-
公开(公告)号：CN110061505B
公开(公告)日：2022-08-26
申请号：CN201910326286.5
申请日：2019-04-23
Applicant: 国电南瑞科技股份有限公司 , 国家电网公司华北分部 , 国电南瑞南京控制系统有限公司 , 南瑞集团有限公司 , 国家电网有限公司
IPC: H02J3/06
Abstract: 本发明公开了一种互联电网区域间有功功率自动支援方法，对于具备分部调度中心与省级控制区两级调度实时数据交互的区域电网：当区域电网的电网频率偏差超出设定支援限值时，则根据电网频率偏差计算有功功率支援总量，并将有功功率支援总量分配至参与支援的省级控制区，通过修改参与支援的省级控制区的交换计划，达到修改参与支援的省级控制区的ACE的目的，实现互联电网区域间的有功功率自动支援；对于不具备分部调度中心与省级控制区两级调度实时数据交互的区域电网：根据电网频率偏差所处区间不同，采取不同的省级控制区ACE计算方法，根据省级控制区的ACE进行互联电网区域间的有功功率自动支援。本发明能够实现电网频率快速恢复。
-
公开(公告)号：CN112736878B
公开(公告)日：2022-07-29
申请号：CN202110097521.3
申请日：2021-01-25
Applicant: 国电南瑞南京控制系统有限公司 , 国家电网公司华北分部 , 国电南瑞科技股份有限公司 , 南瑞集团有限公司
Abstract: 本发明公开了一种电网连锁故障告警方法及系统，本发明采用预设的因果事件链规则库和预先训练的神经网络，识别故障信息之间的关联关系，对关联关系的故障信息进行归并，获得连锁故障信息，并对连锁故障信息进行展示，方便调度人员识别核心故障、确定故障原因和故障影响。
-
公开(公告)号：CN108491404B
公开(公告)日：2022-07-01
申请号：CN201810059612.6
申请日：2018-01-22
Applicant: 国电南瑞科技股份有限公司 , 国家电网公司华北分部 , 国电南瑞南京控制系统有限公司
IPC: G06F16/215 , G06N3/08
Abstract: 本发明提出一种基于BP神经网络的状态估计不良数据辨识方法，针对BP神经网络不良数据辨识方法对训练样本要求较高的要求，建立了基于状态估计结果进行不良数据辨识的BP神经网络模型，以在线状态估计计算结果断面为样本进行训练，将量测值作为输入数据，状态估计值为期望输出，通过输入与输出之间误差的反向传播，基于样本的多次迭代对连接权值和阈值进行修正，训练一个基于量测的神经网络，对于新的量测断面通过已训练的神经网络进行检测，当获取量测与预测值偏差较大则可以判断为不良数据。该方法由于直接利用了状态估计计算结果作为样本进行训练，提供了准确性较高的样本，从而提高神经网络方法对不良数据辨识精度。
-
公开(公告)号：CN112736878A
公开(公告)日：2021-04-30
申请号：CN202110097521.3
申请日：2021-01-25
Applicant: 国电南瑞南京控制系统有限公司 , 国家电网公司华北分部 , 国电南瑞科技股份有限公司 , 南瑞集团有限公司
Abstract: 本发明公开了一种电网连锁故障告警方法及系统，本发明采用预设的因果事件链规则库和预先训练的神经网络，识别故障信息之间的关联关系，对关联关系的故障信息进行归并，获得连锁故障信息，并对连锁故障信息进行展示，方便调度人员识别核心故障、确定故障原因和故障影响。
-
公开(公告)号：CN108038332B
公开(公告)日：2021-02-05
申请号：CN201711457708.X
申请日：2017-12-28
Applicant: 国电南瑞科技股份有限公司 , 国家电网公司华北分部 , 国家电网公司 , 国电南瑞南京控制系统有限公司 , 南瑞集团有限公司
IPC: G06F30/18 , G06F113/04
Abstract: 本发明公开了一种面向未来态电网的在线图模快速生成方法，包括以下步骤：1）基于D5000环境的预想方式未来态在线电网模型中抽取出模型图形数据集；2）从模型中筛选未来态厂站关键设备；3）配置未来态厂站关键设备图元的规则库；4）在未来态厂站图模自动生成向导界面配置关键设备；5）自动生成未来态厂站图形文件；6）在未来态模型管理系统存储设备模型；本发明方法提供了一种面向未来态电网的在线图模快速生成方法，实现了简单、直观的展示未来态电网厂站图图形，快速的生成了未来态电网厂站图关联的模型，满足特高压体系未来态的建设和电网快速发展，具有良好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN112285484A
公开(公告)日：2021-01-29
申请号：CN202011102508.4
申请日：2020-10-15
