-
公开(公告)号：CN119921477A
公开(公告)日：2025-05-02
申请号：CN202510398991.1
申请日：2025-04-01
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于大数据的智慧变电站实时监控系统及方法，具体涉及电力设备监控技术领域，包括多源采集处理模块、动态拓扑更新模块、设备状态监测模块、故障诊断预测模块、设备寿命预测模块、能效分析优化模块以及远程运维调度模块；本发明能够实现高精度故障检测及隐性关联挖掘，提高变电站异常检测能力，有效优化变电站各电力设备的寿命管理；能够确保维护资源分配合理，提高设备可靠性，提升综合能效，减少碳排放，无需人工干预调整运行模式，提高优化效率，实现变电站智能化运行。
-
公开(公告)号：CN114021429A
公开(公告)日：2022-02-08
申请号：CN202111215296.5
申请日：2021-10-19
Applicant: 南京工程学院
IPC: G06F30/27 , G06F17/14 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q10/04 , G06Q30/02 , G06Q50/06 , H02J3/00 , H02J3/28 , G06F111/04 , G06F113/04 , G06F119/02
Abstract: 本发明提供了一种考虑可靠性成本的储能优化配置方法，包括以下步骤：步骤S01：预测新能源出力；步骤S02：采取电量不足期望值为评估指标建立系统优化配置模型，具体包括储能系统模型、可靠性成本模型、发电系统成本模型、约束条件；步骤S03：基于系统优化配置模型对储能优化进行配置。本发明采用一种计及可靠性成本，同时考虑风、光资源多时间尺度不确定性的风光储互补微电网系统储能容量协同优化的方法，针对如何提高电力系统运行可靠性，以电量不足期望值为指标对微电网运行可靠性评估，并将可靠性量化为可靠性成本，建立可靠性成本函数，添加到系统配置总成本中后寻优。
-
公开(公告)号：CN114004285A
公开(公告)日：2022-02-01
申请号：CN202111201436.3
申请日：2021-10-15
Applicant: 南京工程学院
IPC: G06K9/62
Abstract: 本发明提供了一种基于改进kNN算法的非侵入式负荷辨识方法，包括以下步骤：步骤S01：选择V‑I轨迹作为负荷特征，提取轨迹特征，在提取轨迹特征中增加幅值特征；步骤S02：改进KNN算法，在KNN算法中为训练样本分配不同的权重，增加少数类样本在分类判决时的表决权，步骤S03：在步骤S01提取了二值V‑I轨迹和幅值两种负荷特征，引入综合相似度概念，利用步骤S02改进的KNN算法，将两种负荷特征相结合，确定待测样本的类别对负荷进行辨识。本发明在数据集不平衡的情况下，通过增加权重的方式，提高与多数类具有相似V‑I轨迹形状的少数类样本的识别准确率，提高了前端电路拓扑相同但功率等级不同的两类用电设备的识别准确率。
-
公开(公告)号：CN113988549A
公开(公告)日：2022-01-28
申请号：CN202111201613.8
申请日：2021-10-15
Applicant: 南京工程学院
Abstract: 本发明提供了一种基于风电反调峰特性的储能实时优化方法，首先采用Kmeans聚类和核主成分分析法(KPCA)结合随机森林算法的模型进行负荷预测，降低预测误差，得到负荷基准值，确定算法迭代步长；然后以储能系统额定功率为约束，计算出系统功率最低移峰功率值和最高填谷功率值；最后根据所需功率差在对应时段进行充放电动作，功率差超出范围的部分按照储能系统额定功率动作，实现对储能系统各时段充放电的实时优化控制。本发明提供的基于风电反调峰特性的储能实时优化方法，可以对电池储能系统参与调峰的充放电时间段和充放电功率进行实时规划；有以储能系统充放电电量平衡为准则的配电网调峰可变功率控制策略，能有效缩减配电网峰谷差值。
-
公开(公告)号：CN113962455A
公开(公告)日：2022-01-21
申请号：CN202111215305.0
申请日：2021-10-19
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于模型预测控制的虚拟电厂储能优化调度策略，包括：短期负荷及新能源出力预测，使用某地区1 a的历史数据，数据之间时间间隔为5 min，训练网络，使其学习时间序列的内在规律，数据在使用前进行了归一化处理，预测的时间步长为24 h，时间分辨率为15 min，使用随机森林算法提前预测出1 d的负荷、风电、光电出力；建立模型；本发明的有益效果是：利用随机森林算法预测未来一段时间的负荷需求、新能源出力，建立以虚拟电厂运行成本最小为目标函数的优化调度模型，使用线性递减权重策略改变参数ω的改进粒子群优化算法求得最优解，以减小预测误差对优化结果的影响，提高短期优化效果。
-
Patent Agency Ranking
公开(公告)号：CN113901620A
公开(公告)日：2022-01-07
申请号：CN202111203656.X
申请日：2021-10-15
