一种基于改进图卷积神经网络的用电负荷辨识方法

    公开(公告)号:CN112381264A

    公开(公告)日:2021-02-19

    申请号:CN202011095320.1

    申请日:2020-10-20

    Abstract: 本发明公开了一种基于改进图卷积神经网络的用电负荷辨识方法,属于智能用电及侵入式负荷辨识技术领域,所述的用电负荷辨识方法通过在用电侧采集用户的用电数据进行数据的标准化处理,将用户的用电数据作为图卷积神经网络的训练集和测试集进行提前训练。然后将采集到的负荷曲线应用欧氏距离DTW距离来评判用电器负荷曲线的整体分布特性、局部趋势特性以及整体趋势特性,并应用熵权法对3种特性分配权重进行加权融合,之后采用k‑means聚类算法并应用基于DBI值作为衡量尺度进行聚类数K值的自动生成的方法对用电器负荷曲线进行聚类。最后将聚类后的用电器负荷曲线作为输入集输入图卷积神经网络进行用电器辨识。经过训练的图卷积神经网络模型对相应的负荷曲线进行辨识,最终绘制对应用电器的概率密度分布曲线。

    一种确定化工企业液氨罐区水幕设置参数的方法

    公开(公告)号:CN118350296A

    公开(公告)日:2024-07-16

    申请号:CN202410349347.0

    申请日:2024-03-26

    Abstract: 本发明公开了一种确定化工企业液氨罐区水幕设置参数的方法。本发明对涉氨的企业进行实地调研,勘测实地数据,并根据当地气象资料确定计算流体力学(CFD)边界条件,如风向、风速、气温及空气相对湿度等;按1:1的比例构建液氨泄漏扩散的三维数值模型;通过网格无关性验证确定合适的网格划分方法,对水幕开启前后的泄漏工况分别进行模拟,得到不同工况下的氨气扩散情况,最后所得结果进行对比分析,确定最佳的水幕设置参数。本发明采用计算流体力学(CFD)方法来比较不同参数设置下水幕稀释阻挡氨气扩散的效果,此方法简单高效,对比实验具有成本低、计算结果准确等优点,且不会对环境造成污染和危害。

Patent Agency Ranking