-
公开(公告)号：CN113902101A
公开(公告)日：2022-01-07
申请号：CN202111214512.4
申请日：2021-10-19
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于LSTM神经网络算法的非侵入式负荷识别方法，包括获取非侵入式监测装置所监测的用电设备稳态时电流波形数据；将稳态电流波形利用离散傅里叶变换进行N次谐波分解得到样本集，将训练集通入循环神经网络进行训练获得基于神经网络的负荷识别预测模型；将测试集带入基于循环神经网络的负荷识别模型并对比输出结果，生成优化后的基于循环神经网络的负荷识别模型。本方法在不同负载情况下均可以对用电器，尤其是小功率用电器进行准确识别，且识别时间较短，可以进行负载的实时监测。
-
Patent Agency Ranking
公开(公告)号：CN113902100A
公开(公告)日：2022-01-07
申请号：CN202111203644.7
申请日：2021-10-15
Applicant: 南京工程学院
Abstract: 本发明公开了基于Attention机制和残差连接的非侵入式负荷分解，本发明提出结合双向门控循环单元、Attention和残差网络的NILM模型，其中BiGRU从前后两个方向输入功率序列，可以学习到当前时刻前后的特征，Attention机制为不同时刻计算不同的权重，关注功率序列中重要信息，残差块结构通过残差连接，降低了残差块的拟合难度，且具有功率分解迅速准确的特点。
-
公开(公告)号：CN114021429B
公开(公告)日：2024-11-29
申请号：CN202111215296.5
申请日：2021-10-19
Applicant: 南京工程学院
IPC: G06F30/27 , G06F17/14 , G06Q10/04 , G06Q30/0201 , G06Q50/06 , G06F18/2135 , G06N3/0442 , G06N3/08 , 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：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：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。
-
-
-
-
-
Search Results
6
records
(took 0.075 seconds)