Applicant: 南京工程学院
IPC: G06F30/18 , G06F30/27 , G06N3/00 , G06N20/10 , G06F113/04
Abstract: 本发明公开了基于人工蜂群算法优化的SVM的配电网拓扑辨识，本发明利用数据采集与监控系统采集不同拓扑结构下多种负荷水平的断面电压幅值量测数据和相应的拓扑标签，组成训练数据集。再对训练数据集进行归一化处理，之后用ABC进行SVM参数的优化，筛选出对配电网拓扑辨识最有效的部分节点电压幅值量测，这些节点电压幅值量测构成最优特征子集，优化后的SVM参数可构建最优拓扑辨识模型，且具有计算效率和准确率高的特点。
-
公开(公告)号：CN110518031B
公开(公告)日：2021-09-28
申请号：CN201910804921.6
申请日：2019-08-29
Applicant: 南京工程学院
IPC: H01L27/15 , H01L33/00 , H01L33/44 , H01L33/46 , H01L21/8252
Abstract: 本发明公开了一种同质集成光源、探测器和有源波导的通信芯片及制备方法，通信芯片基于硅衬底氮化镓晶圆制备，所述硅衬底氮化镓晶圆从上至下依次包括p‑GaN层、InGaN多量子阱层、InGaN波导层、AlGaN包覆层、n‑GaN层、缓冲层和硅衬底层，缓冲层上设置光源、探测器和有源波导，所述光源、探测器和有源波导均包括p‑n结、绝缘隔离层、p型电极和n型电极，各p‑n结通过对所述硅衬底氮化镓晶圆刻蚀而成。本发明能够解决异质集成通信芯片器件制备工艺复杂，不能晶圆级集成等问题，简化了制备工艺，传输损耗小，可应用于光通信和光传感领域，能够实现更长距离的片上光信号传输。
-
公开(公告)号：CN115618982A
公开(公告)日：2023-01-17
申请号：CN202110734031.X
申请日：2021-06-30
Applicant: 南京工程学院
IPC: G06Q10/04 , G06Q50/06 , G06F18/23213 , G06F30/27 , G06F111/04 , G06F111/06
Abstract: 本发明提供了一种基于Pareto最优的光伏发电超短期功率区间预测方法，包括以下步骤：步骤S01：对多目标优化问题进行描述；步骤S02：使用光伏发电区间预测帕累托最优优化准则；步骤S03：计算基于余弦的非线性相关性度量；步骤S04：运用K‑Means分类；步骤S05：运用多目标遗传算法建立基于NSGA‑II的光伏发电功率概率区间预测模型。本发明提供的方法以光伏发电超短期发电功率为研究对象，提出了一种基于ELM的光伏发电输出功率的区间预测多目标优化模型。用改进的非支配排序多目标遗传算法(Non‑dominated Sorting Genetic Algorithm II(NSGA‑II))以平均区间宽度最小与置信概率最高为目标函数对ELM网络参数进行优化，得到一组给定置信概率下的帕累托最优预测区间。相比于传统多目标转化成单目标方法有更好的实用性。
-
公开(公告)号：CN115545255A
公开(公告)日：2022-12-30
申请号：CN202110734021.6
申请日：2021-06-30
Applicant: 南京工程学院
Abstract: 本发明属于光伏发电领域，涉及一种基于Bootstrap的光伏发电输出功率超短期概率预测方法。本发明提供了一种基于Bootstrap的光伏发电输出功率超短期概率预测方法，包括以下步骤：步骤S01：使用Bootstrap方法对光伏发电输出功率进行预测；步骤S02：计算模型偏差不确定性的量化方差；步骤S03：计算数据噪声不确定性量化方差。本发明提供的方法从ELM回归方法本身的不确定性与数据噪声不确定性角度出发，分别以方差的形式对数据噪声与回归模型的模型偏差给预测结果带来的不确定性进行量化，通过Bootstrap方法对光伏发电输出功率进行预测，统计ELM回归的模型不确定性量化方差，然后对数据噪声的不确定性进行量化，解决了传统神经网络Bootstrap技术无法应用到基于ELM的Bootstrap方法的问题。
-
公开(公告)号：CN114611741A
公开(公告)日：2022-06-10
申请号：CN202011442482.8
申请日：2020-12-08
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于PIO‑LSSVM的短期负荷预测方法，涉及PIO‑LSSVM负荷预测领域，其技术方案要点是：LSSVM模型对电力需求总量变化趋势进行预测，并引人基于PIO算法的参数优化技术来提高LSSVM预测短期负荷量的精度和收敛速度，LSSVM最小二乘支持向量机将最小二乘线性系统引入支持向量机，最小二乘支持向量机的优化指数采用平方项，采用等式约束用于替换标准支持向量机方法中的不等式约束，并把标准支持向量机中解的二次规划问题简化成求解线性方程问题，利用海量外部因素数据，该模型以负荷数据和气象、经济信息为输入因子，引入鸽群优化算法优化模型参数，通过仿真验证了改进预测模型的准确性和有效性。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.032 seconds)
