-
公开(公告)号：CN112381282B
公开(公告)日：2022-06-17
申请号：CN202011237371.3
申请日：2020-11-09
Applicant: 上海交通大学
Abstract: 一种基于宽度学习系统的光伏发电功率预测方法，通过光伏系统历史出力数据和气象数据构建光伏发电预测数据集，利用BLS对光伏发电功率进行点预测以确定BLS网络结构参数；再通过Adam优化算法以及光伏发电预测数据集经训练得到不同比例分位数的BLS输出权重，最后经过结果评估实现光伏发电功率预测。本发明采用拟合性能较好且计算效率较高宽度学习系统作为预测模型，基于分位数回归和Adam优化算法对光伏发电功率的分位数进行预测，从而能够充分反映光伏出力的不确定性。
-
公开(公告)号：CN111695082A
公开(公告)日：2020-09-22
申请号：CN202010610767.1
申请日：2020-06-30
IPC: G06F17/16 , G06F30/20 , G06Q10/06 , G06Q50/06 , H02J13/00 , G06F111/10 , G06F113/04
Abstract: 一种智能配电网抗差动态状态估计方法，根据智能配电网的各项参数和量测配置情况构建系统静态模型和动态模型并通过静态抗差状态估计获得初始值，然后在一个SDADA量测周期内，获取μM-PMU的量测，并根据获取时间生成对应的量测模型并经动态滤波后进行状态预测，得到抗差动态状态估计结果。本发明将静态抗差状态估计引入两周期动态状态估计中，并且建立了两周期数据融合方法，能够有效利用SCADA数据进行抗差估计，并利用估计结果关联前后两周期的数据。
-
公开(公告)号：CN119514878A
公开(公告)日：2025-02-25
申请号：CN202411665796.2
申请日：2024-11-20
Applicant: 上海交通大学 , 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
IPC: G06Q10/063 , G06Q50/06 , G06Q50/40 , G06N20/00 , G06N7/08
Abstract: 本申请涉及一种基于矩独立法的交通网‑配电网不确定因素重要程度的确定方法以及相关设备。通过获取待确定交通网‑配电网中满足设定条件的不确定因素，之后获取多个不确定因素中的任一当前不确定因素对应的第一分布特征信息，并将当前不确定因素和除当前不确定因素以外的其他不确定因素输入PCK模型，得到第二分布特征信息，进一步将不确定因素输入PCK模型，得到第三分布特征信息，最后基于第一分布特征信息、第二分布特征信息以及第三分布特征信息，获取各不确定因素对应的概率联合流全局灵敏度指标信息，并根据概率联合流全局灵敏度指标信息确定各不确定因素的重要程度。采用本方法能够提高交通网‑配电网中的不确定因素重要程度的确定准确度。
-
公开(公告)号：CN119362683A
公开(公告)日：2025-01-24
申请号：CN202310997874.8
申请日：2023-08-09
Applicant: 上海交通大学
Abstract: 本发明一种两周期数据关联的智能配电网抗差动态状态估计方法，涉及配电网领域，包括以下步骤：1进行配电网量测变换，建立统一量测模型，转第2步；2进行超短期功率预测，并对矩阵计算并行化加速，转第3步；3判断是否为SCADA采样时刻，如果是，利用μM‑PMU和SCADA量测量共同形成全量测模型，转第4步；否则，根据μM‑PMU量测量形成线性量测模型；若该步为一个周期内的第一个μM‑PMU采样时刻，转第6步；4进行静态抗差状态估计；转第5步；5进行动态滤波内部量更新，关联两周期数据；转第6步；6进行动态滤波，转第7步；7根据动态模型进行状态预测；本发明关联前后两个周期内的数据，有效利用静态抗差状态估计的估计结果。
-
公开(公告)号：CN117313304A
公开(公告)日：2023-12-29
申请号：CN202310546389.9
申请日：2023-05-16
Applicant: 上海交通大学
IPC: G06F30/20 , H02J3/06 , G06F18/2321 , G06Q50/06 , G06F113/04 , G06F111/08
Abstract: 本发明公开了配电网潮流全局灵敏度分析的高斯混合模型方法，涉及配电网领域，所述方法包括如下步骤：步骤1，建立配电网潮流输入变量与输出变量的联合概率密度函数的高斯混合模型；步骤2，获得配电网潮流输出变量的概率密度函数的解析式，并计算其方差；步骤3，获得配电网潮流输出变量关于输入变量的条件概率密度函数和条件方差的解析式，并计算条件方差的期望值；步骤4，根据步骤2和步骤3获得的结果计算配电网潮流全局灵敏度指标，完成配电网潮流全局灵敏度分析。本发明只需要较少次数的潮流计算，耗时很短，避免了耗时的代理模型构建和蒙特卡洛模拟计算过程，显著提升了配电网潮流全局灵敏度分析的计算效率。
