-
公开(公告)号:CN119580031A
公开(公告)日:2025-03-07
申请号:CN202411626179.1
申请日:2024-11-14
Applicant: 国网上海市电力公司
IPC: G06V10/774 , G06V10/776 , G06V10/74 , G06V10/82 , G06V10/30 , G06V20/70 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N7/01
Abstract: 本发明涉及一种基于大模型的电力图像样本数据处理方法、设备、存储介质,方法包括:获取电力图像,利用卷积神经网络提取低级特征和高级特征,作为图像特征,以所述图像特征以及预先获取的电力领域知识库信息作为预训练的大模型的输入,生成标签信息,得到真实样本,实现电力图像的标注;在标注过程中,利用贝叶斯神经网络引入概率分布,以最大化对数似然估计减少标注的不确定性;以使得判别器无法区分生成样本和真实样本为目标训练生成对抗网络,利用训练好的生成对抗网络生成新的电力图像,通过标注得到生成样本;结合平均绝对误差和Fréchet距离,对真实样本和生成样本的相似度和分布一致性进行评估。
-
公开(公告)号:CN119557290A
公开(公告)日:2025-03-04
申请号:CN202411507655.8
申请日:2024-10-28
Applicant: 国网上海市电力公司 , 中国电力科学研究院有限公司
IPC: G06F16/215 , G06F18/10 , G06F18/21 , G06F18/24 , G06Q50/06 , G06N3/0442 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于机器学习的电网运行数据的清洗方法及系统,该方法包括以下步骤:获取电网结构的实时运行数据;采用预先训练好的自编码器模型对所述实时运行数据依次进行低维表示和数据重构,并基于重构数据进行筛选,得到异常数据和正常数据;基于所述异常数据,采用Apriori算法进行异常数据分类,分为非正常状态数据和脏数据,并剔除所述脏数据;采用预先训练好的GRU递归神经网络模型对剔除所述脏数据的异常数据进行补全,得到补全后的异常数据,完成数据清洗过程。与现有技术相比,本发明具有实现了高效、低门槛的电网运行数据清洗等优点。
-
公开(公告)号:CN118554417A
公开(公告)日:2024-08-27
申请号:CN202410455709.4
申请日:2024-04-16
Applicant: 国网上海市电力公司 , 国网智能电网研究院有限公司 , 华东电力试验研究院有限公司
Abstract: 本发明涉及电网安全控制技术领域,具体提供了一种基于配电网数字孪生模型的负荷转供方法及装置,包括:获取配电网区域中故障线路的邻近线路的拉手开关在预先构建的配电网区域的负荷转供拓扑模型中的后继物理连接边的属性信息;基于后继物理连接边的属性信息在邻近线路中选择支撑线路,并利用支撑线路对故障线路进行转供支撑;其中,预先构建的配电网区域的负荷转供拓扑模型通过对预先构建的配电网区域的数字孪生模型进行等值处理获取,物理连接边的属性信息包括:物理连接边所连接开关之间包含的所有变压器的额定容量之和和已使用容量之和。本发明提供的技术方案具备较高的分析性能和实用性,能够为负荷转供分析提供有效的方案支撑。
-
公开(公告)号:CN118468529A
公开(公告)日:2024-08-09
申请号:CN202410521877.9
申请日:2024-04-28
Applicant: 国网上海市电力公司 , 国网智能电网研究院有限公司 , 华东电力试验研究院有限公司
IPC: G06F30/20 , G06Q50/06 , G06F119/02
Abstract: 本发明涉及电力信息技术领域,具体提供了一种面向配电网业务应用的数字孪生模型动态重构方法及装置,基于配电网业务调用需求在多个数据存储区域中调配数据资源的分布,从而实现对数字孪生模型的动态重构,能够随着业务调用请求涉及数据资源分布的更新,各个数据资源分区中的数据资源随之更新,保证各分区中数据资源与业务调用请求的高匹配性。能够解决复合式数字孪生模型在配电网业务应用过程中存在的模型响应性能瓶颈问题,通过降低数据资源的无效查询概率,提高数字孪生模型的数据响应效率。
-
公开(公告)号:CN118051402A
公开(公告)日:2024-05-17
申请号:CN202410122687.X
申请日:2024-01-29
Applicant: 国网上海市电力公司 , 东方电子股份有限公司
