-
公开(公告)号：CN110458405A
公开(公告)日：2019-11-15
申请号：CN201910618433.6
申请日：2019-07-10
Applicant: 清华大学
Abstract: 本发明涉及一种电力-微气象时空数据驱动的电力系统安全预警方法，属于电力系统安全分析技术领域。本发明方法采用深度神经网络模型，在考虑微气象因素下为电力系统安全预警提供了新的技术方案。本发明方法一方面使用数据驱动模型，解决了模型驱动方法在高维不确定性、多系统组合分析问题中计算效率低下的问题；另一方面综合考虑了微气象特征数据和电力系统特征数据及其时空特性，实现了电力系统与微气象因素之间的联系。该方法可以应用于电力系统安全预警领域中，提高安全预警的准确性，为电力系统运行调度人员提供调度依据，有助于提高电力系统调度的安全性。
-
公开(公告)号：CN110336270A
公开(公告)日：2019-10-15
申请号：CN201910321444.8
申请日：2019-04-22
Applicant: 清华大学
Abstract: 本发明涉及一种电力系统暂态稳定预测模型的更新方法，属于电力系统稳定控制技术领域。首先对初始训练场景集考虑的运行工况和预想故障进行统计，根据未来场景的预测情况，将其与已训练场景的运行工况和预想故障进行对比，根据对比结果判断是否启动暂态稳定预测模型的更新过程。本发明将未来场景集分为未计算暂态稳定性的训练样本和已计算暂态稳定性的测试样本；通过计算训练样本的不确定指标，选择不确定指标高的训练样本进行完整时域仿真，计得到暂态稳定性结果。本发明方法减少了时域仿真的计算时间，减少了模型再训练时间，从而减少了暂态稳定预测模型的在线更新时间，更新得到的暂态稳定预测模型仍能保证较高的准确率，具有重要的实用价值。
-
公开(公告)号：CN109390935A
公开(公告)日：2019-02-26
申请号：CN201811200479.8
申请日：2018-10-16
Applicant: 清华大学
IPC: H02J3/00
Abstract: 本发明涉及一种用于电力系统暂态稳定预测的样本生成方法，属于电力系统稳定分析技术领域。本发明采用规则提取的方法构建运行工况、故障与电力系统暂态稳定性之间的关联规则，当有新样本生成时，可以增量地更新失稳规则，有效地指导时域仿真得到更多失稳样本，得到稳定与失稳类别相对均衡的样本集，避免因失稳样本过少而导致数据驱动方法对失稳样本的欠学习，提高基于数据驱动的暂态稳定预测方法的应用效能。
-
公开(公告)号：CN114818469B
公开(公告)日：2024-09-24
申请号：CN202210293759.8
申请日：2022-03-23
Applicant: 清华大学 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC: G06F30/27 , G06Q50/06 , G06F119/02
Abstract: 本发明公开了一种基于迁移学习的电力系统输电断面极限评估方法，该方法包括：确定用于表征电力系统历史运行状态以及给定输电断面的极限传输容量标签的历史样本集合；生成新运行场景下带有断面TTC标签的预设数量电力系统运行样本集；构建用于电力系统输电断面极限评估的深度神经网络模型；根据迁移学习，训练深度神经网络模型的待求参数并得到训练好的深度神经网络模型；进行电力系统给定输电断面的TTC预测。本发明能够大幅度降低深度学习模型更新所需的新样本标注时间，使深度学习模型适用于新场景下的电力系统输电断面极限评估，同时为电力系统运行调度人员提供调度依据，提高了电力系统调度的安全性。
-
公开(公告)号：CN113488992B
公开(公告)日：2024-06-04
申请号：CN202110688128.1
申请日：2021-06-21
Applicant: 清华大学 , 国网浙江省电力有限公司绍兴供电公司 , 国网浙江省电力有限公司 , 国家电网有限公司
Abstract: 本发明属于电力系统稳定判断技术领域，涉及一种电力系统大扰动稳定性判别方法。本发明考虑大扰动功角稳定、大扰动电压稳定和大扰动动态稳定，首先，采集大扰动后发电机转子角和母线电压幅值，通过均值和极差的计算得到受扰严重的发电机和母线，采用受扰严重发电机的转子角和受扰严重母线的电压幅值分别作为卷积层、池化层、批量归一化层、全连接层的输入，然后将上述两类输出合并输入至全连接层，得到大扰动稳定输出，构成大扰动判别模型的结构，求解待求参数得到最终的大扰动稳定判别模型，并用于大扰动稳定性判别。本发明综合考虑了多种电力系统大扰动稳定性，在输入变量的选择上，只选择受扰严重的发电机和母线特征作为输入，使模型具有更好的适用性。
-
Patent Agency Ranking
公开(公告)号：CN113489010B
公开(公告)日：2024-05-28
申请号：CN202110684535.5
申请日：2021-06-21
Applicant: 清华大学 , 国网浙江省电力有限公司绍兴供电公司 , 国网浙江省电力有限公司 , 国家电网有限公司
