-
公开(公告)号：CN112488442A
公开(公告)日：2021-03-12
申请号：CN202011183389.X
申请日：2020-10-29
申请人： 国网河南省电力公司郑州供电公司 , 山东大学 , 国家电网有限公司
摘要： 本发明公开了一种基于深度强化学习算法及源荷不确定性的配电网重构方法，根据在分布式能源大规模并网的背景下，配电网重构过程中，受环境因素和人为因素等的影响，分布式能源的可用性及配电系统负荷可能与预测不符，若仍按照预想的离线优化方案进行配电网重构，则在实际的重构过程中，可能会出现电压越限的可靠性问题和网损增大的经济性问题，因此事前制定的重构方案虽然可以给调度运行人员一定的指导，但可能无法直接用于实际重构过程，因此，本发明提出的深度强化学习求解配电网重构的方法，基于配电网中分布式能源出力、网络负荷的不确定性问题，可通过日前神经网络的训练，实现针对含分布式能源的配电网重构在线算法，实现配电网重构的秒级求解。
-
公开(公告)号：CN112486959A
公开(公告)日：2021-03-12
申请号：CN202011212641.5
申请日：2020-11-03
申请人： 国网河南省电力公司郑州供电公司 , 北京华源格林科技有限公司 , 国家电网有限公司
IPC分类号： G06F16/215 , G06F16/2458 , G06F16/901 , G06Q50/06
摘要： 本发明公开了一种基于图数据库技术的电网动态拓扑结构智能识别方法，其步骤是：步骤一：对各系统的台账数据进行采集，并识别提取相应的数据信息；步骤二：以文本相似度、共有属性一致性、图结构特征作为模型分析规则，并通过随机森林、支持向量机和神经网络算法，分别对提取的数据信息进行逻辑核查，并得出核查分析结果；步骤三：通过数据清洗去除核查后台账数据中的过时数据、无效数据，重复数据；步骤四：基于国网SG‑CIM3.0数据标准，运用图数据库技术，将清洗后的台账数据转换为电网网架拓扑图，存储在图数据库中；步骤五：通过电网网架拓扑图中的连接关系存在的错误及数据质量问题，使用台区线损反推，找出户变关系中存在的错误问题。
-
公开(公告)号：CN111082401A
公开(公告)日：2020-04-28
申请号：CN201911116644.6
申请日：2019-11-15
申请人： 国网河南省电力公司郑州供电公司 , 华北电力大学 , 国家电网有限公司
摘要： 本发明公开了一种基于自学习机制的配电网故障恢复方法，电网正常运行时，依据风险评估结果进行预想事故仿真，进而构建基于事故预案与历史故障恢复方案的自学习数据库；故障后，提取故障特征，并计算当前故障与数据库中存储故障的相似度，按照由高到低的顺序排序；利用匹配到相似故障的供电恢复方案快速可靠地实现供电恢复的任务。本发明将传统复杂耗时的在线优化问题，转变成有限故障状态的相似性评估问题，在保证故障恢复方案质量的同时，大大降低了实时计算量，从而提高了供电恢复决策速度和方案性能，使供电恢复系统升级为具有自我学习、自我完善和不断进化能力的智能控制系统。
-
公开(公告)号：CN110350511A
公开(公告)日：2019-10-18
申请号：CN201910436835.4
申请日：2019-05-23
申请人： 国网河南省电力公司郑州供电公司 , 华北电力大学 , 国家电网有限公司
摘要： 本发明公开了一种基于转供电亲和度的配电网故障恢复方法，电网正常运行时，分析负荷节点与各联络开关之间的转供电路径，计算路径的电气长度、运行可靠性及剩余容量，基于TOPSIS排序法统筹上述因素确定各联络开关对负荷节点的转供电亲和度；电网故障后，依据转供电亲和度排序结果快速生成供电恢复方案。本发明利用转供电亲和度不变性联系故障前后配电网形态，通过故障前对转供电亲和度的运算分析提升故障后供电恢复策略的生成速度，有效避免了故障恢复后配电网负载不均衡现象的发生。
-
公开(公告)号：CN110350510A
公开(公告)日：2019-10-18
申请号：CN201910436833.5
申请日：2019-05-23
申请人： 国网河南省电力公司郑州供电公司 , 华北电力大学 , 国家电网有限公司
摘要： 本发明公开了一种考虑故障影响度的配电网供电恢复方法，通过分析配电网故障对负荷与网架结构造成的影响评估故障影响度，划分故障严重等级匹配供电恢复模型，执行故障恢复算法生成供电恢复方案。本发明通过引入故障影响度评估与控制模型自适应匹配机制协调供电恢复算法速度与策略质量之间的固有矛盾，在电网发生大面积失电情况下，系统将快速恢复负荷供电作为唯一目标，采用粒子群算法搜索转供电策略，在获取恢复全局负荷供电的可行解后即退出搜索；当电网故障造成的负荷停电损失较轻且不会影响重要负荷供电时，将负荷失电量、控制成本、电网重构后的运行性能同时作为评价指标，采用多目标粒子群算法搜寻最优方案，提升故障恢复算法的策略质量。
-
公开(公告)号：CN108876054A
公开(公告)日：2018-11-23
申请号：CN201810741481.X
申请日：2018-07-06
申请人： 国网河南省电力公司郑州供电公司 , 河南煜晖能源科技有限公司 , 国家电网有限公司
