-
公开(公告)号：CN105071421A
公开(公告)日：2015-11-18
申请号：CN201510504486.7
申请日：2015-08-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供的办公建筑能耗管理方法，包括：获取用电需求信息；构造神经网络；根据所述用电需求信息对所述神经网络进行训练确定性能指标函数和控制策略；判断所述训练是否满足收敛精度；如果所述训练满足所述收敛精度，则根据所述性能指标函数获取控制策略，并计算用电费用。本发明可以降低能耗，并减少用电花费。
-
公开(公告)号：CN104022503B
公开(公告)日：2017-01-04
申请号：CN201410271465.0
申请日：2014-06-18
Applicant: 中国科学院自动化研究所
CPC classification number: Y02E40/76 , Y04S10/545
Abstract: 本发明公开了一种带有储能设备的智能微电网电能优化控制方法，包括：相关参数初始化；开启全局迭代，初始化评判网络和执行网络权值；开启局部迭代，利用白适应动态规划方法训练评判网络和执行网络，修正神经网络权值，其中评判网络用来近似最优性能指标函数，并利用该评判网络权值评测当前电池控制策略的性能，执行网络用来近似最优控制策略，最小化一次全局迭代内的总成本；判断当前局部迭代是否完成，如果尚未完成，则返回局部迭代，否则更新迭代性能指标函数和迭代控制律，以获得最优解；判断当前全局迭代是否满足收敛精度，如果尚未完成，则返回全局迭代；如果满足收敛精度，根据最优性能指标函数获得最优的电池控制策略，并计算用电成本。
-
公开(公告)号：CN104573818A
公开(公告)日：2015-04-29
申请号：CN201410828012.3
申请日：2014-12-25
Applicant: 中国科学院自动化研究所
IPC: G06N3/08
Abstract: 本发明公开了一种基于神经网络的办公建筑房间分类方法，包括以下步骤：数据预处理，对办公建筑房间的插座、照明和空调三种用电数据进行筛选、剔除、补充，获得完整的用电数据；网络初始化，构造与预处理三类用电数据对应的三个回声状态网和一个极限学习机，并对各神经网络的参数进行初始化；网络训练，利用预处理的房间用电数据训练各回声状态网，重建房间的用电模式，并利用重建后的房间用电模式以及已知的房间类别训练极限学习机；房间分类，给定新的办公建筑房间三种用电数据作为分类数据，利用训练好的三个回声状态网重建房间的用电模式，并利用训练好的极限学习机获取房间的类型。
-
公开(公告)号：CN105071421B
公开(公告)日：2019-03-15
申请号：CN201510504486.7
申请日：2015-08-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供的办公建筑能耗管理方法，包括：获取用电需求信息；构造神经网络；根据所述用电需求信息对所述神经网络进行训练确定性能指标函数和控制策略；判断所述训练是否满足收敛精度；如果所述训练满足所述收敛精度，则根据所述性能指标函数获取控制策略，并计算用电费用。本发明可以降低能耗，并减少用电花费。
-
公开(公告)号：CN104573818B
公开(公告)日：2017-06-13
申请号：CN201410828012.3
申请日：2014-12-25
Applicant: 中国科学院自动化研究所
IPC: G06N3/08
Abstract: 本发明公开了一种基于神经网络的办公建筑房间分类方法，包括以下步骤：数据预处理，对办公建筑房间的插座、照明和空调三种用电数据进行筛选、剔除、补充，获得完整的用电数据；网络初始化，构造与预处理三类用电数据对应的三个回声状态网和一个极限学习机，并对各神经网络的参数进行初始化；网络训练，利用预处理的房间用电数据训练各回声状态网，重建房间的用电模式，并利用重建后的房间用电模式以及已知的房间类别训练极限学习机；房间分类，给定新的办公建筑房间三种用电数据作为分类数据，利用训练好的三个回声状态网重建房间的用电模式，并利用训练好的极限学习机获取房间的类型。
-
Patent Agency Ranking
公开(公告)号：CN104318316A
公开(公告)日：2015-01-28
申请号：CN201410528151.4
