-
公开(公告)号：CN104836523B
公开(公告)日：2017-03-22
申请号：CN201510213885.8
申请日：2015-04-29
申请人： 国家电网公司 , 国网山东省电力公司电力科学研究院
摘要： 本发明公开了一种基于李雅普诺夫开关耦合极值搜索的光伏储能发电模组，包括光伏电池单元接口；光伏电池电压均衡单元；SEPIC馈电升降压变换单元，其与光伏电池电压均衡单元串联连接；锂离子电池单元接口；投切单元，其与SEPIC馈电升降压变换单元和锂离子电池单元分别相连；主控单元，其与投切单元和2-Lyapunov极值搜索MPPT控制器单元分别相连，2-Lyapunov极值搜索MPPT控制器单元，包括对光伏电池电压均衡单元进行极值搜索的前级光伏电压均衡Lyapunov极值搜索MPPT控制子单元，及对SEPIC馈电升降压变换单元进行极值搜索的后级SEPIC馈电升降压Lyapunov极值搜索MPPT控制子单元，两者交替进行极值搜索。
-
公开(公告)号：CN106338673A
公开(公告)日：2017-01-18
申请号：CN201610865177.7
申请日：2016-09-29
申请人： 国网山东省电力公司电力科学研究院 , 重庆大学 , 国网山东省电力公司 , 国家电网公司
发明人： 苏建军 , 张方正 , 白万建 , 赵岩 , 雍军 , 陈玉峰 , 郭志红 , 王有元 , 杨祎 , 杜修明 , 孟瑜 , 吕俊涛 , 蔡亚楠 , 刘航 , 周立玮 , 刘玉 , 朱文兵 , 朱孟兆 , 朱庆东
摘要： 本发明公开了一种变压器绕组故障特征参量提取方法，包括：对变压器绕组故障类型进行划分；选取特征参量；分别对变压器绕组故障类型数据和特征参量数据进行离散化；并将上述离散化数据组合成一个数据组；将每一组数据离散化后获得的数据组进行组合，获得数据事务组，根据得到的数据事务组获得故障特征量与故障类型的相关度。本发明有益效果：利用计算出的变压器状态特征量与绕组故障类型之间的关联度，如果关联度低，可以在故障诊断中放弃此项特征量数据，能有效提高故障诊断算法的效率，并且可以应用在对故障类型划分较细的绕组故障诊断。
-
公开(公告)号：CN105931001A
公开(公告)日：2016-09-07
申请号：CN201610301329.0
申请日：2016-05-06
申请人： 国网山东省电力公司电力科学研究院 , 国家电网公司
IPC分类号： G06Q10/08
CPC分类号： G06Q10/0875 , G06Q10/087
摘要： 本发明一种基于型号分析的金属氧化物避雷器台账自动校验方法，包括以下步骤：将金属氧化物避雷器产品型号作为一个字符串，根据每个字符的ASCII码值判定其属性，对整个型号字符串进行属性遍历，进行分仓放置；对产品型号字母进行提取，并赋予其字段名，将产品型号字母信息按照结构特征和使用场所进行分割，得到设备属性字段值；对型号中分解得到的设备属性字段值和生产管理系统中的台账属性字段进行一一对应，比对校验，校正错误的台账属性。本发明通过自动处理型号并校验台账的方式，可以极大地减轻现有工作方式的工作量。
-
公开(公告)号：CN105787270A
公开(公告)日：2016-07-20
申请号：CN201610105167.3
申请日：2016-02-25
申请人： 国网山东省电力公司电力科学研究院 , 国家电网公司
摘要： 本发明公开了一种输电线路多时间尺度负载能力动态预测方法，包括步骤(1)：利用输电线路的气温、风速和输电线路负荷电流的历史数据，分别搭建对应的气温Elman神经网络模型、风速Elman神经网络模型和输电线路负荷电流Elman神经网络模型；利用对应的Elman神经网络模型预测到对应的气温预测值、风速预测值和输电线路负荷电流预测值；步骤(2)：利用气温预测值、风速预测值和日照辐射强度，依据稳态热容量计算模型，计算得到输电线路稳态负载能力未来设定时间内的预测值；步骤(3)：利用输电线路的负荷电流预测值、气温预测值、风速预测值和日照辐射强度，依据导线温度计算模型和暂态热容量计算模型，计算得到输电线路暂态负载能力未来设定时间内的预测值。
-
公开(公告)号：CN105608184A
公开(公告)日：2016-05-25
申请号：CN201510975556.7
申请日：2015-12-23
申请人： 国网山东省电力公司电力科学研究院 , 国家电网公司 , 山东鲁能软件技术有限公司
摘要： 本发明公开了一种应用于输变电设备模型异构系统的数据融合方法及其系统，该方法包步骤(1)：采集不同业务系统中相同输变电设备的相关数据至融合数据库并进行分层存储，每一层存储空间对应一种业务系统；步骤(2)：解析每层存储空间中输变电设备的相关数据，获取输变电设备的属性信息及其相关联数据；步骤(3)：根据预设匹配规则进行自动匹配融合数据库中每层存储空间中输变电设备的属性信息；步骤(4)：将匹配后输变电设备属性信息及其相关联数据逐一映射到相对应的数据表中，完成跨业务系统异构系统的数据自动匹配，最终实现电力系统输变电设备模型异构系统的数据融合。
-
公开(公告)号：CN105574669A
公开(公告)日：2016-05-11
申请号：CN201510943246.7
