摘要：本发明公开了一种电力线路杆塔中圆柱形钢管的焊接磁力接地装置，在承载主体的两端下方分别铰接有支架，且在每个支架的下端套装有强力磁体，在承载主体上设置有贯通上下两侧的通孔，接地连杆穿过通孔，安装在承载主体上，当在进行圆柱形钢管焊接时，可将承载主体放置在圆柱形钢管的上方，而后通过承载主体下方支架上的强力磁铁吸附在待焊接圆柱形钢管的外表面，进而该焊接磁力接地装置整体环抱在待焊接圆柱形钢管上方及两侧，此时安装在承载主体上的接地连杆中位于承载主体下方的端部与待焊接圆柱形钢管相抵导通，将接地线夹持在接地连杆中位于承载主体上方的端部，即可实现待焊接圆柱形钢管的接地作业，整个接地作业操作简单、方便易行。

摘要：本发明属于清洁设备技术领域，尤其是一种变压器外表清理设备，针对现有清洁设备的清洁辊上的刷毛并不能实现旋转的调整过程问题，现提出以下方案，包括固定基座，所述固定基座的两端位置均设置有抱箍固定机构，所述固定基座的外部滑动设置有移动基座，所述移动基座的底部位置与固定基座的底部位置之间设置有移动机构，所述移动基座的顶部中间位置设置有旋转机构。本发明清洁辊的内部设置有转动驱动齿环，清理刷毛通过刷毛圆座转动固定在清洁辊的圆周，通过转动驱动齿环的转动可以使得刷毛圆座产生转动，使清理刷毛产生转动，使得扁体的刷毛变为水平方向的扁体，可以与清洁辊竖直移动的过程结合，对散热翅板上竖直方向上的油污灰尘进行刷洗。

摘要：本发明公开了一种耐张绝缘子更换用具及耐张绝缘子的更换方法，所述更换用具由横向伸缩机构将第一夹具和第二夹具进行连接，并由连接件将插入式拖瓶架连接在横向伸缩机构的下方，构成更换用具整体，其中第一夹具和第二夹具均口径可调适用于不同口径耐张绝缘子的更换，而且第一夹具和第二夹具之间通过由横向伸缩机构连接，二者之间的距离也可自由调整，不仅适用于不同长度耐张绝缘子，而且便于进行耐张绝缘子的更换工作，通用性强，一个更换用具可适用于不同的耐张绝缘子更换，无需不断进行工具的更换，提高维修效率；所述更换方法中使用了上述更换用具，整个更换过程简单易行。

摘要：本发明公开了一种输电线路复导线带电断、接引线地电位的方法，采用复导线绝缘控制器将引线外推，进行先水平后垂直的方式带电分离，使带电引线完全脱离电场后再向下进行接地，相比于以往单导线带电断接引线作业时，分离、绝缘、接地的一次性操作完成，本发明中采用分步的形式，其中，分离、绝缘是一次性操作完成的，绝缘后在引线无摆动的情况下接地是第二次操作完成的，以达到增加引线对地空气间隙、保证安全距离的目的，提高操作的安全性；上述方法具有操作简单、便于操作、安全性高等优点。

摘要：本发明提出一种基于优化BP神经网络的超短期光伏功率预测方法，涉及光伏发电技术领域，包括：通过聚类模型获得的样本，运用EM算法遍历所有样本参数，并将样本归于概率最大的一类，即可获得理想模型。获得完整的数据模型后，考虑到可能存在的采集样本数目不足情况，利用SMOTE增强算法来对初始学习器数目进行补足，并用优化烟花算法对BP神经网络的权重和阈值进行优化。引入蜂群搜索算法强化烟花个体间的信息交流，加快算法收敛速度同时提升精度，增强了算法的求解效率，从而实现对烟花算法进行优化。最终通过结合优化烟花算法的BP神经网络算法输出光伏发电功率输出结果，从而提高光伏发电功率预测的运算速度与精度，加强增强算法的求解效率。

摘要：本发明属于光伏调度领域，尤其涉及一种考虑光伏消纳量约束和多交易主体经济性的光伏调度方法，建立联合考虑配电网光伏消纳量最大和多主体经济性最优的多目标优化模型，建立联合考虑配电网光伏消纳量最大和多主体经济性最优的多目标优化模型，配电网光伏消纳量最大，多主体经济性最优、多主体经济性最优、构造其目标函数，增添约束条件；由目标函数，构造日内滚动优化模型对其日内调度计划进行实时调整，更新其目标函数，通过日内滚动优化方法优化了配电企业、分布式发电商、电力用户的目标函数，对日内调度计划进行实时调整，分析多主体经济性最优进一步优化模型，为市场环境下分布式光伏调度方法提供决策参考。

摘要：本发明公开了一种基于优化DBN和Bi‑LSTM的短期光伏功率预测方法，利用DBN能够捕捉非线性特征的特点和Bi‑LSTM处理时序特征的能力，构建了SSA优化的DBN和PSO优化的Bi‑LSTM组合预测模型，完成训练数据序列的深度特征提取，采用SSA对DBN进行参数优化，提高DBN收敛速度与特征提取能力，提高泛化性能；本发明利用PSO对Bi‑LSTM中的隐藏层单元数α，学习率ε，丢弃概率ρ进行调节，提高网络鲁棒性和全局搜索能力，提升收敛速度。

摘要：一种基于时间序列预测与深度学习互补的短期负荷预测方法，涉及负荷预测技术领域技术领域。该方法首先利用ADF检验和KPSS检验对历史负荷数据序列进行平稳性检验，若不平稳则进行差分处理直至信号平稳。其次，通过在蜣螂优化算法中引入周期突变机制以提升算法的寻优能力，并利用改进后的蜣螂优化算法对差分整合移动平均自回归模型参数p和q进行定阶，实现ARIMA对负荷的预测。然后，使用LSTM将ARIMA预测的非线性的残差序列进行预测。最后，将得到的负荷预测结果进行校验，大幅度提升模型的预测准确率，得到更为精确的短期负荷预测结果。达到更高的精度。

摘要：本发明属于功率预测领域，尤其涉及一种基于参数优化VMD和组合LSTM‑GRU模型的光伏功率预测方法，对输入的光伏时间序列进行数据的归一化处理；由归一化后的光伏时间序列，利用VMD分解将波动性高的功率序列分解为一组相对平稳的模态分量；预设参数k和α，设定为初始化鲸鱼种群位置向量，利用WOA算法，以包络熵的极小值作为WOA算法的适应度函数，优化VMD参数[k,α]，得到VMD分解的最佳输出模态；构建LSTM网络模型，并预测LSTM网络的第一预测功率数据；构建GRU网络模型，并预测GRU网络模型的第二预测功率数据；利用历史预测误差的倒数来得到权重，对第一预测功率数据和第二预测功率数据进行加权平均生成最终的功率预测结果。旨在利用信号分解算法和神经网络算法来实现对光伏功率的精准预测。

摘要：一种基于注意力机制的优化LSTM短期负荷预测方法，属于光伏预测技术领域。本发明首先对历史用电负荷数据等影响因素进行预处理。其次，将处理好的数据用以训练模型，借助改进的蜣螂优化算法对长短期记忆神经网络的超参数进行寻优，使输入数据与网络结构更好地进行匹配。最后，进行负荷预测同时对算法模型进行分析。利用注意力机制通过重分配输入权重，突出有效信息特征，使得在长时间序列训练中不会被影响；利用改进的蜣螂优化算法对LSTM中的超参数进行寻优，避免人工选取的不确定性。预测精度方面较之前LSTM的提升算法均有显著的提高，大幅度提升模型的预测准确率。