-
公开(公告)号：CN119295145A
公开(公告)日：2025-01-10
申请号：CN202411339933.3
申请日：2024-09-25
Applicant: 广东电网有限责任公司东莞供电局
IPC: G06Q30/0207 , G06Q30/0208 , G06Q50/00 , G06F3/01 , G06T19/00 , H04L9/40 , H04L9/32
Abstract: 本发明公开了一种基于加密令牌的元宇宙参与者激励模型与装置，属于元宇宙平台技术领域，包括用户登录和身份验证，通过身份验证方式来创建一个账户；任务和活动，通过在元宇宙中设置的若干种活动和任务；奖励系统，用户通过获得加密令牌作为其奖励，用于在元宇宙中的商店或市场中购买或交换物品和服务；社区和互动，用户在元宇宙中与其他用户互动，还能通过社区内的市场和交易加密令牌，与其他用户建立合作关系；数据分析和改进，使用数据分析来改进元宇宙体验和任务系统。本发明采用上述一种基于加密令牌的元宇宙参与者激励模型与装置，为用户提供一种新的经济激励机制，激发他们的参与度和创造力，同时也为元宇宙平台带来额外的收入来源。
-
公开(公告)号：CN115241981B
公开(公告)日：2023-02-10
申请号：CN202211169267.4
申请日：2022-09-26
Applicant: 广东电网有限责任公司东莞供电局
Abstract: 本发明公开了一种基于大数据的主动配电网监测方法，包括以下步骤：选取主动配电网中关键节点作为监测节点，并将监测节点的多个监测数据项作为多个博弈对象，在多个博弈对象间构建以数据处理量最小化和识别准确度最大化为目标函数的博弈模型；利用博弈模型对博弈对象在各个监测时段处进行轮回博弈得到监测节点在各个监测时段处的实时识别数据项，将监测节点在各个监测时段的实时识别数据项利用预测神经网络构建为监测项时序预测模型。本发明利用博弈模型对博弈对象在各个监测时段处进行轮回博弈得到监测节点在各个监测时段处的实时识别数据项，降低实时监测数据量，提高监测效率和准确度。
-
公开(公告)号：CN110350589B
公开(公告)日：2022-07-12
申请号：CN201910703985.7
申请日：2019-07-31
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司东莞供电局
Abstract: 本发明公开了一种可再生能源和储能调度模型及调度方法，包括，第一阶段模型即日前调度模型，构建两阶段随机日前机组组合模型来分析包含于场景集合场景集的日前调度方案；第二阶段模型即后期分析模型，通过随机模拟的方法来分析不包含于场景集合场景集的风场景的日前调度方案，本发明构建了计及可再生能源和储能的电力系统调度两阶段模型，并针对两阶段模型提出了两阶段模型下的电池储能调度方法，从而充分解决了可再生能源场景下的机组配置问题和配电能源调度问题，同时结合两阶段模型下的不同电池储能调度分析以得到配置利用率和经济性最优的计划，其局限性低，运用前景较广。
-
公开(公告)号：CN113541320B
公开(公告)日：2022-01-25
申请号：CN202111089940.9
申请日：2021-09-17
Applicant: 广东电网有限责任公司东莞供电局
IPC: H02J13/00
Abstract: 本发明公开了一种电网停复电可视化监控方法、系统及存储介质，包括以下步骤：步骤S1、在所述电网框架的真实节点处设置可视化监控设备，并基于电网框架构建出可视化电网框架仿真模型；步骤S2、为所述电网框架的每个真实节点构建电参数据预测模型，利用所述电参数据预测模型在线预测每个真实节点在未来时序上的停复电状态；步骤S3、将真实节点的停电状态映射显示到可视化电网框架仿真模型中对应的仿真节点上并进行停电预警。本发明在未来时序处于停电状态的真实节点进行预先可视化监控，排除停电状态产生的因素从而规避停电事故的发生，整体实现在真实节点停电事故产生前进行超前干预以规避停电事故的损失，提高停复电监控的安全性。
-
公开(公告)号：CN113541321A
公开(公告)日：2021-10-22
申请号：CN202111089943.2
申请日：2021-09-17
Applicant: 广东电网有限责任公司东莞供电局
Abstract: 本发明公开了一种基于大数据故障诊断检测的工业电网智慧运维系统，包括电网巡视监测模块、诊断模块、故障模拟模块、运维工作管理模块和企业服务端，电网巡视监测模块对工业电网每一服务区进行实时监测，诊断模块对故障服务区进行分析，故障模拟模块判断具体故障区域，运维工作管理模块生成电力设备维修计划，企业服务端接收并确认电力设备维修计划。本发明通过诊断模块对具体故障区域进行判断，诊断模块根据检测到的故障发生信号开启故障模拟模块，以确认具体故障区域，增加了故障判断的精确性，另外，本发明设置运维工作管理模块根据具体故障区域生成电力设备维修计划以使运维队伍针对该问题进行维修，提高了工业电网的故障维修效果。
-
Patent Agency Ranking
公开(公告)号：CN112818568A
公开(公告)日：2021-05-18
申请号：CN202110236970.1
