-
公开(公告)号：CN108336739B
公开(公告)日：2021-04-27
申请号：CN201810033786.5
申请日：2018-01-15
申请人： 重庆大学
IPC分类号： H02J3/06
摘要： 本发明公开了一种基于RBF神经网络的概率潮流在线计算方法，主要包括以下步骤：1)建立RBF神经网络概率潮流模型。2)获取所述RBF神经网络概率潮流模型的训练样本x。3)对所述训练样本数据x进行处理。4)对所述RBF神经网络概率潮流模型进行训练。5)获取计算样本。6)将步骤5得到的计算样本数据一次性输入步骤4中训练完成的RBF神经网络概率潮流模型中，得到所述训练目标，从而判断所有训练样本的潮流可解性。计算可解样本的潮流值。将计算样本数据进行反归一化处理。7)统计概率潮流指标。本发明可广泛应用于电力系统的概率潮流在线计算，特别适用于新能源高比例接入导致电力系统不确定性增强的情况。
-
公开(公告)号：CN108734391A
公开(公告)日：2018-11-02
申请号：CN201810430636.8
申请日：2018-05-08
申请人： 重庆大学
摘要： 本发明公开一种基于堆栈降噪自动编码器的电-气综合能源系统概率能流量计算方法。首先借助SDAE的深层堆栈结构以及编码解码过程，建立基于SDAE的能量流模型以有效挖掘非线性能量流方程的高阶特征。在此基础上，结合能量流输入输出的数值特点，提出基于ReLU激活函数、离差标准化归一化以及小批量梯度下降法的训练方法，以提高训练精度与速度。然后，结合MCS法抽样出待解样本，使用训练后的SDAE能量流模型直接映射出所有抽样样本的能量流值，从而在不增加硬件成本的前提下实现概率能量流的高精度在线计算。
-
公开(公告)号：CN108336739A
公开(公告)日：2018-07-27
申请号：CN201810033786.5
申请日：2018-01-15
申请人： 重庆大学
IPC分类号： H02J3/06
摘要： 本发明公开了一种基于RBF神经网络的概率潮流在线计算方法，主要包括以下步骤：1)建立RBF神经网络概率潮流模型。2)获取所述RBF神经网络概率潮流模型的训练样本x。3)对所述训练样本数据x进行处理。4)对所述RBF神经网络概率潮流模型进行训练。5)获取计算样本。6)将步骤5得到的计算样本数据一次性输入步骤4中训练完成的RBF神经网络概率潮流模型中，得到所述训练目标，从而判断所有训练样本的潮流可解性。计算可解样本的潮流值。将计算样本数据进行反归一化处理。7)统计概率潮流指标。本发明可广泛应用于电力系统的概率潮流在线计算，特别适用于新能源高比例接入导致电力系统不确定性增强的情况。
-
公开(公告)号：CN114487658A
公开(公告)日：2022-05-13
申请号：CN202111677286.3
申请日：2021-12-31
申请人： 国网河南省电力公司电力科学研究院 , 重庆大学 , 国网河南省电力公司 , 国家电网有限公司
摘要： 基于PMU误差校正的输电线路参数在线辨识方法及系统。首先，根据误差类型及测量数据的相应特点，分类型对PMU数据进行预处理。然后，针对难以觉察的偏置误差，基于输电线路集中等效模型，提出了考虑数据规律及误差灵敏度特性的PMU测量误差的校正方法；最后，在上述校正方法基础上，提出了全场站PMU数据质量的治理方案。通过模拟和实测数据进行仿真，结果表明本文所提方法相较于现有方法可改善PMU实际数据质量，进而实现输电线路参数的有效辨识。
-
公开(公告)号：CN108734391B
公开(公告)日：2021-07-20
申请号：CN201810430636.8
申请日：2018-05-08
申请人： 重庆大学
摘要： 本发明公开一种基于堆栈降噪自动编码器的电‑气综合能源系统概率能流量计算方法。首先借助SDAE的深层堆栈结构以及编码解码过程，建立基于SDAE的能量流模型以有效挖掘非线性能量流方程的高阶特征。在此基础上，结合能量流输入输出的数值特点，提出基于ReLU激活函数、离差标准化归一化以及小批量梯度下降法的训练方法，以提高训练精度与速度。然后，结合MCS法抽样出待解样本，使用训练后的SDAE能量流模型直接映射出所有抽样样本的能量流值，从而在不增加硬件成本的前提下实现概率能量流的高精度在线计算。
-
公开(公告)号：CN108304623B
公开(公告)日：2021-05-04
申请号：CN201810033776.1
申请日：2018-01-15
申请人： 重庆大学
IPC分类号： G06F30/20