申请日：2014-10-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种用户用电实时测量方法，其包括步骤S1：对采集用户的用电实时数据进行预处理，获得完整的用电数据；步骤S2：对完整的用电数据参数进行初始化，获得计算所需的初始化聚类类别数、概率上界参数、概率下界参数；步骤S3：采用K-均值聚类算法对用电数据的初始化聚类类别数、概率上界参数、概率下界参数进行聚类，获取不同类别的用电数据；步骤S4：对不同类别的用电数据进行统计计算，得到并对各用电类别的均值及概率处理与计算，获得剔除低概率类、保留高概率类符合实际用户用电的实时预测结果。
-
公开(公告)号：CN104201705B
公开(公告)日：2016-10-05
申请号：CN201410440567.0
申请日：2014-09-01
Applicant: 中国科学院自动化研究所
IPC: H02J3/28
Abstract: 本发明公开了一种智能微电网分布式储能设备控制优化方法，其包括：为智能微电网系统建立模型，获取该智能微电网系统的初始化参数；对于所述智能微电网系统模型，将各所述电池的参数统一为其中性能最差的电池的参数，设定该智能微电网系统模型的性能指标函数，以该性能指标函数计算所述智能微电网系统的各电池的统一控制策略；将所述智能微电网系统模型的各电池的参数依次还原为初始参数，每还原一个电池的参数，获得该电池的最优控制策略；根据所述性能指标函数再次计算所述智能微电网系统的各电池的统一控制策略。本发明能降低电网的峰谷载荷差值，提高电网的灵活性与兼容性，并降低用户的用电成本。
-
公开(公告)号：CN105719018A
公开(公告)日：2016-06-29
申请号：CN201610039196.4
申请日：2016-01-21
Applicant: 中国科学院自动化研究所
CPC classification number: G06Q10/04 , G06N3/0454 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了一种基于回声状态网络的用电预测方法和系统。其中，该方法可以包括：获取用电数据；利用训练后的所述回声状态网络的输出权值矩阵，计算用电的预测结果，其中，所述回声状态网络的储备池为自反馈延迟线结构或带反馈的自反馈延迟线结构。优选地，所述方法还包括：获取训练样本；根据所述训练样本，以及基于所述自反馈延迟线结构或所述带反馈的自反馈延迟线结构的储备池权值矩阵，计算所述回声状态网络的所述输出权值矩阵。进一步优选地，在所述获取训练样本之前还包括：构建所述回声状态网络；选择所述储备池结构；初始化所述回声状态网络的网络参数。通过本发明实施例解决了如何准确地预测用电的技术问题。
-
公开(公告)号：CN104201705A
公开(公告)日：2014-12-10
申请号：CN201410440567.0
申请日：2014-09-01
Applicant: 中国科学院自动化研究所
IPC: H02J3/28
Abstract: 本发明公开了一种智能微电网分布式储能设备控制优化方法，其包括：为智能微电网系统建立模型，获取该智能微电网系统的初始化参数；对于所述智能微电网系统模型，将各所述电池的参数统一为其中性能最差的电池的参数，设定该智能微电网系统模型的性能指标函数，以该性能指标函数计算所述智能微电网系统的各电池的统一控制策略；将所述智能微电网系统模型的各电池的参数依次还原为初始参数，每还原一个电池的参数，获得该电池的最优控制策略；根据所述性能指标函数再次计算所述智能微电网系统的各电池的统一控制策略。本发明能降低电网的峰谷载荷差值，提高电网的灵活性与兼容性，并降低用户的用电成本。
-
公开(公告)号：CN104022503A
公开(公告)日：2014-09-03
申请号：CN201410271465.0
申请日：2014-06-18
Applicant: 中国科学院自动化研究所
CPC classification number: Y02E40/76 , Y04S10/545
Abstract: 本发明公开了一种带有储能设备的智能微电网电能优化控制方法，包括：相关参数初始化；开启全局迭代，初始化评判网络和执行网络权值；开启局部迭代，利用白适应动态规划方法训练评判网络和执行网络，修正神经网络权值，其中评判网络用来近似最优性能指标函数，并利用该评判网络权值评测当前电池控制策略的性能，执行网络用来近似最优控制策略，最小化一次全局迭代内的总成本；判断当前局部迭代是否完成，如果尚未完成，则返回局部迭代，否则更新迭代性能指标函数和迭代控制律，以获得最优解；判断当前全局迭代是否满足收敛精度，如果尚未完成，则返回全局迭代；如果满足收敛精度，根据最优性能指标函数获得最优的电池控制策略，并计算用电成本。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.025 seconds)