Applicant: 国家电网公司华北分部 , 同济大学 , 国电南瑞科技股份有限公司 , 国电南瑞南京控制系统有限公司
Abstract: 本发明公开了一种基于深度神经网络的电力系统故障诊断信息融合方法及装置，方法包括：获取待诊断设备的特征信息，基于三种故障诊断子模型，计算得到三个故障诊断子模型的故障诊断结果；所述三种故障诊断子模型为基于人工神经网络的故障诊断模型、基于贝叶斯网络的故障诊断模型和基于专家系统的故障诊断模型；根据三个故障诊断子模型的故障诊断结果，基于预先深度神经网络训练构成的融合神经网络模型，计算得到最终故障诊断结果。本发明的电力系统故障诊断信息融合方法，可以结合现有模型的优势，实现诊断准确率和诊断精度的提高；本发明具有很好的应用前景。
-
公开(公告)号：CN112150304A
公开(公告)日：2020-12-29
申请号：CN202010810963.3
申请日：2020-08-13
Applicant: 国电南瑞科技股份有限公司 , 国电南瑞南京控制系统有限公司 , 国家电网公司华北分部
Abstract: 本发明公开一种电网运行状态轨迹稳定性预判方法、系统和存储介质，方法包括：获取电网运行状态数据；基于所获取的数据，按照预设的特征提取规则，计算或提取得到多个电网运行特性指标数据；将电网运行特性指标数据作为预先训练得到的电网运行状态轨迹稳定性预判模型的输入，得到电网运行状态轨迹稳定性预判模型输出的电网运行状态轨迹稳定性预判结果；所述电网运行状态轨迹稳定性预判模型为，基于多个电网运行状态轨迹稳定性已知的历史电网运行特性指标数据样本训练得到的BP神经网络分类模型。利用本发明可根据电网特性指标数据进行电网运行状态轨迹稳定性预判，计算效率较高，结果较准确。
-
公开(公告)号：CN110429669B
公开(公告)日：2020-09-11
申请号：CN201910693068.5
申请日：2019-07-30
Applicant: 清华大学 , 国家电网公司华北分部 , 国家电网有限公司
Abstract: 本发明提出一种AGC与一次调频协调的主站侧频率控制方法，属于电力系统有功控制技术领域。该方法首先计算电网区域控制偏差与AGC调频需求；遍历所有AGC可用机组，判断该机组是否处于一次调频状态超过设定的AGC周期数；根据电网AGC调频需求、AGC可用机组一次调频运行状态和机组转速偏差，对可用机组进行组别划分；对于属于不同组别的机组，采取不同的方式计算并下发AGC控制指令。本发明在分发AGC控制指令时考虑机组运行状态与当前电网状态的关系，确保机组一次调频控制过程的执行，避免因一次调频与AGC控制冲突导致的频率质量恶化。
-
公开(公告)号：CN111614105A
公开(公告)日：2020-09-01
申请号：CN202010453558.0
申请日：2020-05-26
Applicant: 国电南瑞科技股份有限公司 , 国家电网公司华北分部 , 国电南瑞南京控制系统有限公司 , 南瑞集团有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种AGC控制时段不合格原因分析方法，将工作时间进行分类，且对不同机组进行不同分类最后汇总在具体分析机组实际问题，利用本发明提出的不合适原因分析方法，能够快速准确的定位导致控制不合格的原因，调度中心可以根据分析出的原因进行针对性的处理和改进，能够有效提高电网AGC控制效果。
-
公开(公告)号：CN111552804A
公开(公告)日：2020-08-18
申请号：CN202010271764.X
申请日：2020-04-08
Applicant: 国电南瑞科技股份有限公司 , 国家电网公司华北分部 , 国家电网有限公司 , 南瑞集团有限公司 , 国电南瑞南京控制系统有限公司
Inventor： 王波 , 陆廷骧 , 宁剑 , 张勇 , 闪鑫 , 江长明 , 戴则梅 , 张哲 , 李雷 , 郑义明 , 郭磊 , 沈维建 , 郭骏 , 李俊 , 刘栋 , 谈振宁 , 余飞翔 , 黄胜
Abstract: 本发明公开了一种电网故障处置预案的知识图谱构建方法，针对故障处置预案的主要内容“故障后方式”和“处置要点”构建故障处置预案知识本体并形成本体图，然后采用基于Bi-LSTM+CRF的命名实体识别模型和基于规则模板抽取相结合的方式，对故障预案实体进行自动地抽取，最终实现知识图谱的构建。采用本发明能够针对电网故障处置预案内容特点及其内部信息的逻辑关系，将非结构化的文本内容构建成结构化的、关联性的、强业务逻辑的故障处置知识表示，可以克服故障预案文本信息传统检索方式和应用方式的不足，能够为故障预案信息的准确检索、挖掘复用、关联扩展等应用提供更为高效和有力的基础数据支撑。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.064 seconds)