摘要： 本发明公开了一种基于堆栈降噪自动编码器的概率潮流在线计算方法，主要包括以下步骤：1)建立SDAE概率潮流模型。2)获取所述SDAE概率潮流模型的训练样本。3)初始化所述SDAE概率潮流模型。4)对所述SDAE概率潮流模型进行训练，从而得到训练后的SDAE概率潮流模型。5)获取计算样本。6)将步骤5得到的计算样本数据一次性输入步骤4中训练完成的SDAE概率潮流模型中，得到所述训练目标，从而判断所有训练样本的潮流可解性；计算可解样本的潮流值。7)统计概率潮流指标。本发明可广泛应用于电力系统的概率潮流在线计算，特别适用于新能源高比例接入导致电力系统不确定性增强的情况。
-
公开(公告)号：CN114266290A
公开(公告)日：2022-04-01
申请号：CN202111414916.8
申请日：2021-11-25
申请人： 国网河南省电力公司电力科学研究院 , 重庆大学 , 国网河南省电力公司 , 国家电网有限公司
IPC分类号： G06K9/62 , G06F16/215 , H02J3/24 , G06Q50/06
摘要： 一种针对相量测量单元(PMU)频率数据异常的检测方法。所述方法包括：根据参考站与量测站监测的采样点，分别生成各自的频率序列数据；根据频率序列数据中元素的频率值，分别提取出由时间序号组成的极大值序列与极小值序列；根据参考站极大值序列与极小值序列，对量测站的极大值序列与极小值序列进行适配；分别合并参考站与量测站的极大值序列与极小值序列，以生成参考站与量测站的关键特征点序列；将参考站的关键特征点序列中的元素与量测站的关键特征点序列中的对应元素相减，得到差值序列；若差值序列的任一元素的绝对值均超过时延阈值，输出异常为频率存在时延。本公开可以精细化的检测各种异常情况。
-
公开(公告)号：CN109117951B
公开(公告)日：2021-11-16
申请号：CN201810033758.3
申请日：2018-01-15
申请人： 重庆大学
IPC分类号： G06N3/08
摘要： 本发明公开了一种基于BP神经网络的概率潮流在线计算方法，主要包括以下步骤：1)建立BP神经网络潮流模型。2)初始化BP神经网络潮流模型的基本参数。3)获取训练样本数据。4)确定训练目标。采用所述训练样本数据，对所述BP神经网络潮流模型进行训练，从而得到训练后的BP神经网络潮流模型。5)获取计算样本。6)将步骤3得到的训练样本数据一次性输入步骤4中训练完成的BP神经网络潮流模型中，得到所述训练目标，从而判断所有训练样本的潮流可解性；计算可解样本的潮流值。7)统计概率潮流指标。本发明可广泛应用于电力系统的概率潮流在线计算，特别适用于新能源高比例接入导致电力系统不确定性增强的情况。
-
公开(公告)号：CN109117951A
公开(公告)日：2019-01-01
申请号：CN201810033758.3
申请日：2018-01-15
申请人： 重庆大学
IPC分类号： G06N3/08
摘要： 本发明公开了一种基于BP神经网络的概率潮流在线计算方法，主要包括以下步骤：1)建立BP神经网络潮流模型。2)初始化BP神经网络潮流模型的基本参数。3)获取训练样本数据。4)确定训练目标。采用所述训练样本数据，对所述BP神经网络潮流模型进行训练，从而得到训练后的BP神经网络潮流模型。5)获取计算样本。6)将步骤3得到的训练样本数据一次性输入步骤4中训练完成的BP神经网络潮流模型中，得到所述训练目标，从而判断所有训练样本的潮流可解性；计算可解样本的潮流值。7)统计概率潮流指标。本发明可广泛应用于电力系统的概率潮流在线计算，特别适用于新能源高比例接入导致电力系统不确定性增强的情况。
-
公开(公告)号：CN108304623A
公开(公告)日：2018-07-20
申请号：CN201810033776.1
申请日：2018-01-15
申请人： 重庆大学
IPC分类号： G06F17/50
摘要： 本发明公开了一种基于堆栈降噪自动编码器的概率潮流在线计算方法，主要包括以下步骤：1)建立SDAE概率潮流模型。2)获取所述SDAE概率潮流模型的训练样本。3)初始化所述SDAE概率潮流模型。4)对所述SDAE概率潮流模型进行训练，从而得到训练后的SDAE概率潮流模型。5)获取计算样本。6)将步骤5得到的计算样本数据一次性输入步骤4中训练完成的SDAE概率潮流模型中，得到所述训练目标，从而判断所有训练样本的潮流可解性；计算可解样本的潮流值。7)统计概率潮流指标。本发明可广泛应用于电力系统的概率潮流在线计算，特别适用于新能源高比例接入导致电力系统不确定性增强的情况。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.024 秒)
