基于深度学习的风电机组运行风险智能检测方法及设备

    公开(公告)号:CN118517383B

    公开(公告)日:2024-10-11

    申请号:CN202410977067.4

    申请日:2024-07-22

    摘要: 本发明涉及一种基于深度学习的风电机组运行风险智能检测方法及设备,所述方法包括以下步骤:从待测风电机组运行数据中获取关键特征向量,以所述关键特征向量作为经训练的异常检测智能模型的输入,获取运行风险检测结果;其中,所述关键特征向量采用错误感知马尔可夫毯算法对风电机组海量运行状态进行特征选择确定;所述异常检测智能模型训练时,将正常数据标记为负类,异常数据标记为正类,利用双注意力机制从全局和局部视角下采用对比学习方法分析和学习风电机组运行数据的特征表示,最大化正常样本特征表示的一致性和异常样本特征表示的差异性。与现有技术相比,本发明具有在减少特征数量的同时提高异常检测能力等优点。

    基于相关性分析的变电站设备全生命周期管理方法及系统

    公开(公告)号:CN118657514A

    公开(公告)日:2024-09-17

    申请号:CN202411106579.X

    申请日:2024-08-13

    摘要: 本发明涉及一种基于相关性分析的变电站设备全生命周期管理方法及系统,该方法包括:获取变电站设备的实时状态采样时序数据,筛选出影响因素作为清洗量测;将清洗量测填入预先设定的可变长度移动窗口中,输出可变长度的移动窗口数据矩阵;采用差分隐私技术添加噪声,输入基于时序模式注意力机制的循环神经网络状态预测模型中,输出变电站设备的实时状态预警预测量;判断是否达到设定预警值,若是则计算实时状态预警预测量与对应的影响因素之间的相关性,筛选出故障因素,若否则不做任何操作;基于故障因素进行故障检修,并重复上述步骤实现对变电站设备全生命周期管理。与现有技术相比,本发明具有提升变电站设备的智能管理水平等优点。

    一种电网在线调度系统、方法和存储介质

    公开(公告)号:CN117439066A

    公开(公告)日:2024-01-23

    申请号:CN202311395078.3

    申请日:2023-10-25

    摘要: 本发明涉及一种电网在线调度系统、方法和存储介质,系统中,混合动作空间统一映射模块将混合决策空间映射到离散动作空间,仿真采样模块执行蒙特卡洛树搜索并与电网仿真环境进行交互收集数据,数据存储模块存储采样数据,策略优化模块读取数据进行学习;之后使用经过训练阶段的调度系统进行电网在线调度。与现有技术相比,本发明具有通过深度神经网络的自适应学习和大规模的仿真模拟探索电网系统的调度策略,避免了对领域知识的依赖;通过大量积累的统计信息进行决策,可以为高度随机性事件提供有效的解决方案;将混合的决策空间统一映射到离散决策空间,实现了同时针对离散和连续的调节任务做出有效决策等优点。