Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 清华大学;北方联合电力有限责任公司包头第二热电厂;北方联合电力有限责任公司戴晓业获国家专利权

清华大学;北方联合电力有限责任公司包头第二热电厂;北方联合电力有限责任公司戴晓业获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉清华大学;北方联合电力有限责任公司包头第二热电厂;北方联合电力有限责任公司申请的专利基于BP神经网络的火电厂综合能源系统运维调控方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119511994B

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411637321.2,技术领域涉及:G05B19/418;该发明授权基于BP神经网络的火电厂综合能源系统运维调控方法是由戴晓业;李洲;史琳;徐舒涵;郭红日;刘俊峰;芦燕设计研发完成,并于2024-11-15向国家知识产权局提交的专利申请。

基于BP神经网络的火电厂综合能源系统运维调控方法在说明书摘要公布了:本申请涉及一种基于BP神经网络的火电厂综合能源系统运维调控方法,其中,方法包括:采集火电厂综合能源系统中至少一个设备的实时数据及负荷需求;根据实时数据生成目标蒸汽量、目标燃料量和目标电负荷中的至少一项预测数据;对比至少一项预测数据与实时数据;根据故障信息、至少一项预测数据、实时数据及负荷需求调控综合能源系统运行;根据负荷波动情况、实时数据和至少一项预测数据调控综合能源系统,以生成综合能源系统的调控方案。由此,解决了相关技术未考虑结合综合能源系统解决现阶段电厂主要面临的发电小时数下降、盈利能力不足等问题,仅使用神经网络模型进行预测,存在预测精准度不够,没有从电厂的运维角度做出设计的问题。

本发明授权基于BP神经网络的火电厂综合能源系统运维调控方法在权利要求书中公布了:1.一种基于BP神经网络的火电厂综合能源系统运维调控方法,其特征在于,包括以下步骤: 采集火电厂综合能源系统中至少一个设备的实时数据及负荷需求; 根据所述实时数据生成目标蒸汽量、目标燃料量和目标电负荷中的至少一项预测数据; 对比所述至少一项预测数据与所述实时数据,以生成对比结果,并根据所述对比结果确定所述火电厂综合能源系统的故障信息; 根据所述故障信息、所述至少一项预测数据、所述实时数据及所述负荷需求调控所述综合能源系统运行,以生成运行结果; 基于所述运行结果,根据所述负荷需求确定负荷波动情况,并根据所述负荷波动情况、所述实时数据和所述至少一项预测数据调控所述综合能源系统,以生成所述综合能源系统的调控方案; 其中所述根据所述实时数据生成目标蒸汽量、目标燃料量和目标电负荷中的至少一项预测数据,包括:机理优化发电机组神经网络损失函数,以生成机理优化后的神经网络,并利用所述机理优化后的神经网络预测生产过程中的运行参数,以生成第一预测数据;处理所述火电厂综合能源系统各设备的运行数据,得到处理后的运行数据,并基于所述处理后的运行数据,利用预设神经网络预测所述生产过程中的运行参数,以生成第二预测数据;根据所述第一预测数据和所述第二预测数据确定所述至少一项预测数据; 所述发电机组神经网络损失函数的计算公式为: , 其中,为物理损失函数,为数学即神经网络损失函数; 所述根据所述对比结果确定所述火电厂综合能源系统的故障信息,包括:基于所述对比结果,根据决定系数的值和均方误差的值检测所述实时数据是否满足预设异常条件;若所述决定系数的值和所述均方误差的值均超过预设阈值,则判定所述实时数据满足所述预设异常条件,并确定所述火电厂综合能源系统发生故障,否则确定所述火电厂综合能源系统未发生故障; 所述决定系数的值的计算公式为: , 其中,为数据实际值,为基于模型所得出的预测值,为实际值的平均值; 所述均方误差的值的计算公式为: , 其中,为样本总数,为所述数据实际值,为基于所述模型所得出的预测值。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人清华大学;北方联合电力有限责任公司包头第二热电厂;北方联合电力有限责任公司,其通讯地址为:100084 北京市海淀区清华园1号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。