Abstract: 本发明涉及电源监控技术领域,具体为基于动态感知与数据协同的电源监控系统;包括:动态感知模块、数据库、监测分析模块和决策执行模块;通过分别分析电源设备的运行状态和储能设备的衰减程度以得到状态异常评估指数和储能衰减评估值指数;并据此进行综合分析以的得到采集间隔,能够确保对电源子系统的实时、准确的智能监测更,有效避免频繁的采集信息导致的信息堵塞和采集频率低下导致采集的信息不及时;同时将状态异常评估指数、储能衰减评估指数与负载值进行匹配分析以判断电源设备和储能设备是否满足当前的电源子系统中的负载变化并生成对应的决策,以提升电源设备和储能设备的匹配性,提高电网系统设备利用效率,确保电网系统稳定运行。
-
公开(公告)号:CN117833330A
公开(公告)日:2024-04-05
申请号:CN202311524170.5
申请日:2023-11-15
Abstract: 本发明涉及一种分布式发电系统的电压控制方法,包括以下步骤:S1、建立事件触发机制,当存在数据随机时延或数据丢包时,自动转入数据随机时延补偿控制或数据丢包补偿控制;所述数据随机时延补偿控制通过建立通信网络离散时延模型,设计异步迭代算法,对分布式发电系统通信网络中的随机时延进行优化补偿;S2、建立基于模糊逻辑的多模式电压控制模型,计算分布式发电系统中各节点光伏逆变器输出的无功功率;S3、基于各节点光伏逆变器输出的无功功率和各节点实际的无功功率,通过无功功率PI控制环实现各节点光伏逆变器对分布式发电系统的电压控制。与现有技术相比,本发明能够在非完美通信条件下有效实现电压控制。
-
公开(公告)号:CN117422247A
公开(公告)日:2024-01-19
申请号:CN202311387188.5
申请日:2023-10-24
IPC: G06Q10/0631 , H02J3/38 , G06Q50/06 , G06N3/006
Abstract: 本发明涉及一种基于电网容量约束的分布式光伏最大装机容量计算方法,包括以下步骤:获取区域配电网的配网结构,并记录所述配网结构的节点负荷容量和原始的分布式光伏装机容量;在所述配网结构的节点负荷容量和原始的分布式光伏装机容量基础上,将分布式光伏的接入容量不断加入到配网结构中,采用灰狼优化算法和模拟退火算法计算满足电网容量约束下的分布式最大装机容量。与现有技术相比,本发明具有避免局部最优,提高计算准确性等优点。
-
公开(公告)号:CN117332902A
公开(公告)日:2024-01-02
申请号:CN202311384794.1
申请日:2023-10-24
IPC: G06Q10/04 , G06Q50/06 , G06F18/23213
Abstract: 本发明涉及一种基于储能与分时电价策略的新能源消纳率优化方法,包括以下步骤:获取新能源出力曲线与运营商用户负荷曲线;将所述新能源出力曲线与运营商用户负荷曲线划分为多类数据;根据时段将所述多类数据输入至预先构建的上层储能优化模型中,以获得储能优化配置和计算运行日成本;将所述运行日成本输入至预先构建的下层强化学习模型中,寻找最优分时电价,并结合所述储能优化配置以提高新能源就地消纳率。与现有技术相比,本发明具有提高新能源就地消纳率等优点。
-
公开(公告)号:CN117314111A
公开(公告)日:2023-12-29
申请号:CN202311354649.9
申请日:2023-10-18
IPC: G06Q10/0631 , G06Q50/06
Abstract: 本发明涉及一种集群电动汽车主从博弈优化调度方法、设备及介质,其中方法包括:构建基于路网的电动汽车充电需求预测模型,提取电动汽车出行特性并进行充电需求刻画;负荷聚合商对电动汽车进行聚类;构建基于负荷聚合商和电动汽车集群的主从博弈双层优化模型,其中,负荷聚合商作为上层领导者,以自身收益最大化为目标制定调度计划并向下层发布电价策略;聚类后的各电动汽车子群作为下层跟随者,引入用户满意度效用函数,根据上层发布的电价确定自身充放电计划,以达到各电动汽车子群消费者剩余最大化。与现有技术相比,本发明在考虑电动汽车用户用电偏好的基础上,能够有效调动电动汽车用户参与需求响应,符合电网的调度期望。
-
公开(公告)号:CN117060416A
公开(公告)日:2023-11-14
申请号:CN202311013623.8
申请日:2023-08-11
Applicant: 国网上海市电力公司 , 华东电力试验研究院有限公司
Abstract: 本发明涉及一种面向高比例新能源电网的智能运行决策系统,该系统基于强化学习框架,其中,电网静态特征抽取模块(1)和电网动态特征抽取模块(2)对电网各时刻潮流端面的特征进行抽取后分别输入关键节点选择模块(3)和节点功率调整模块(4),关键节点选择模块(3)和节点功率调整模块(4)对特征信息处理并通过分层决策模式输出电网调度策略,电网调节效益评估模块(5)对输出的电网调度策略进行评估并反馈。与现有技术相比,本发明具有帮助强化学习框架的模型训练学习,实现了在非稳态电网环境中进行连续稳定调控;通过分层决策机制,约束模型单步的决策空间,提升了模型的探索效率,降低了运行控制成本等优点。
-
-
-
-
-
-
-
-
-