-
Patent Agency Ranking
公开(公告)号：CN113541130B
公开(公告)日：2023-09-15
申请号：CN202110811394.9
申请日：2021-07-19
Abstract: 一种基于拓扑结构的配电网关键线路脆弱性识别方法，将配电网的节点等效为图模型的节点、配电网的线路等效为图模型的边，从而将配电网抽象为配电网拓扑结构模型，根据配电网拓扑结构模型中从电源节点到负荷节点的最短路径以及电源到负荷的各条供电路径计算得到关键线路脆弱性指标，实现关键线路脆弱性识别。本发明综合考虑供电路径间独立性和路径内独立性建立配电网拓扑结构模型，通过分析电源到负荷各条供电路径的路径间独立性和路径内独立性全面评估线路脆弱性，得到的线路关键程度指标全面反映了线路在配电网中的关键程度且实现过程简便。
-
公开(公告)号：CN116029484B
公开(公告)日：2023-07-04
申请号：CN202310009814.0
申请日：2023-01-05
Applicant: 上海交通大学
IPC: G06Q10/063 , H02J3/38 , G06Q50/06
Abstract: 本发明公开了一种基于多保真度模型的配电网运行状态评估方法及系统，涉及配电网运行状态评估领域，由配电网源‑荷、线路信息构建的，以配电网不确定性量测数据为输入，以配电网运行状态指标为输出的高保真度模型或低保真度模型，与采集到的配电网不确定性量测数据，在固定计算负担下最优分配输入各模型的量测样本数量，提升配电网运行状态指标矩信息评估的准确性；使用一种基于综合启动函数的概率分布函数刻画方法，利用多保真度模型提供的先验信息，使得概率分布函数的拟合结果更接近于实际分布。本发明能够兼顾配电网不确定性环境下运行评估的效率与准确性，弥补了传统高、低保真度模型的不足，有利于匹配配电网运行分析的多时间尺度需求。
-
公开(公告)号：CN116111620A
公开(公告)日：2023-05-12
申请号：CN202310086622.X
申请日：2023-02-09
Applicant: 上海交通大学
Abstract: 一种基于电动公交车的移动储能资源与配电网联合优化方法，通过采集电动公交车的运行数据和电量需求并建立包含电动公交车移动充电模型的考虑新能源接入及电动公交车充电的配电网潮流模型；根据公交公司对于合作补偿价格的反应函数，建立双层优化模型，求解得到使电网获益最大的联合优化策略。本发明打破电动公交车在确定的充电站定点充电的限制，充分发挥其移动特性，优化非运行时段的充电站位置选择及其充放电量，使其可以在满足自身充电需求和位置要求的前提下，对电网的效益最大化。
-
公开(公告)号：CN115800269B
公开(公告)日：2023-05-05
申请号：CN202211695968.1
申请日：2022-12-28
Applicant: 上海交通大学
IPC: H02J3/00
Abstract: 本发明涉及电压功率灵敏度估计方法领域，具体涉及一种配电网量测数据驱动的电压功率灵敏度拓扑约束估计方法，包括如下步骤：对配电网电压功率灵敏度进行成分分解，将电压功率灵敏度分解为主成分和次成分；采集配电网节点量测数据和网络拓扑信息；建立电压功率灵敏度主成分估计的数据驱动的回归数学模型，并进行求解；建立电压功率灵敏度次成分估计的数据驱动的回归数学模型，并进行求解；将回归数学模型所得的主成分与次成分叠加得到最终的电压功率灵敏度。本发明通过主成分的变量降维和次成分的变量大小约束，显著降低了多重共线性问题对数据驱动方法的负面影响，相比现有方法精度大幅提升。
-
公开(公告)号：CN116011657A
公开(公告)日：2023-04-25
申请号：CN202310043210.8
申请日：2023-01-29
Applicant: 上海交通大学
Abstract: 本发明涉及态势感知技术领域，具体为基于微型PMU的配电网负荷预测模型优选方法、装置及系统。该方法获取样本负荷预测任务的任务数据和样本负荷预测任务的特征集F；根据样本负荷预测任务的任务数据对多个负荷预测模型进行训练，且基于均方根误差获取解决每个样本负荷预测任务的对应的最优负荷预测模型，构成最优负荷预测模型集Φ；将特征集F与最优负荷预测模型集Φ共同构成元数据 ；利用元数据 对分别多个元学习器进行训练，获得多个训练后的元学习器；利用多个训练后的元学习器分别对负荷预测任务特征集进行处理，获得多个模型推荐结果数据将多个模型推荐结果数据通过投票器，获得单一模型推荐结果数据
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.086 seconds)