申请日：2021-03-03
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司东莞供电局
IPC: G06F30/20 , G06F113/04 , G06F119/02
Abstract: 本发明公开了一种低压台区拓扑关系的确定方法、装置、设备及存储介质，该方法包括：当检测到低压配电变压器的供电范围内的所有用户终端接收到载波检测信号时，获取低压供电网络中的低压台区；通过建立低压台区与地理信息系统之间的联系来确定位于低压台区内的用户终端的位置信息；计算低压台区内的低压配电变压器通过低压电力传输线为用户终端供电的距离信息；以用户终端和低压配电变压器作为节点、叠加位置信息和距离信息，获得低压台区的拓扑关系。上述方法可以解决现有技术中绘制的低压台区拓扑图缺乏地理信息特征、实用性较差的问题，丰富低压台区拓扑关系中的特征，简化拓扑绘制的难度，提高对低压台区的拓扑关系进行确认的精度。
-
公开(公告)号：CN110350589A
公开(公告)日：2019-10-18
申请号：CN201910703985.7
申请日：2019-07-31
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司东莞供电局
Abstract: 本发明公开了一种可再生能源和储能调度模型及调度方法，包括，第一阶段模型即日前调度模型，构建两阶段随机日前机组组合模型来分析包含于场景集合场景集的日前调度方案；第二段模型即后期分析模型，通过随机模拟的方法来分析不包含于场景集合场景集的风场景的日前调度方案，本发明构建了计及可再生能源和储能的电力系统调度两阶段模型，并针对两阶段模型提出了两阶段模型下的电池储能调度方法，从而充分解决了可再生能源场景下的机组配置问题和配电能源调度问题，同时结合两阶段模型下的不同电池储能调度分析以得到配置利用率和经济性最优的计划，其局限性低，运用前景较广。
-
公开(公告)号：CN108876452A
公开(公告)日：2018-11-23
申请号：CN201810610498.1
申请日：2018-06-12
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司东莞供电局
Inventor： 梁浩波
Abstract: 本发明提供了一种用电客户需求信息获取方法、装置以及电子设备，涉及数据处理技术领域，用电客户需求信息获取方法包括：根据用电客服工单分类信息从用电客户来电内容中提取用电客户需求内容；基于所述用电客户需求内容通过文本解析以及聚类处理，得到若干个需求主题的聚类簇中心；根据所述聚类簇中心的特征数据的权重，对若干个所述特征数据进行筛选，得到目标特征；将每个所述聚类簇中心的所述目标特征进行组合，得到用电客户需求信息，解决了现有技术中存在的用电客户需求挖掘的准确性较低的技术问题。
-
公开(公告)号：CN119413425A
公开(公告)日：2025-02-11
申请号：CN202411502211.5
申请日：2024-10-25
Applicant: 广东电网有限责任公司东莞供电局
IPC: G01M13/00 , G06F18/2131 , G06F18/2415 , G06F18/2411 , G06F18/2433 , G06F18/15
Abstract: 本发明涉及故障诊断技术领域，公开了一种高压断路器机械故障诊断方法、装置、设备和存储介质，方法包括：获取高压断路器的故障振动信号；对故障振动信号进行并行分解得到若干本征模态函数，并组成低维度并行子数据；提取本征模态函数的时域和频域能量熵特征，得到特征向量；将特征向量输入混合分类器模型，通过混合分类器模型基于特征向量对高压断路器进行故障诊断；其中，混合分类器模型包括单类支持向量机和概率神经网络，单类支持向量机用于识别高压断路器是否为正常样本，概率神经网络用于识别异常样本对应的故障类别。本发明能够实现对高压断路器故障准确判别检测，提高电力系统可靠性和稳定性。
-
公开(公告)号：CN119357799A
公开(公告)日：2025-01-24
申请号：CN202411512125.2
申请日：2024-10-28
Applicant: 广东电网有限责任公司东莞供电局
IPC: G06F18/2411 , G06N3/0442 , G06N3/08 , G01M13/00
Abstract: 本发明涉及高压断路器技术领域，尤其涉及一种高压断路器机械状态预测方法、装置、计算机设备及存储介质，方法包括：采集断路器相关数据样本；将采集的断路器相关数据样本进行预处理，划分数据集；将数据集利用LSTM神经网络进行训练，预测断路器的HVCB在四种机械状态下的断路器相关数据，并利用预测结果计算预测的机械特性参数；将预测的机械特征参数输入到训练的SVM模型中进行诊断，使用并行加速模块优化，获得预测结果，能够实现对高压断路器机械状态的高效、准确预测，有助于及时掌握断路器机械状态变化趋势，提前预测可能的机械故障，避免重大事故发生，减少经济损失，保障电力系统的安全稳定运行。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.046 seconds)