Abstract: 本发明涉及一种基于线性支持向量机的电力系统潮流样本收敛性调整方法，属于电力系统仿真技术领域。首先采集电力系统在不同运行方式下的潮流方程初值数据及对应的收敛性，得到训练集和测试集；结合专家经验以及历史出力情况，确定所有参数的最大可调整量；利用线性支持向量机算法在训练集上求解收敛域超平面，利用计算得到的收敛性判断决策函数可以得到给定样本的潮流计算收敛性判断结果；针对不收敛样本利用求解得到的收敛域超平面法向量作为相关系数对潮流样本进行调整，快速准确给出样本收敛性调整方案，从而给出可以收敛的电力系统潮流样本。
-
公开(公告)号：CN117875632A
公开(公告)日：2024-04-12
申请号：CN202311841738.6
申请日：2023-12-28
Applicant: 清华大学
IPC: G06Q10/0631 , G06Q10/0635 , G06Q50/06 , G06F18/214 , G06F18/2431 , G06N3/0464 , G06N3/09
Abstract: 本发明提出一种电力系统暂态稳定曲线快速预测方法，包括，构建电力系统的运行场景图数据集；构建用于快速预测电力系统暂态稳定曲线的图神经网络模型；利用运行场景图数据集，训练图神经网络模型；采集电力系的当前运行状态数据；对当前运行状态数据进行预处理，获得输入特征图数据集；将输入特征图数据集输入到训练好的图神经网络模型中，输出电力系统发电机的暂态稳定曲线。本发明提出的方法，采用图神经网络构建电力系统暂态稳定曲线预测模型，可以解决现有基于深度学习的暂态稳定评估模型输出有效信息不足，缺少发电机级别的暂态稳定时域信息，难以基于预测值进行运行风险决策和方式分析的问题。
-
公开(公告)号：CN113177357B
公开(公告)日：2022-08-09
申请号：CN202110471521.5
申请日：2021-04-29
Applicant: 清华大学
IPC: G06F30/27 , G06F30/18 , G06K9/62 , G06N3/08 , H02J3/00 , G06F111/02 , G06F113/04
Abstract: 本发明涉及一种电力系统暂态稳定评估方法，属于电力系统稳定分析技术领域。首先对电力系统不同运行工况和预设故障进行暂态稳定仿真，采集电力系统在故障发生前的数据，通过暂态稳定标签的统计结果和最大最小归一化方法得到不同预设故障下的数据集；然后，基于Jaccard距离和Hausdorff距离构建不同预设故障的相似性评价指标，基于相似性评价指标对不同预设故障的数据集进行聚类；对每个聚类内的不同预设故障依次训练权值共享的多任务孪生神经网络，得到用于暂态稳定评估的多个多任务孪生神经网络。本方法考虑了暂态稳定评估中不同预设故障的相似性，利用相似预设故障的不同数据集训练孪生网络，有利于提高暂态稳定评估模型的泛化能力，从而提高暂态稳定评估结果的准确性。
-
公开(公告)号：CN114818469A
公开(公告)日：2022-07-29
申请号：CN202210293759.8
申请日：2022-03-23
Applicant: 清华大学 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC: G06F30/27 , G06Q50/06 , G06F119/02
Abstract: 本发明公开了一种基于迁移学习的电力系统输电断面极限评估方法，该方法包括：确定用于表征电力系统历史运行状态以及给定输电断面的极限传输容量标签的历史样本集合；生成新运行场景下带有断面TTC标签的预设数量电力系统运行样本集；构建用于电力系统输电断面极限评估的深度神经网络模型；根据迁移学习，训练深度神经网络模型的待求参数并得到训练好的深度神经网络模型；进行电力系统给定输电断面的TTC预测。本发明能够大幅度降低深度学习模型更新所需的新样本标注时间，使深度学习模型适用于新场景下的电力系统输电断面极限评估，同时为电力系统运行调度人员提供调度依据，提高了电力系统调度的安全性。
-
公开(公告)号：CN113177357A
公开(公告)日：2021-07-27
申请号：CN202110471521.5
申请日：2021-04-29
Applicant: 清华大学
IPC: G06F30/27 , G06F30/18 , G06K9/62 , G06N3/08 , H02J3/00 , G06F111/02 , G06F113/04
Abstract: 本发明涉及一种电力系统暂态稳定评估方法，属于电力系统稳定分析技术领域。首先对电力系统不同运行工况和预设故障进行暂态稳定仿真，采集电力系统在故障发生前的数据，通过暂态稳定标签的统计结果和最大最小归一化方法得到不同预设故障下的数据集；然后，基于Jaccard距离和Hausdorff距离构建不同预设故障的相似性评价指标，基于相似性评价指标对不同预设故障的数据集进行聚类；对每个聚类内的不同预设故障依次训练权值共享的多任务孪生神经网络，得到用于暂态稳定评估的多个多任务孪生神经网络。本方法考虑了暂态稳定评估中不同预设故障的相似性，利用相似预设故障的不同数据集训练孪生网络，有利于提高暂态稳定评估模型的泛化能力，从而提高暂态稳定评估结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.023 seconds)
