-
公开(公告)号：CN117494931A
公开(公告)日：2024-02-02
申请号：CN202311232664.6
申请日：2023-09-22
Applicant: 国网湖北省电力有限公司经济技术研究院 , 湖北华中电力科技开发有限责任公司
Inventor： 雷庆生 , 张继宏 , 严道波 , 余红伟 , 方华亮 , 夏勇军 , 徐文渊 , 徐骥 , 郭齐涛 , 王亚捷 , 赵爽 , 王雅文 , 张籍 , 王江虹 , 汪颖翔 , 李斯吾 , 迟赫天 , 陶元
IPC: G06Q10/063 , G06Q30/018 , G06Q50/06 , G06F18/241 , G06F18/214 , G06N3/0442 , H02J3/46 , H02J3/00
Abstract: 一种基于电网节点的边际碳排放因子确定方法、系统及设备，首先计算时间节点内电网节点的边际碳排放率，并排序获得边际碳排放因子序列，形成为边际碳排放因子历史数据库，然后对其内的每个电网节点的边际碳排放因子进行模态分解，最后基于神经网络构建碳排放预测模型进行预测，获得电网节点的边际碳排放因子；本设计在应用中，依据电网节点的历史数据预测每个节点碳排放因子的预测值，通过对电网的节点数据的分解与基于神经网络构建的碳排放因子预测模型进行预测，降低了预测过程中的波动因素的影响，提高了预测的精度，所获得的碳排放因子与企业的匹配程度更高。因此，本发明可以准确预测碳排放因子。
-
公开(公告)号：CN117236485A
公开(公告)日：2023-12-15
申请号：CN202311026867.X
申请日：2023-08-15
Applicant: 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC: G06Q10/04 , H02J3/00 , G06Q50/06 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明提供一种基于CNN‑BILSTM算法减小预测电网供电量误差的方法，包括：获取数据、数据清洗、构建特征、构建算法、改进模型(优化数据集)、模型验证；本发明在卷积神经网络‑长短期记忆网络(CNN‑LSTM)算法的基础上对LSTM采用双向序列传播(BILSTM)，形成卷积神经网络‑双向长短期记忆网络(CNN‑BILSTM)，通过此算法来建模预测电网供电量，在不破坏原有已训练好的模型情况下通过优化数据集的方式减小模型误差，避免多次训练模型、省时省力，有效减小模型误差。
-
公开(公告)号：CN118735721A
公开(公告)日：2024-10-01
申请号：CN202410712732.7
申请日：2024-06-04
Applicant: 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC: G06Q50/06 , H02J3/00 , G06Q10/04 , G06F18/10 , G06N3/045 , G06N3/0464 , G06N3/0442
Abstract: 一种利用GAT‑BILSTM&CNN‑LSTM模型提高多目标误差均衡度的方法，包括：获取目标区域的负载数据和气温数据；对负载数据和气温数据进行数据清洗；对数据清洗后的数据进行特征工程处理得到历史数据；设置GAT‑BILSTM算法网络和设置CNN‑LSTM算法网络；模型组合：使用GAT‑BILSTM对历史数据进行训练，算出目标区域负载率预测变量的每个预测误差，再算出平均误差，其次将超出平均误差的负载率预测变量与CNN‑LSTM的结果进行组合，组合的方式是采用误差倒数法进行加权，剩下的负载率预测变量则保持不变输出结果。本发明可解决多目标预测模型中各个目标预测误差的相差过大的问题，同时尽可能减小整体误差。
-
公开(公告)号：CN117498371A
公开(公告)日：2024-02-02
申请号：CN202311244846.5
申请日：2023-09-26
Applicant: 国网湖北省电力有限公司经济技术研究院 , 湖北华中电力科技开发有限责任公司
Abstract: 一种考虑可调负荷的配电网扩容改造方法，先获取配电台区从当前负荷水平至饱和负荷水平的运行年限以及在整个运行年限下的最大负荷曲线，然后根据该曲线计算配电台区在配置有不同参与比例可调负荷下的最大负荷曲线，再基于不同参与比例可调负荷下的最大负荷曲线获得不同参与比例可调负荷下的扩容改造方案，最后计算配电台区在配置有不同参与比例可调负荷下的扩容改造方案的电网支出，选出电网支出下降最显著的参与比例，其对应的扩容改造方案即为最优的扩容改造方案。本设计在优选扩容改造方案时考虑了可调负荷参与响应程度对配电台区影响，兼顾了经济性、设备利用率、平抑负荷波动削减高峰用电负荷三方面需求。
-
公开(公告)号：CN117436866A
公开(公告)日：2024-01-23
申请号：CN202311244847.X
申请日：2023-09-26
Applicant: 国网湖北省电力有限公司经济技术研究院 , 湖北华中电力科技开发有限责任公司
Abstract: 一种基于区块链技术的分布式能源点对点交易方法及装置，方法包括：在能源系统中加入区块链，参与区块链的能源系统节点包括能源节点、负荷节点、电网节点及储能节点；构建能源系统中节点之间的点对点交易形式，并在能源系统源荷之间形成对抗性网络；在满足电网物理约束条件的情况下，根据源荷的优先级，利用激励机制对源荷点对点之间的对抗性进行动态调整，以使负荷的功率与可再生能源发电功率匹配。本发明不仅可以实现分布式能源的就地消纳，极大的减少了传输损耗，提高了可再生能源的利用率，降低了电网的供电压力与用电成本；而且对源荷进行动态调整，从而实现源荷两侧动态的功率平衡，提高了能源系统的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN118158249B
