配网台区智能电能表运行状态监测方法

    公开(公告)号:CN112417371A

    公开(公告)日:2021-02-26

    申请号:CN202011392355.1

    申请日:2020-12-01

    Abstract: 本发明提供一种配网台区智能电能表运行状态监测方法,包括:S1、采集台区内一总线所对应的各智能电能表的运行电气数据;S2、对所获取的电气运行数据进行预处理,对预处理后的数据进行拼接组合,构建时空数据集;S3、建立所述时空数据集的高维因子模型,从所述高维因子模型中获取残差矩阵进行分析,并确定最优残差矩阵;S4、挖掘所述最优残差矩阵的统计信息,根据预设的指标体系监测各智能电能表的运行状态。本发明能够对智能电能表的运行状态进行监测,提高智能电能表计量监测的效率和准确性。

    基于多智能体强化学习的能源互联网需求响应调度方法

    公开(公告)号:CN115986754A

    公开(公告)日:2023-04-18

    申请号:CN202211309409.2

    申请日:2022-10-25

    Abstract: 本发明公开了一种基于多智能体强化学习的能源互联网需求响应调度方法,其特征在于,包括步骤:S1,能源互联网调度中心获取能源互联网运行数据和电力市场数据;S2,能源互联网调度中心建立能源互联网优化调度模型;S3,能源互联网调度中心构建源荷两侧的智能体系统,并进行训练;S4,能源互联网调度中心控制智能体根据环境执行动作;S5,能源互联网调度中心根据实际环境和计算结果控制内部成员的功率输出,实现系统整体的优化调度和经济最优化运行。本发明在现有技术的基础上,将能源互联网中的柔性负荷调度纳入考虑,利用多智能体强化学习算法进行调度,使系统整体收益更高,资源利用率提高。

    一种电网线路特定异物智能巡检方法

    公开(公告)号:CN111931577A

    公开(公告)日:2020-11-13

    申请号:CN202010646192.9

    申请日:2020-07-07

    Abstract: 一种电网线路特定异物智能巡检方法,属线路检测领域。采用人工/无人车/无人机以电网和天空为背景,在电网线路下方朝上自动拍摄、搜集、传输图片;将图像经过图片尺度缩放算法进行自动预处理并存入目标检测图像文件夹内;基于训练集数据增强方法大幅提升在原有训练集图片数量不足时的Faster-RCNN检测模型性能,待检测图像经模型检测后获取检测结果。其结合现有人工/无人车/无人机巡检,提出特定角度拍摄目标以简化图像背景,提升检测效果;通过编写自动处理图像尺寸算法减少了人工处理图像的工作量,基于计算机视觉技术实现故障的自动识别,提升了整体巡检流程的智能化水平,节约了人工成本。可广泛用于电网线路的智能巡检领域。

    一种基于世界模型的城市分布式能源资源调度方法及系统

    公开(公告)号:CN119539410A

    公开(公告)日:2025-02-28

    申请号:CN202411674099.3

    申请日:2024-11-21

    Abstract: 本发明涉及一种基于世界模型的城市分布式能源资源调度方法及系统,该方法包括:实时采集城市电力系统中各类分布式能源资源的运行数据,输入到世界模型中进行处理,输出分布式能源资源调度方案,其中所述世界模型包括虚拟仿真子模型、态势感知器和智能决策器,其中所述输出分布式能源资源调度方案的步骤包括:基于实时采集的运行数据,结合历史运行数据,建立城市电力系统的虚拟仿真子模型;基于所述虚拟仿真子模型,采用所述态势感知器进行态势感知与分析;基于态势感知与分析结果,采用智能决策器自动生成分布式能源资源调度方案。与现有技术相比,本发明具有实现能源资源的虚拟化调度模拟,快速、精准地识别异常并及时调整策略等优点。

    一种基于GAN-CNN的开关柜局放故障模式识别方法

    公开(公告)号:CN115840116A

    公开(公告)日:2023-03-24

    申请号:CN202211659218.9

    申请日:2022-12-22

    Abstract: 本发明公开了一种基于GAN‑CNN的开关柜局放故障模式识别方法,包括如下步骤:S1,采集变电站开关柜的局部放电的PRPD图谱数据;S2,结合先验知识和真实PRPD图谱,基于GAN网络,生成可用于分类模型学习的仿真PRPD局放缺陷图谱;S3,随机抽取部分真实PRPD图谱作为测试集,将仿真PRPD图谱和剩余真实PRPD图谱打乱后作为训练集输入CNN网络进行训练,得到开关柜局放故障模式识别模型;S4,用训练完成的模型对实时PRPD图谱进行局放模式识别,实现变电站开关柜的态势感知和异常监测。本发明能够对海量PRPD图谱开展特征分析,通过对PRPD数据进行深层挖掘,在有效解决历史训练集中负样本稀缺问题的同时提高识别模型准确率。

Patent Agency Ranking