于所述极端天气数据的历史电力负荷数据,并对所述极端天气数据、所述历史电力负荷数据做归一化预处理;步骤2,通过频域分解算法从归一化后的所述历史电力负荷数据划分出低频负荷分量、第一高频分量和第二高频分量,并基于所述低频负荷分量、第一高频分量、第二高频分量、归一化后的所述极端的气数据构建输入矩阵;步骤3,将输入矩阵输入至训练后的Stacked‑LSTM模型中,输出电力负荷预测结果。
-
-
-
-