-
公开(公告)号：CN105407609B
公开(公告)日：2018-09-14
申请号：CN201510906545.3
申请日：2015-12-09
Applicant: 华北电力大学 , 华北电力大学苏州研究院
IPC: H05B37/02
Abstract: 本发明提供一种基于分布式电源的智能化室内照明系统，所述照明系统包括风光储电源模块、智能照明模块、光强检测模块和照明控制模块，所述智能照明模块和光强检测模块均通过所述照明控制模块连接所述风光储电源模块，本发明采用风光互补发电系统供电，由蓄电池组和电网市电共同为照明系统供电，双重电源提高了系统的可靠性和抗干扰能力，使调节品质提高，为用户带来更舒适光照体验的同时，有效节约的电能，具有环保效益。
-
公开(公告)号：CN105407609A
公开(公告)日：2016-03-16
申请号：CN201510906545.3
申请日：2015-12-09
Applicant: 华北电力大学 , 华北电力大学苏州研究院
IPC: H05B37/02
CPC classification number: Y02B20/48
Abstract: 本发明提供一种基于分布式电源的智能化室内照明系统，所述照明系统包括风光储电源模块、智能照明模块、光强检测模块和照明控制模块，所述智能照明模块和光强检测模块均通过所述照明控制模块连接所述风光储电源模块，本发明采用风光互补发电系统供电，由蓄电池组和电网市电共同为照明系统供电，双重电源提高了系统的可靠性和抗干扰能力，使调节品质提高，为用户带来更舒适光照体验的同时，有效节约的电能，具有环保效益。
-
公开(公告)号：CN205596415U
公开(公告)日：2016-09-21
申请号：CN201521018663.2
申请日：2015-12-09
Applicant: 华北电力大学 , 华北电力大学苏州研究院
IPC: H05B37/02
Abstract: 本实用新型提供一种采用分布式电源的室内照明检测与控制系统，所述控制系统包括风光储电源模块、智能照明模块、光强检测模块和照明控制模块，所述智能照明模块和光强检测模块均通过所述照明控制模块连接所述风光储电源模块，本实用新型采用风光互补发电系统供电，由蓄电池组和电网市电共同为控制系统供电，双重电源提高了系统的可靠性和抗干扰能力，使调节品质提高，为用户带来更舒适光照体验的同时，有效节约的电能，具有环保效益。
-
公开(公告)号：CN113935237B
公开(公告)日：2025-02-07
申请号：CN202111192496.3
申请日：2021-10-13
Applicant: 华北电力大学
IPC: G06F30/27 , G06Q50/06 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08 , G01R31/52 , G06F113/04
Abstract: 本发明提出一种基于胶囊网络的输电线路故障类型判别方法及系统，通过获取大量PMU(Phasor Measurement Unit)数据，将PMU数据图形化生成雷达图；构建基于胶囊网络的输电线路故障类型判别模型，划分训练集与测试集，将训练集输入所述模型进行训练，提取图形化PMU数据的变化特征；将测试集输入训练好的模型进行测试，并将测试结果以混淆矩阵的形式进行分类输出；实现对输电线路故障类型的判别。本发明无需进行逻辑推理，也无需引入大量描述保护系统行为的知识，仅需针对图形化的PMU数据提取不同故障类型对应的特征。建模和模型修改过程简单易操作，将PMU数据图形化，节省计算资源，模型训练测试速度快，诊断准确率相对较高。
-
公开(公告)号：CN113077101B
公开(公告)日：2024-07-16
申请号：CN202110409681.7
申请日：2021-04-16
Applicant: 华北电力大学 , 国网甘肃省电力公司信息通信公司
Abstract: 本申请公开了面向能源互联网调配管理的数字化系统及方法，其中，能源子系统将电力系统和天然气网络、供热网络进行耦合，形成集中与分布相结合的能源服务网络，信息子系统包括信息采集层、信息传输层以及信息处理层，业务子系统用于向用户共享用能数据共享、进行节能监测评估、进行能效优化，多流融合子系统用于进行能源流、信息流和业务流的融合，进行信息系统与电力系统、天然气系统以及电气化交通系统的融合，协调多耦合协同的生产运行，内外融合子系统用于协调与外部之间的多元数据主体，进行数据实时共享与交互。该系统实现设备级无缝接入，系统级优化配置，能源信息双向互动，充分调度遍布于系统供需两端的分布式能源和储能设备。
-
Patent Agency Ranking
公开(公告)号：CN115203414A
公开(公告)日：2022-10-18
申请号：CN202210809876.5
申请日：2022-07-11
Applicant: 华北电力大学
