-
公开(公告)号:CN119250413A
公开(公告)日:2025-01-03
申请号:CN202411275400.3
申请日:2024-09-12
Applicant: 国网上海市电力公司
IPC: G06Q10/0631 , H02J3/00 , H02J7/02 , H02J7/04 , H02J7/00 , G06Q10/04 , G06Q50/06 , G06N3/126 , B60L53/62 , B60L53/63 , B60L58/12
Abstract: 本发明涉及一种基于改进NSGA‑I I算法的电动汽车充电调度优化算法,包括以下步骤:步骤1、初始化输入:随机生成城市电动汽车充电过程中电网端和电动汽车端相关参数;步骤2、建立电动汽车充电调度优化模型,以电动汽车端充电成本最小化和电网端负荷方差最小化为目标,构建双目标决策优化模型;步骤3、算法求解:模拟城市电动汽车具体充电场景,利用改进的NSGA‑I I算法对建立的数学模型进行求解,通过多次迭代,得出电动汽车充电调度的帕累托最优解集,为电动汽车推荐多种可行的优化充电方案;本发明求解能力强,可以提供一组帕累托最优解集,可拓展性强,具有较高的灵活性。
-
公开(公告)号:CN118837693A
公开(公告)日:2024-10-25
申请号:CN202411064755.8
申请日:2024-08-05
Applicant: 国网上海市电力公司
IPC: G01R31/12
Abstract: 本发明公开了一种开关柜局部放电暂态地电压信号处理方法及系统,采用基于提升小波理论的信号对局部放电信号预处理,有效的降低了计算量和提升了分解效果,然后通过基于局部均值分解LMD的特征提取,利用能量熵作为特征参数提取出局部放电信号在不同故障类型下的特征值,最后给出基于ELM的局部放电模式识别模型,利用局部放电检测分析系统诊断模型,将每一种分析方法所获得的结论输入到综合诊断模型中,与超声波检测法的结果进行多次比对,得出占比最高的的评判,从而获得最终的诊断结果,得出较好的准确率,使用模式识别算法对局部放电进行类型识别,进一步确定电气设备存在的绝缘故障缺陷类型。
-
公开(公告)号:CN118607438A
公开(公告)日:2024-09-06
申请号:CN202410638570.7
申请日:2024-05-22
Applicant: 国网上海市电力公司市区供电公司
IPC: G06F30/36 , G06F119/04 , G06F119/08
Abstract: 本发明公开了变压器技术领域的基于特殊场景模拟实际城轨系统中变压器热寿命计算方法,包括获取不同时期电力变压器的冲击负荷数据,并分别绘制电力变压器的负载率曲线图;根据电力变压器的负载率曲线图对冲击负荷进行波形分解,并将分解的冲击负荷波形等效为若干个不同的三角波与恒定负荷组成的波形;通过多种连续三角波模拟不同的典型冲击负荷场景,并对各个场景进行微分方程求解;通过热模型常数、时间常数以及负载率K对热点计算公式中的各个部分进行修正,得到新的随环境温度和负载率变化的热点温度与寿命寿命损失的公式。本方案能够模拟实际城轨系统中不同类型冲击负荷对变压器热寿命的影响,并对影响结果进行定量分析。
-
公开(公告)号:CN118228482A
公开(公告)日:2024-06-21
申请号:CN202410372556.7
申请日:2024-03-29
Applicant: 国网上海市电力公司
IPC: G06F30/20 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种基于仿真优化的电动出租车充电站选址优化算法,包括第一阶段:模拟城市电动出租车的出行和充电行为,建立出租车出行仿真模型;在模型中设置相关参数后,能够仿真生成合理的且带有时间、空间信息的充电需求点,作为充电站选址定容模型的输入;第二阶段:建立以最小化总成本为目标的充电站选址定容模型,成本包含司机的寻站成本、等待成本和流失成本三部分;第三阶段:模拟城市电动出租车的充电决策过程,建立基于排队论的充电决策仿真模型,以评估出租车的寻站、等待、流失成本;结合充电决策仿真模型和ALNS算法框架,设计求解充电站选址定容模型的仿真优化算法。本发明能够根据电动出租车的时间空间数据,选择合适的建设候选地点。
-
公开(公告)号:CN118194128A
公开(公告)日:2024-06-14
申请号:CN202410359826.0
申请日:2024-03-27
Applicant: 国网上海市电力公司
IPC: G06F18/241 , G06F18/10 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的电压异常检测方法,对电压数据进行预处理,构建并训练卷积神经网络,利用训练好的卷积神经网络对电压进行异常检测,该方法的具体步骤包括如下:S1,获取表计的电压数据;S2,对电压数据进行预处理;S3,构建卷积神经网络;S4,对验证集进行分类评估:将验证集数据输入到训练好的神经网络模型中,对输出结果进行精度评估。本发明无需安装额外的硬件装置,对表计上传的数据进行处理后,再将这些数据作为模型的输入即可实现电压的异常检测识别,使用简单、检测精度高。
-
-
-
-