-
公开(公告)号：CN119807720A
公开(公告)日：2025-04-11
申请号：CN202510300821.5
申请日：2025-03-14
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/213 , G06N3/0442 , G06Q10/20 , G06Q50/06
Abstract: 本发明公开了基于扩展长短时记忆神经网络的海上风电功率预测方法，涉及可再生能源预测技术领域，包括以下步骤：S1、从原始风电数据中提取趋势性和季节性成分；S2、通过构建扩展长短时记忆神经网络对提取的趋势性和季节性成分进行预测；S3、集成不同组合下的扩展长短时记忆神经网络预测结果，得到最终的风电功率预测值。本发明采用上述基于扩展长短时记忆神经网络的海上风电功率预测方法，通过提取趋势性和季节性成分，结合扩展长短时记忆神经网络的高效建模能力，显著提升了风电功率预测的精度和稳定性，为电力系统调度提供可靠支持，降低风电波动对电网的影响，具有重要工程应用价值。
-
公开(公告)号：CN118839309A
公开(公告)日：2024-10-25
申请号：CN202411322808.1
申请日：2024-09-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/25 , G06F18/214 , G06F30/27 , G06Q50/06 , G06F119/02
Abstract: 本发明公开了一种考虑波动性与周期性的风电功率超短期预测方法，属于可再生能源预测技术领域，包括以下步骤：S1、建立风电数据挖掘方法得到数据波动组成和周期组成；S2、通过深度学习方法从原始风电数据中提取融合特征；S3、通过集成神经网络模型基于融合特征和波动、周期组成做出预测；S4、通过S1所得的波动组成和周期组成、S2的融合特征和S3的集成神经网络确定最终的风电功率超短期预测方法。本发明采用上述的一种考虑波动性与周期性的风电功率超短期预测方法，将深度学习理论引进风电功率预测中，研究数据挖掘方法以及深度学习方法在超短时风电功率预测问题中的应用，提高电网稳定性和供电可靠性，对多元化能源系统的发展具有重要意义。
-
公开(公告)号：CN116776538B
公开(公告)日：2025-05-20
申请号：CN202310513182.1
申请日：2023-05-08
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F30/20 , G06Q10/0631 , G06Q10/0637 , G06Q10/04 , G06Q50/06 , G06N3/126 , G06F17/18 , G06F17/11 , H02J3/46 , H02J3/14 , G06F111/04 , G06F113/04 , G06F111/06
Abstract: 本发明提供了一种考虑不确定性的电力‑天然气‑氢气耦合网络低碳规划方法，包括以下步骤：步骤S1，建立风速和光照强度概率分布的高斯混合模型；步骤S2，建立基于Wasserstein距离的不确定性经典场景生成模型，用于风电、光电出力建模；步骤S3，建立以制氢站为耦合中心的电力‑天然气‑氢气一体化模型，电力网络为制氢站提供电能用于电解水制氢，天然气网络为制氢站提供天然气用于甲烷蒸汽重整制氢，制氢站产生的氢气通过氢能源网络输送至加氢站；步骤S4，建立电力网络、天然气网络及氢能源网络中的碳排放流模型，用于耦合网络碳排放量的计算。本发明的有益效果是：本发明方法能有效降低电解水及甲烷蒸汽重整制氢环节的碳排放。
-
公开(公告)号：CN118839309B
公开(公告)日：2025-01-21
申请号：CN202411322808.1
申请日：2024-09-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/25 , G06F18/214 , G06F30/27 , G06Q50/06 , G06F119/02
Abstract: 本发明公开了一种考虑波动性与周期性的风电功率超短期预测方法，属于可再生能源预测技术领域，包括以下步骤：S1、建立风电数据挖掘方法得到数据波动组成和周期组成；S2、通过深度学习方法从原始风电数据中提取融合特征；S3、通过集成神经网络模型基于融合特征和波动、周期组成做出预测；S4、通过S1所得的波动组成和周期组成、S2的融合特征和S3的集成神经网络确定最终的风电功率超短期预测方法。本发明采用上述的一种考虑波动性与周期性的风电功率超短期预测方法，将深度学习理论引进风电功率预测中，研究数据挖掘方法以及深度学习方法在超短时风电功率预测问题中的应用，提高电网稳定性和供电可靠性，对多元化能源系统的发展具有重要意义。
-
公开(公告)号：CN117198067A
公开(公告)日：2023-12-08
申请号：CN202311290951.2
申请日：2023-10-08
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G08G1/065 , G08G1/01 , G06N3/0442 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种预测质量为导向的交通流区间量化方法，本发明涉及智能交通系统预测领域，包括以下步骤：S1：以区间预测的质量为目标建立量化交通流的区间损失函数方法；S2：通过深度学习方法构建交通流量化模型；S3：通过极端梯度增加模型对交通流的信息特征做特征选择；S4：结合S1所得的区间分数函数、S2所得的深度学习模型和S3所得的重要特征确定最终的交通流量化模型。本发明采用上述的一种预测质量为导向的交通流区间量化方法，通过将深度学习理论引进交通流预测偏差量化中，研究深度学习方法以及区间预测函数理论在长期多步交通流预测问题中的应用，增强智能交通系统对交通流量化的性能，对智能交通系统的发展具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN109950095B
