一种考虑负荷重要程度的节点电压暂降严重程度评估方法

    公开(公告)号:CN108629525A

    公开(公告)日:2018-10-09

    申请号:CN201810462927.5

    申请日:2018-05-15

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明涉及一种考虑负荷重要程度的节点电压暂降严重程度评估方法,基于层次分析法确定各级负荷的暂降影响系数,以量化负荷重要程度;基于各级负荷的暂降影响系数来定义系统侧指标,以反映暂降对节点负荷的整体影响;结合设备电压耐受曲线确定用户侧指标,描述敏感负荷接入节点将承受的故障风险;基于灰色关联分析进行电压暂降严重程度评估:从样本中确定一个理想化的最优样本,作为参考序列,通过计算各样本序列与该参考序列的关联度,对被评价对象做出综合比较和排序。本发明可用于评估多节点多次暂降的严重程度,为改善供电质量问题和节点电压暂降治理提供依据。

    一种主客观结合的城市配电网反脆弱能力评价方法

    公开(公告)号:CN118863271A

    公开(公告)日:2024-10-29

    申请号:CN202410989644.1

    申请日:2024-07-23

    摘要: 本发明涉及一种主客观结合的城市配电网反脆弱能力评价方法,包括:基于影响城市配电网运行水平和供电能力的因素,构建包括总体目标层、评价目标层、一级评价指标层和二级评价指标层的配电网评价指标体系,获取各个指标的初始分数;通过构建判断矩阵对各层次数据进行比较;计算判断矩阵的最大特征根及对应的特征向量,进行一致性检验;将判断矩阵的特征向量进行归一化得到权向量,结合预先获取的专家对负载能力和转供能力指标的权重,得到主客观融合后的权重;基于主客观融合后的权重以及所述初始分数,实现配电网反脆弱能力评价。与现有技术相比,本发明能够充分利用专家经验和具体指标数据,能够全面反映当前配电网的运行特性。

    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。