Abstract: 本发明提出一种基于生成对抗网络(Generative Adversarial Net,GAN)的电网故障诊断模型鲁棒性增强方法，通过获取电网故障告警信息实测数据，处理实测数据得到不同故障类型告警信息样本；利用LeakGAN模型对告警信息样本集进行扩充，实现实测告警信息样本集数据增强；对增强后的告警信息样本进行分词及向量化处理，得到模型输入特征向量；构建基于一维卷积神经网络(1D‑CNN)的电网故障诊断模型，通过Softmax分类器得到故障设备及故障类型诊断结果。本方法通过深度学习模型对电网实测告警信息进行数据扩充及故障诊断，提高了基于数据驱动的电网故障诊断模型的鲁棒性和准确性。
-
公开(公告)号：CN114692751A
公开(公告)日：2022-07-01
申请号：CN202210320848.7
申请日：2022-03-29
Applicant: 华北电力大学
Abstract: 本发明提出了一种基于时间卷积网络的电网故障诊断分类方法，所述方法首先将历史故障事件的告警信息作为样本集，划分训练集与测试集，并在训练集数据中设置故障分类标签；在告警信息中提取相关的时序特征进行量化表示，得到适用于TCN故障诊断分类模型的数据集；基于斯皮尔曼相关性系数，在S2提取的告警信息特征中选择相关性最大的N个特征；将训练集中选择这N个特征做为模型输入，训练TCN故障诊断分类模型；将测试集的N个特征逐个置入S4中训练好的故障诊断分类模型中，得到故障诊断分类结果，最后进行故障诊断分类的准确率评估。本发明不需要对告警信息做过多处理，只需要通过提取历史告警信息的特征并量化表示，即可输入到TCN模型当中进行训练和测试，准确、快速地得到分类结果，且建模和模型的修改过程简单易操作。
-
公开(公告)号：CN114661905A
公开(公告)日：2022-06-24
申请号：CN202210248594.2
申请日：2022-03-14
Applicant: 华北电力大学
IPC: G06F16/35 , G06F40/295 , G06N3/04 , G06N3/08 , G01R31/08
Abstract: 本发明提供一种基于BERT(Bidirectional Encoder Representationsfrom Transformers)的电网故障诊断方法。所述方法将电网故障诊断转化为一个自然语言处理问题，其中包括：采集告警信息样本，对样本进行切词预处理；对告警信息文本嵌入语义特征、句特征以及位置特征，将三大特征相加构成模型输入向量；构建基于BERT的电网故障诊断模型，利用Transformer编码器中的注意力机制，自主学习告警信息文本中的故障特征，利用解码器输出故障诊断结果。此方法通过输入的告警信息文本直接输出有关故障特征的概要性描述文本，实现了端到端的电网故障诊断。
-
公开(公告)号：CN113937829A
公开(公告)日：2022-01-14
申请号：CN202111355263.0
申请日：2021-11-16
Applicant: 华北电力大学
Abstract: 本发明公开了一种基于D3QN的主动配电网多目标无功控制方法，包括：以综合了主动配电网模型的电压偏差、网络损耗、无功补偿器动作成本和弃风弃光功率成本四部分的目标函数最小为优化控制目标；以配电网潮流约束、节点电压安全约束、支路电流安全约束为约束条件建立无功优化控制模型。然后设计了强化学习的状态空间、动作集合和奖励函数，构建了多目标无功控制的马尔科夫过程。最后基于D3QN深度强化学习网架迭代训练，得到经D3QN学习优化后的状态空间，寻找出主动配电网的最优调度状态。本发明的无功控制方法有效提升了电能质量，同时考虑了控制过程中的动作成本与新能源大规模接入配电网带来的弃风弃光功率成本，取得了很好的优化效果。
-
公开(公告)号：CN113935237A
公开(公告)日：2022-01-14
申请号：CN202111192496.3
申请日：2021-10-13
Applicant: 华北电力大学
IPC: G06F30/27 , G06Q50/06 , G06K9/62 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G01R31/52 , G06F113/04
Abstract: 本发明提出一种基于胶囊网络的输电线路故障类型判别方法及系统，通过获取大量PMU(Phasor Measurement Unit)数据，将PMU数据图形化生成雷达图；构建基于胶囊网络的输电线路故障类型判别模型，划分训练集与测试集，将训练集输入所述模型进行训练，提取图形化PMU数据的变化特征；将测试集输入训练好的模型进行测试，并将测试结果以混淆矩阵的形式进行分类输出；实现对输电线路故障类型的判别。本发明无需进行逻辑推理，也无需引入大量描述保护系统行为的知识，仅需针对图形化的PMU数据提取不同故障类型对应的特征。建模和模型修改过程简单易操作，将PMU数据图形化，节省计算资源，模型训练测试速度快，诊断准确率相对较高。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.108 seconds)