摘要： 本发明公开了一种基于改进遗传算法优化极限学习机的短期电力负荷预测方法，利用爬山法在子代种群中再次进行择优选择，选择一个初始个体，在临近区域内再挑选一个个体，将两个个体进行适应度值比较，留下适应度值好的个体；若初始个体被取代或几次迭代均找不到更好的个体则停止迭代，通过爬山法寻优调整遗传算法的搜索方向，使遗传算法朝着全局最优方向进行，获得最优的权值和阈值，获得网络优化预测模型，并与BP网络、极限学习机的预测结果进行对比分析，包括预测网络模型输入输出量的选取、改进遗传算法优化极限学习机的算法和预测结果分析。本发明具有较快的训练速度和更为准确的预测结果，适应于影响因素众多、数据量巨大的现代短期电力负荷预测。
-
公开(公告)号：CN106711996A
公开(公告)日：2017-05-24
申请号：CN201611067007.0
申请日：2016-11-28
申请人： 国网河南省电力公司郑州供电公司 , 郑州大学 , 国家电网公司
IPC分类号： H02J3/00
摘要： 本发明公开了一种母线失压故障供电恢复及开关操作顺序生成方法，通过建立配电网的CSP模型，并采用动态异步回溯算法寻找满足约束关系且最目标函数最优化的联络元件加载负荷的方式，对比供电恢复前后各联络元件加载负荷方式的变化来生成基于各联络元件的开关操作顺序生成方法，将得到的开关操作顺序的结果提供给操作命令系统，供调度员决策执行或自动执行，使供电恢复的速度更加快捷。本发明采用基于供电恢复前后联络元件加载负荷方式变化的开关操作顺序生成方法，简单易操作，且不会发生馈线过负荷或闭环等不满足供电恢复要求的情况，此类方法对于目前的配电网结构具有可行性，便于实现，便于调度人员在发生母线失压这种大面积停电时快速并安全转移负荷。
-
公开(公告)号：CN106684908A
公开(公告)日：2017-05-17
申请号：CN201611067010.2
申请日：2016-11-28
申请人： 国网河南省电力公司郑州供电公司 , 郑州大学 , 国家电网公司
CPC分类号： Y02P80/14 , H02J3/38 , H02J3/44 , H02J2003/388
摘要： 本发明公开了一种微网中基于下垂特性的模式自适应电压源控制方法，由孤岛状态下的改进下垂控制、微电网双模式平滑切换控制、联网状态下的改进下垂控制组成，通过对P‑f型下垂控制增加了限幅和虚拟惯性环节，实现微电网在孤岛运行状态下的多下垂控制型微源的并联稳定运行；通过对外部电网和微电网的相角偏差和电压幅值偏差进行PI调节，得到预同期频率偏差控制信号和电压偏差控制信号，各微源逆变器接收微电网预同期控制系统下达的频率偏差控制信号和电压偏差控制信号后，按照信号平移有功下垂曲线和无功下垂曲线进行控制；通过增加联络线功率控制，根据有功和无功参考值偏差进行调节，分别得到基准有功功率和基准无功功率参考信号，按照信号平移有功下垂曲线和无功下垂曲线进行控制。
-
公开(公告)号：CN106711996B
公开(公告)日：2019-08-20
申请号：CN201611067007.0
申请日：2016-11-28
申请人： 国网河南省电力公司郑州供电公司 , 郑州大学 , 国家电网公司
IPC分类号： H02J3/00
摘要： 本发明公开了一种母线失压故障供电恢复及开关操作顺序生成方法，通过建立配电网的CSP模型，并采用动态异步回溯算法寻找满足约束关系且最目标函数最优化的联络元件加载负荷的方式，对比供电恢复前后各联络元件加载负荷方式的变化来生成基于各联络元件的开关操作顺序生成方法，将得到的开关操作顺序的结果提供给操作命令系统，供调度员决策执行或自动执行，使供电恢复的速度更加快捷。本发明采用基于供电恢复前后联络元件加载负荷方式变化的开关操作顺序生成方法，简单易操作，且不会发生馈线过负荷或闭环等不满足供电恢复要求的情况，此类方法对于目前的配电网结构具有可行性，便于实现，便于调度人员在发生母线失压这种大面积停电时快速并安全转移负荷。
-
公开(公告)号：CN118171071A
公开(公告)日：2024-06-11
申请号：CN202410161028.7
申请日：2024-02-04
申请人： 国网河南省电力公司郑州供电公司 , 李景丽
IPC分类号： G06F18/21 , G06F17/13 , G06F18/213 , G06N3/084 , G06N3/086
摘要： 本发明提供一种基于粒子群优化神经网络的变压器故障诊断方法和装置，包括以下步骤：获取变压器故障样本集，所述变压器故障样本集中包括多种故障类型下变压器油中的溶解气体含量数据，对于每个变压器故障样本，基于无编码比值法进行预处理，获得变压器气体比值特征；从变压器故障样本集中随机筛选出测试集，并利用测试集通过灰色关联度法从变压器故障样本集中筛选出训练集；利用训练集通过粒子群算法对基于BP神经网络的变压器故障诊断模型进行训练，并利用测试集对变压器故障诊断模型进行测试，得到训练好的变压器故障诊断模型；将待诊断变压器的变压器油中溶解气体含量数据输入至训练好的变压器故障诊断模型，获得故障诊断结果。
-
-
-
-
-
-
-
-
-
搜索结果
64 条记录 (耗时 0.079 秒)