公开(公告)日：2020-07-31
申请号：CN201910142460.0
申请日：2019-02-26
Applicant: 哈尔滨工业大学
IPC: H01H50/38
Abstract: 本发明提供了一种用于继电器的灭弧结构及其制造方法，涉及继电器领域。所述用于继电器的灭弧结构包括：多个簧片，竖立安装在所述继电器的底板顶面，多个所述簧片一端的片状部互呈间距的沿着设定方向延伸；以及磁体，临近多个所述簧片安装在所述底板，以使其形成的磁场沿着垂直于所述底板顶面的方向穿射过多个所述簧片的一端。以通过磁体形成的洛伦兹力，将簧片之间形成的电弧拉长并直至熄灭，以快速灭弧而实现减少小型继电器动作过程中热量对电磁系统的损伤，提高继电器寿命及抗过负载能力。
-
公开(公告)号：CN115619132B
公开(公告)日：2023-12-26
申请号：CN202211200182.8
申请日：2022-09-29
Applicant: 哈尔滨工业大学(深圳) , 深圳大学
IPC: G06Q10/0631 , G06Q10/0639 , G06Q50/06
Abstract: 本发明涉及综合能源系统调度技术领域，特别涉及一种氢能源车的碳导向能源互联网规划方法。其包括以下步骤：S1.在电网和制氢站中规划低碳设备；S2.对甲烷转化制氢和电解水制氢进行动态控制；S3.通过碳排放流模型将碳排放责任从能源侧到制氢站的转移；S4.引入氢气生产中碳排量参数，进行目标成本数学模型的构建；S5.构建氢能源车需求的交通流分配模型；S6.将制氢站和加氢站的选址进行组合，计算成本选择最优的组合方案模型；S7.通过遗传算法对优化的组合方案模型进行优化求解，确定并输出成本最优的结果。旨在规划混合制氢的动态比例及其低碳设备以及氢能源车的均衡交通流，并且进行制氢站和加氢站的选址，以降低氢气供给流程的总成本并实现低碳目标。
-
公开(公告)号：CN115618723B
公开(公告)日：2023-08-29
申请号：CN202211200170.5
申请日：2022-09-29
Applicant: 哈尔滨工业大学(深圳) , 深圳大学
IPC: G06F30/27 , G06N3/126 , G06Q10/04 , G06Q10/0631 , G06Q50/06 , G06Q50/26 , G06F111/04 , G06F111/06 , G06F113/04
Abstract: 本发明涉及考虑燃煤机组及加油站退出的制氢网络运行方法。其包括步骤S1.以燃煤机组退出成本、电力线路建设成本、新能源投资成本、发电运行成本最小，碳排放减少量最大为目标，建立电力系统低碳改造模型；S2.通过遗传算法对模型进行优化求解；S3.通过碳排放模型确定低碳排节点，将制氢站建设在该节点上，将电力网、气网和氢网络耦合成综合能源网；S4.以加油站退出成本、管道建设成本、加氢站运行成本、买电买气制氢成本最小，碳排放减少量最大为目标，建立综合能源低碳改造模型；S5.通过遗传算法对模型进行优化求解。本方法降低综合能源网络的运行成本及电动汽车氢能源供给侧的碳排放，对替代传统煤炭、石油资源及推动氢能源汽车的发展具有重要意义。
-
公开(公告)号：CN114611056A
公开(公告)日：2022-06-10
申请号：CN202210152022.4
申请日：2022-02-18
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种电动汽车充电站选址方法及装置，方法包括：基于配电网和交通网形成的耦合网络中的节点获取一定数量的候选充电站和多个建站候选方案；基于碳排量构建目标成本的数学模型；根据数学模型计算每个建站候选方案的总综合成本，选出总综合成本最低的前N个候选方案；考虑多种不确定性因素构建多种组合场景并对候选方案进行优化更新；针对多组新的前N个候选方案，采用极小极大后悔成本评估方法评估出最佳规划结果。本发明方法考虑了碳排量对选址结果的影响，将碳排放对环境的影响以数值化的方式呈现，针对碳排量的分析可追踪、可量化，使得选址结果对环境的影响降低。
-
公开(公告)号：CN114611056B
公开(公告)日：2025-03-25
申请号：CN202210152022.4
申请日：2022-02-18
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F17/11 , G06Q30/0204 , G06Q30/0283 , G06Q50/06
Abstract: 本发明公开了一种电动汽车充电站选址方法及装置，方法包括：基于配电网和交通网形成的耦合网络中的节点获取一定数量的候选充电站和多个建站候选方案；基于碳排量构建目标成本的数学模型；根据数学模型计算每个建站候选方案的总综合成本，选出总综合成本最低的前N个候选方案；考虑多种不确定性因素构建多种组合场景并对候选方案进行优化更新；针对多组新的前N个候选方案，采用极小极大后悔成本评估方法评估出最佳规划结果。本发明方法考虑了碳排量对选址结果的影响，将碳排放对环境的影响以数值化的方式呈现，针对碳排量的分析可追踪、可量化，使得选址结果对环境的影响降低。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.027 seconds)
