-
公开(公告)号：CN115330040A
公开(公告)日：2022-11-11
申请号：CN202210937499.3
申请日：2022-08-05
Applicant: 江苏润和软件股份有限公司
Abstract: 本发明提供一种基于深度学习的综合能源分布式风力发电预测方法及系统，结合CNN‑GRU深度学习算法对分布式风力发电进行准确预测，首先利用CNN提取各个风力发电机组数据之间的相关性，进而输入GRU，在利用GRU对时序数据的记忆功能的同时，又避免了像LSTM网络权重过多影响训练速度的问题，从而保证了预测的时效性、准确性。针对数据源中存在的缺失值，本发明基于相似性原理，利用与缺失值相似的数据点的加权平均值对缺失值进行填充，避免了丢弃所带来的模型训练数据量不足的问题。本发明通过利用GRU神经网络训练CNN传入的特征数据，在保证临近时间相关性的同时，缩减了模型训练的时间。
-
公开(公告)号：CN116319861A
公开(公告)日：2023-06-23
申请号：CN202310126490.9
申请日：2023-02-17
Applicant: 江苏润和软件股份有限公司
IPC: H04L67/12 , H04L41/0816 , H04L69/08 , H04L41/084 , H04L41/082
Abstract: 本发明提供了一种基于异构物联网云端协同智能处理应用的系统和方法，其特征在于，包括系统可以区分为云侧和端侧，其中云侧主要实现异构物联设备管理和物联处理模型版本库管理；端侧主要通过云侧动态配置并下发的物联处理模型，能够实现对异构物联设备或系统的数据接入、协议解析、算法处理和指令控制等功能的按需配置；本发明能够通过标准化的设备模型算法管理，为大型设备集成系统提升多种类型端侧设备的智能化应用能力，满足不同类型智能化设备协同应用的管理和安全性要求，有效提升异构物联网设备协同的规范性、安全性和稳定性。
-
公开(公告)号：CN114942740B
公开(公告)日：2022-10-21
申请号：CN202210815832.3
申请日：2022-07-12
Applicant: 江苏润和软件股份有限公司
Abstract: 本发明提供一种基于人工智能的变电站辅助设备在线实时监控方法及系统，包括：对所有的变电站辅助设备进行分类，得到实时显示设备子集、被动触发设备子集以及主动控制设备子集；建立与所述实时显示设备子集对应的实时显示界面，对实时显示界面进行分割得到多个子实时显示界面；建立与所述被动触发设备子集对应的被动显示界面，对被动显示界面进行分割得到多个子触发显示界面；建立与所述主动控制设备子集对应的主动显示界面，对主动显示界面进行分割得到多个子主动显示界面；对所述实时显示界面、被动显示界面以及主动显示界面融合处理得到融合显示界面，控制显示设备对所述融合显示界面显示。
-
公开(公告)号：CN114928174A
公开(公告)日：2022-08-19
申请号：CN202210872631.7
申请日：2022-07-21
Applicant: 江苏润和软件股份有限公司
Abstract: 本发明提供一种基于智能物联的光伏电站综合监控方法及系统，第一zigbee传输模块若判断在监测时间内的监测数据达到异常条件，则生成相对应的异常监测数据；以第一zigbee传输模块为传输起点、服务器为传输终点，确定连接拓扑图中相对应的多个第二zigbee传输模块；若所有第二zigbee传输模块的状态信息满足预设要求，第一zigbee传输模块根据第一数据传输路径将异常监测数据通传输至服务器；若判断存在第二zigbee传输模块的状态信息不满足预设要求，第一zigbee传输模块根据第二数据传输路径将异常监测数据通传输至服务器。
-
公开(公告)号：CN117764346A
公开(公告)日：2024-03-26
申请号：CN202311795354.5
申请日：2023-12-25
Applicant: 江苏润和软件股份有限公司
IPC: G06Q10/0631 , G06N5/01 , G06N20/20 , G06Q50/06
Abstract: 本发明公开的基于PCC‑XGBoost光伏系统清洗策略生成方法，包括：获取与光伏系统运行相关的原始数据；将数据划分为训练集、测试集；获取当前日期气象数据，采用PCC算法与历史气象数据进行相似性计算，得到特征向量；采用SMOTE算法对数据量较小类别进行采集，以消除数据不均衡；采用XGBoost算法构建光伏清洗策略模型，输入训练集的特征数据和标签数据，优化模型参数；采用测试集进行验证，将测试集的特征数据输入训练好的光伏清洗策略模型，模型输出为光伏系统清洗策略，将模型输出与测试集的标签数据做对比，以验证模型输出的可靠性。本发明利用相似性原理获取与当前日期气象条件最为相似的历史发电数据，从而保证决策模型的准确性。
