-
公开(公告)号:CN114123191B
公开(公告)日:2024-09-03
申请号:CN202111449614.4
申请日:2021-11-30
申请人: 上海电力大学
摘要: 本发明公开了一种基于潮流分块回溯解析的低压配电网线路参数辨识方法。利用配电变压器与用户的实时电压、电流有效值以及有功、无功功率等数据,建立城市及乡村的模型来实现低压配电网络内的线路参数辨识,具体的步骤包括如下:首先分类待规划低压配电网,建立其拓扑结构模型并对网络进行内部分块;然后利用配电变压器与用户的功率、电量、电压数据,根据用户与用户之间的关系建立阻抗约束和回溯潮流上游父节点阻抗约束模型;最后,通过对模型的求解,得到网络内部划分模块内阻抗估计情况,并通过阻抗变量扩展至全网络回溯解析模型,求解后得到该低压配电网内的阻抗估计。
-
公开(公告)号:CN116910536A
公开(公告)日:2023-10-20
申请号:CN202310671679.6
申请日:2023-06-07
申请人: 上海电力大学
IPC分类号: G06F18/214 , G06F18/10 , G06F18/2433 , G06N3/0464 , G06N3/0985 , G06N3/082 , H02J3/00 , H02J13/00 , H04L67/125
摘要: 本发明公开了一种云边协同的配电网拓扑识别自迭代更新方法及系统包括,根据云端中存储的配电台区历史数据,训练拓扑识别模型,获取第一拓扑识别模型;根据第一拓扑识别模型结合智能终端运算资源量,获取第二拓扑识别模型;通过边缘智能终端实时收集配电网配电台区量测设备数据,对异常数据进行预处理,并通过第二拓扑识别模型进行拓扑识别,并判断第二拓扑识别模型拓扑识别结果是否存在错误,若存在错误,则将数据上传至云端,使用第一拓扑识别模型重新校验;若重新校验后仍存在错误,则根据机器学习超参数优化方法对第一拓扑识别模型进行优化,并结合预设约束条件下发至智能终端,进行自迭代更新。能不断学习不断兼容实际情况的功能。
-
公开(公告)号:CN116418033A
公开(公告)日:2023-07-11
申请号:CN202310182928.5
申请日:2023-03-01
申请人: 上海电力大学
IPC分类号: H02J3/38 , G06N3/0442
摘要: 本发明公开了一种高比例户用光伏接入的配电网拓扑辨识方法,包括,基于配电网中智能量测装置采集的用户功率、电压值及户用光伏的功率、电压值,构建配变下所有用户时序向量及时序矩阵,建立所有用户时序向量及时序矩阵与配网信息的映射关系;基于所述映射关系,提取用户光伏瞬时渗透率数据的时序特征识别光伏时序;基于所述量测数据时序模型及已识别的光伏时序片段,构建光伏时序功率卷积模型,识别高比例光伏接入的配电网拓扑;本申请的一种高比例户用光伏接入的配电网拓扑辨识方法,有效提高了拓扑记录档案更新的实时性和灵活性。且所提方法能够适应低压配电网不断变化的拓扑,在含有高比例分布式户用光伏的配电网中可以得到良好的结果。
-
公开(公告)号:CN112634076B
公开(公告)日:2023-04-28
申请号:CN202011427220.4
申请日:2020-12-09
申请人: 上海电力大学
IPC分类号: G06Q50/06 , G06Q10/0631 , G06Q10/04 , H02J3/46 , H02J3/32
摘要: 本发明涉及一种计及灵活性储备的含风电多微网系统分布式调控方法,包括以下步骤:日前调度规划阶段:通过微网下层管理智能体根据灵活性电池储备模型评估每个微网中可调控灵活性资源能力,并确定第i个微网的所有分布式单元可调节灵活性功率的总容量;日内重新调整阶段:通过微网上层全局优化智能体采用分布式一致性算法对各微网承担的负荷进行重新分配;实时优化运行阶段:通过微网上层局部优化智能体根据日内重新分配结果,进行该时间段内的实时优化运行。与现有技术相比,本发明具有评估准确、合理分配动态功率、充分挖掘风机的灵活性调控潜力等优点。