申请日：2015-12-16
申请人： 国网山东省电力公司电力科学研究院 , 国家电网公司
摘要： 本发明公开了时空联合数据聚类分析的输变电设备状态异常检测方法，包括以下步骤：对输变电设备状态数据的时间分量添加时窗获得时间子序列，通过结合空间分量以及生成的时间子序列，得到时空子序列；通过使用c均值模糊聚类FCM对时空子序列按不同时窗进行聚类，得到分块矩阵；每个分块矩阵描述分块矩阵对应的时窗中存在的类；根据输变电设备状态历史正常数据计算单个时空子序列的异常度值，并利用分块矩阵对每个时窗的类赋予异常度值，根据异常度值大小判断设备状态的异常情况；如果异常度值高，则说明设备状态存在异常情况；利用分块矩阵建立不同时窗中的各个类之间的关系，从而形象化地观察异常类的发展情况。
-
公开(公告)号：CN105550700A
公开(公告)日：2016-05-04
申请号：CN201510902558.3
申请日：2015-12-08
申请人： 国网山东省电力公司电力科学研究院 , 国家电网公司
发明人： 牛进苍 , 陈玉峰 , 张锦逵 , 祝永新 , 盛戈皞 , 杜修明 , 杨祎 , 郭志红 , 辜超 , 朱文兵 , 郑建 , 李秀卫 , 朱孟兆 , 周加斌 , 李程启 , 马艳 , 马强 , 李欣阳 , 刘鑫意 , 刘梦云
CPC分类号： G06K9/6247 , G06N3/084
摘要： 本发明公开了一种基于关联分析和主成分分析的时间序列数据清洗方法，步骤：采用皮尔逊系数分析法(PCC)找出变压器故障和其它电力数据的一些隐藏关联；采用主成分分析法(PCA)对所有相关的时间序列进行降维、降噪处理；将清洗后的一部分数据作为训练集输入到BP神经网络(BPNN)中进行训练学习，并用剩下的部分数据作为测试集对模型加以验证。本发明与传统技术相比，能显著提高变压器故障诊断的精确度，同时可以提高分类的准确度，并且在面对高维数据时，运算时间更短。
-
公开(公告)号：CN104953652A
公开(公告)日：2015-09-30
申请号：CN201510319252.5
申请日：2015-06-11
申请人： 国网山东省电力公司电力科学研究院 , 国家电网公司
发明人： 王建 , 陈玉峰 , 辜超 , 朱文兵 , 吴奎华 , 杜修明 , 朱孟兆 , 周加斌 , 彭飞 , 朱庆东 , 任敬国 , 李杰 , 白德盟 , 袁海燕 , 马艳 , 杨祎 , 张林利 , 高静
摘要： 本发明公开了电动汽车有序充电控制方法，步骤一，综合电池特性、充电模式及用户行为习惯因素建立电动汽车充电负荷特性模型；步骤二，建立集中式优化模型，以最小化负荷峰谷差为目标，按照各时段负荷需求与平均负荷水平的方差最小建立，使负荷波动最小化，实现平抑负荷，得到参考优化功率；步骤三，建立分布式优化模型，根据电网与中间管理者在所述步骤二优化过程中所得的参考优化功率和24小时动态电价，对个体充电方案进行优化。采用集中式与分布式结合的优化控制理念，建立协调控制模型，以减小电动汽车大规模无序充电对电网规划运行带来的负面影响。
-
公开(公告)号：CN104778352A
公开(公告)日：2015-07-15
申请号：CN201510149180.4
申请日：2015-03-31
申请人： 国家电网公司 , 国网山东省电力公司电力科学研究院
IPC分类号： G06F19/00
摘要： 本发明公开了一种基于STFT算子的七参数光伏电池输出特性建模方法，包括：建立光伏电池输出特性的等效电路初始模型；定义STFT算子，得到光伏电池的解耦显式方程参数模型；利用光伏电池制造商提供的标准工况基础数据，建立非线性方程组，求解算法求取所述未知参数；求得解耦显式方程参数模型在给定工况下的未知参数值；将所述给定工况下的未知参数值带入所述光伏电池解耦显式方程参数模型中，得到最终的给定工况下综合反映光伏电池输出特性的光伏电池模型。本发明有益效果：模型解耦所采用的STFT算子没有定义域限制，并且可以根据需要设置期望的STFT解耦算子计算精度，应用更加灵活。
-
公开(公告)号：CN104502820A
公开(公告)日：2015-04-08
申请号：CN201410827848.1
申请日：2014-12-25
申请人： 国家电网公司 , 国网山东省电力公司电力科学研究院
IPC分类号： G01R31/12
摘要： 本发明公开了一种基于二维小波变换的变压器局部放电图谱去噪方法，包括步骤(1)：输入待去噪的变压器局部放电三维图谱，变压器局部放电三维图谱为{fm,n；m,n＝1,2,...,k；k∈N+}，fm,n表示图谱中(m,n)点的灰度值；步骤(2)：选择合适的小波基和分解层数j；步骤(3)：对含噪的变压器局部放电三维图谱进行二维小波变换，将图谱分解为最高分解层数的平滑分量和各个分解层的细节分量；步骤(4)：采用BayesShrink阈值对步骤(3)中所得的各分解层的细节分量进行阈值量化处理来除去噪声分量，且另存为新的细节分量；步骤(5)：利用步骤(4)中得到新的细节分量和步骤(2)中得到的最高分解层数的平滑分量进行图谱重构，得到去噪后的变压器局部放电三维图谱。
-
-
-
-
-
-
-
-
-
搜索结果
200 条记录 (耗时 0.072 秒)