-
Patent Agency Ranking
公开(公告)号：CN115864409A
公开(公告)日：2023-03-28
申请号：CN202310027483.3
申请日：2023-01-09
Applicant: 江苏润和软件股份有限公司
Abstract: 本发明提供了一种基于深度强化学习的电网断面功率调整策略，其特征在于，包括发电机组的选取和深度强化学习模块，其中所述发电机组的选取包括：断面功率调整，综合考虑机组的灵敏度、经济性与碳排量多方面因素，在维持断面潮流收敛并快速到达目标值时，机组运行的经济型与碳排量达到最优；所述深度强化学习模块包括模块的训练与验证，训练阶段通过设定的状态、动作、奖励值与奖励折扣系数，反复向模型中输入断面状态，并产生对应的动作经过计算最终获得拟合状态与动作关系的学习模型；对于验证阶段验证其是否能使断面功率快速到达目标值，并保证断面整体的经济性与碳排量；本发明在保证电网安全稳定运行的前提下，使得断面功率快速到达目标值。
-
公开(公告)号：CN115619040A
公开(公告)日：2023-01-17
申请号：CN202211391146.4
申请日：2022-11-08
Applicant: 江苏润和软件股份有限公司 , 湖北华中电力科技开发有限责任公司
IPC: G06Q10/04 , G06Q50/06 , G06N3/0475 , G06N3/094 , H02J3/00
Abstract: 本发明公开了一种基于GAN和GRU神经网络的电网负荷预测方法及装置，方法包括步骤：获取待进行电网负荷预测的日期信息、气象信息，以及电网负荷的历史数据，所述历史数据包括与所述日期信息对应的过去多个历史日期、气象数据和电网负荷的真实数据；将待所述历史数据和服从特定分布的随机数输入到生成对抗网络GAN中，对真实数据进行填充和归一化处理，然后由预测网络GRU依据完整的真实数据，生成电网负荷预测数据并输出。本发明充分利用了负荷数据的时序性特性，使用生成对抗网络对电网负荷历史数据进行填补，使用GRU网络对分布式电网场景下负荷用电数据进行准确预测，提高了负荷预测的准确性和运算速度。
-
公开(公告)号：CN114928174B
公开(公告)日：2022-10-21
申请号：CN202210872631.7
申请日：2022-07-21
Applicant: 江苏润和软件股份有限公司
Abstract: 本发明提供一种基于智能物联的光伏电站综合监控方法及系统，第一zigbee传输模块若判断在监测时间内的监测数据达到异常条件，则生成相对应的异常监测数据；以第一zigbee传输模块为传输起点、服务器为传输终点，确定连接拓扑图中相对应的多个第二zigbee传输模块；若所有第二zigbee传输模块的状态信息满足预设要求，第一zigbee传输模块根据第一数据传输路径将异常监测数据通传输至服务器；若判断存在第二zigbee传输模块的状态信息不满足预设要求，第一zigbee传输模块根据第二数据传输路径将异常监测数据通传输至服务器。
-
公开(公告)号：CN114942740A
公开(公告)日：2022-08-26
申请号：CN202210815832.3
申请日：2022-07-12
Applicant: 江苏润和软件股份有限公司
Abstract: 本发明提供一种基于人工智能的变电站辅助设备在线实时监控方法及系统，包括：对所有的变电站辅助设备进行分类，得到实时显示设备子集、被动触发设备子集以及主动控制设备子集；建立与所述实时显示设备子集对应的实时显示界面，对实时显示界面进行分割得到多个子实时显示界面；建立与所述被动触发设备子集对应的被动显示界面，对被动显示界面进行分割得到多个子触发显示界面；建立与所述主动控制设备子集对应的主动显示界面，对主动显示界面进行分割得到多个子主动显示界面；对所述实时显示界面、被动显示界面以及主动显示界面融合处理得到融合显示界面，控制显示设备对所述融合显示界面显示。
-
公开(公告)号：CN308135572S
公开(公告)日：2023-07-21
申请号：CN202330023609.0
申请日：2023-02-02
Applicant: 江苏润和软件股份有限公司
Abstract: 1.本外观设计产品的名称：人工智能能源管理一体机。
2.本外观设计产品的用途：作为软硬件集成机柜，用于新能源电站、企业园区、加油站、数据中心等场所，采集并分析发电、用电、能耗、碳排放、碳减排等数据，通过光伏全景监测平台、双碳平台、物联平台、AI分析平台等软件处理，为用户提供能源监测、节能管理和双碳管理。
3.本外观设计产品的设计要点：在于形状。
4.最能表明设计要点的图片或照片：立体图。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.026 seconds)