公开(公告)日：2025-01-07
申请号：CN202410271490.2
申请日：2024-03-11
Applicant: 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
Abstract: 本申请涉及物联网系统数据处理领域，公开了一种物联网数据处理方法、相关装置、计算设备及存储介质，该方法包括：根据物联网数据采集指令，获取第一采集引擎用于采集物联网数据的配置文件，根据配置文件创建与物联网设备对应的数据采集线程；利用数据采集线程，分别加载多个采集插件，以获取多个物联网设备对应的第一物联网数据；通过第二固定采集程序采集第二物联网设备对应的第二物联网数据；对第一物联网数据和第二物联网数据数据进行处理，得到处理后物联网数据。本申请针对不同场景下的物联网设备采集不同类型协议的数据，利用多个采集插件和固定程序配合采集数据，并对采集数据进行相应去噪和扰动处理，提高物联网数据的精确度。
-
公开(公告)号：CN118899830A
公开(公告)日：2024-11-05
申请号：CN202410936481.0
申请日：2024-07-12
Applicant: 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC: H02J3/00 , G06N3/0464 , G06N3/0442 , G06N3/042 , G06N3/08 , G06F18/214 , G06F18/24 , G06Q10/04 , G06Q50/06 , G06F17/18
Abstract: 一种利用多目标时空图卷积神经网络GCN‑BILSTM模型进行短期负载率实际预测的方法，包括：从数据中台和气象网站获得目标区域的负载数据和天气数据；对获得的负载数据和天气数据进行数据清洗；对数据清洗后的数据进行特征工程处理，包括：对原有的气温拆分成最高温、最低温，并对最高温、最低温分别进行增加预设数值的变换，以使得最低温大于等于0；将目标区域下属乡镇的负载率、最高温、最低温进行0‑1标准化，得到若干维度数据；构建GCN‑BILSTM模型，将若干维度数据输入GCN‑BILSTM模型输出预测结果。本发明在预测过程中增加对空间节点之间的“联动性”，相较于Multi‑BILSTM算法mape误差更低。
-
公开(公告)号：CN117498449A
公开(公告)日：2024-02-02
申请号：CN202311229332.2
申请日：2023-09-22
Applicant: 国网湖北省电力有限公司经济技术研究院 , 湖北华中电力科技开发有限责任公司
Abstract: 一种基于碳排放指标的配电网容量改造扩容方法，首先获取配电台区从当前负荷水平至饱和负荷水平的运行年限，获取配电台区的所有扩容改造方案，该扩容改造方案为在运行年限下分多阶段对电网设备做改造扩容，然后获取所有扩容改造方案的每个阶段中设备安装及运行的碳排放量、投资额现值，并基于上述数据计算所有扩容改造方案的年均碳排放强度、单位投资碳排放强度，最后根据所有扩容改造方案的年均碳排放强度、单位投资碳排放强度，确定最优的扩容改造方案。本设计通过量化配电台区负荷变化全过程中的碳排放，确定最优扩容改造方案，最终实现全寿命周期下的最少碳排放。
-
公开(公告)号：CN117474151A
公开(公告)日：2024-01-30
申请号：CN202311406549.6
申请日：2023-10-27
Applicant: 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC: G06Q10/04 , G06Q50/06 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06F18/214 , G06F18/21
Abstract: 一种基于CNN‑LSTM和lightGBM动态加权融合模型用于短期负荷实际预测的方法，包括：采用CNN‑LSTM算法计算第一时间段中每天的第一平均绝对百分比误差；采用lightGBM算法计算第一时间段中每天的第二平均绝对百分比误差；根据第一平均绝对百分比误差和第二平均绝对百分比误差计算CNN‑LSTM权重和lightGBM权重，进而计算CNN‑LSTM动态权重和lightGBM动态权重；根据CNN‑LSTM算法和lightGBM算法预测的第二时间段的预测值以及第CNN‑LSTM动态权重和lightGBM动态权重得到第二时间段对应每天的最终预测值。本发明能够提高模型的预测稳定性、减小平均误差。
-
公开(公告)号：CN115905954A
公开(公告)日：2023-04-04
申请号：CN202211534443.X
申请日：2022-12-02
Applicant: 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC: G06F18/241 , G06F18/10 , G06F18/27 , G06F18/23213 , G06Q50/06
Abstract: 本发明提供一种融合无监督学习、有监督学习组合模型的疑似窃电用户识别方法，包括：通过SQL查询方式获取用电行为特征数据，所述用电行为特征数据包括电压、电流、相位、用电类别；对获取的用电行为特征数据进行清洗、转化，得到电压的标准差、电压不平衡度、电流不平衡度；通过Kmeans聚类按照电压的标准差、电压不平衡度、电流不平衡度进行聚类，识别非常明显的窃电用户和正常用户；基于识别的非常明显的窃电用户和正常用户构建学习样本，划分训练集和测试集，建立Lightgbm回归模型，通过Lightgbm回归模型识别剩下的大量用电行为特征不明显的用户。本发明可以大规模高效的识别窃电用户，提高了效率和准确性，省时省力。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.087 seconds)
