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 > 杭州国电电力科技发展有限公司许景坤获国家专利权

杭州国电电力科技发展有限公司许景坤获国家专利权

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!

龙图腾网获悉杭州国电电力科技发展有限公司申请的专利一种虚拟电厂中的数据分析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:CN120931048B

龙图腾网通过国家知识产权局官网在2026-02-24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:202511465842.9,技术领域涉及:G06Q10/0631;该发明授权一种虚拟电厂中的数据分析方法是由许景坤;严鹏飞;邱磊设计研发完成,并于2025-10-14向国家知识产权局提交的专利申请。

一种虚拟电厂中的数据分析方法在说明书摘要公布了:本发明涉及虚拟电厂智能调度与数据分析技术领域,公开了一种虚拟电厂中的数据分析方法,包括:基于残差窗口滑动与事件驱动机制识别激活区段;构造响应扰动指数并选择插值路径重构高分辨率响应曲线;通过多窗口时间配准与相似性评价分析偏离率;执行非线性归因并结合贝叶斯因果图输出因果链集合。相较于现有技术中部分接入设备存在低频采样或数据不完整条件下,无法有效还原调控行为曲线和无法对虚拟电厂多场站收益波动进行可解释因果溯因的技术问题,由于本发明通过构建动态扰动判定机制与分支插值模型、引入残差反事实预测模型与因果链条生成,避免了传统方法对异常响应误判与归因错误的问题,提高了调度精准度和收益稳定性。

本发明授权一种虚拟电厂中的数据分析方法在权利要求书中公布了:1.一种虚拟电厂中的数据分析方法,其特征在于,方法包括: 步骤S10:从虚拟电厂调度后台获取调控指令序列,同时接收来自接入设备的功率上报数据序列;基于残差窗口滑动对齐与事件驱动增强识别机制在预设的采样间隔判断功率上报数据序列中是否覆盖调控指令序列,并根据判断结果将功率上报数据序列划分为平稳区段和激活区段; 步骤S20:针对识别出的激活区段执行平均斜率指标构造任务和插值路径判定任务,并输出激活区段插值结果;其中,平均斜率指标构造任务输出响应扰动指数,当响应扰动指数大于预设的扰动指数阈值时,模型路径判定任务选择第一插值执行路径,当响应扰动指数小于或等于预设的扰动指数阈值时,模型路径判定任务选择第二插值执行路径; 其中,平均斜率指标构造任务输出响应扰动指数的步骤具体包括:针对激活区段构建功率变化斜率集合;计算功率变化斜率集合的均值与方差,并基于功率变化斜率集合的均值与方差定义响应扰动指数为单位时间内斜率变化幅度的归一化估计值;第一插值执行路径包括直接基于线性插值策略对激活区段内缺失点执行重构,输出的激活区段插值结果为低动态稳态插值结果,用于后续响应质量评估与奖惩反馈生成; 第二插值执行路径包括三个阶段:模态分解阶段:对激活区段内的原始功率曲线执行经验模态分解处理,将原始功率曲线分解为若干具有不同频率分布特性的本征模态分量;将所有本征模态分量按照预设加权因子进行线性组合,得到一条具有动态特征保留能力的初始插值响应曲线,作为后续非线性建模的输入参考;非线性建模阶段:将模态分解所得的初始插值响应曲线作为时间序列输入数据,输入至基于门控机制的循环神经网络结构中;通过循环神经网络结构对功率序列的短期动态变化趋势进行建模与预测,输出一条拟合后的插值响应曲线,用于刻画在激活区段内的快速响应行为特征;误差回退阶段:判断非线性建模阶段输出的插值响应曲线与模态分解阶段的初始插值响应曲线之间的拟合误差;若该误差超过预设阈值,则认为当前激活区段存在非典型扰动模式,退回采用基于指数衰减函数的物理建模策略构建响应插值曲线; 步骤S30:基于激活区段插值结果构建高分辨率响应曲线集合,并结合预设标准模板库采用基于多窗口时间配准和扰动响应相似评价机制执行偏离率分析,根据分析结果输出收益异常相应区段; 步骤S40:基于收益异常相应区段采用基于扰动传播模糊聚类与残差驱动反事实模拟相结合的非线性归因机制执行因素关联性识别处理,输出非线性归因结果; 其中,基于收益异常相应区段采用基于扰动传播模糊聚类与残差驱动反事实模拟相结合的非线性归因机制执行因素关联性识别处理,输出非线性归因结果的步骤,具体包括: 扰动传播模糊聚类阶段:根据收益异常区段中涉及的多场站响应行为,定义不同资源间的响应时间差、幅值协动程度与负荷耦合度三元指标作为模糊隶属度函数输入,执行模糊C均值聚类分析,提取得到因果关联的资源子集; 残差驱动反事实模拟阶段:针对因果关联的资源子集中每一个资源子集,引入基于时间门控单元的残差增强循环网络建模器,将每一个资源子集下的当前插值响应数据与预设的市场价格序列作为输入,输出理论收益预测值;获取实际收益数据,将理论收益预测值与实际收益数据进行残差计算,输出所有资源子集残差指标值; 非线性贡献分解阶段:对所有资源子集残差指标值采用递归特征消融法逐步剔除收益异常影响最大的资源子集,最终输出非线性归因结果; 步骤S50:基于非线性归因结果构建贝叶斯因果结构图G,计算最大后验路径并输出参考因果链集合。

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杭州国电电力科技发展有限公司,其通讯地址为:310012 浙江省杭州市西湖区古荡街道莲花街333号莲花商务中心南二号楼7层710室;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。