-
公开(公告)号:CN115879602A
公开(公告)日:2023-03-31
申请号:CN202211429283.2
申请日:2022-11-15
IPC分类号: G06Q10/04 , G06Q50/06 , G06F18/2337 , G06N3/0442
摘要: 本发明涉及一种基于瞬变气象的超短期光伏出力预测方法,包括:获取历史样本数据并进行预处理;基于模糊C均值聚类对历史样本数据进行聚类;基于主成分分析法对历史气象数据进行特征降维得到气象数据特征;在每个天气类型下随机确定一个参考日样本,并基于其与相似日气象数据特征之间的余弦距离进行排序;构建自适应门控循环单元神经网络模型;将相邻排序的相似日样本的历史光伏出力数据分别作为模型的输入与输出,基于不确定性加权法对模型进行训练;基于训练完成的模型预测光伏出力。与现有技术相比,本发明充分考虑了历史光伏出力与气象信息间的关系、相同天气类型下相似日样本间的相关信息,能够有效准确的对超短期光伏出力进行预测。
-
公开(公告)号:CN111199363B
公开(公告)日:2022-10-18
申请号:CN202010064451.7
申请日:2020-01-20
申请人: 上海电力大学
IPC分类号: G06Q10/06 , G06Q50/06 , G06F30/20 , G06F113/04 , G06F111/10
摘要: 一种最大相关性筛选算法实现拓扑识别方法,包括以下步骤,S1:获取用户智能电表电压时间序列及配变TTU电压时间序列数据为样本;S2:对获取的所述时间数据进行预处理,得到节点对应的随机变量;S3:利用所述节点对应的随机变量建立数学模型和目标函数;S4:求解所目标函数的权重参数W;S5:合成相关性矩阵K;S6:利用所述相关性矩阵K得到拓扑结构。1.准确度高:提出的数据预处理方法能有效减少数据噪音的影响,充分挖掘和利用数据隐含的结构关系,提高拓扑识别的准确性;2.实用性强:相比于根据局部已知拓扑辨识剩余拓扑或者对已知拓扑进行验证的方法,该方法能够在完全未知拓扑的情况下直接产生配电网拓扑结构。
-
公开(公告)号:CN114741830A
公开(公告)日:2022-07-12
申请号:CN202210470237.0
申请日:2022-04-28
申请人: 上海电力大学
IPC分类号: G06F30/18 , G06F30/27 , G06N7/00 , H02J3/00 , G06F111/02 , G06F113/04
摘要: 本发明公开了一种基于隐树模型的低压配电网拓扑识别方法,包括以下步骤:利用智能电表终端用户的电压测量数据,建立隐树模型;引入五种模型修改算子;建立BIC评价准则描述生成的模型与用户智能电表数据的匹配程度;建立三阶段的模型搜索方式最终得到与该低压配电网拓扑相对应的模型;通过引入五种模型修改算子,建立了三阶段的模型搜索方式,对初始模型扩展、简化、调整最终得到与该低压配电网拓扑相对应的模型。考虑到低压配电网缺乏监控系统的现状,本发明不需要线路潮流、相角、线路参数等数据,也不需要添加额外的硬件设备,仅利用高级量测架构的电压量测数据来实现拓扑识别,识别准确率高,能够很好地应用于工程实际。
-
公开(公告)号:CN114417705A
公开(公告)日:2022-04-29
申请号:CN202111595886.5
申请日:2021-12-24
申请人: 上海电力大学
IPC分类号: G06F30/27 , G06N3/04 , H02J3/00 , G06F111/06 , G06F113/04
摘要: 本发明公开了一种基于数据驱动的配电网线变关系校验方法,包括,获取线路和配电变压器的电量数据,并形成电量矩阵作为后续输入;构建表征线路与配电变压器之间连接关系的关联矩阵;基于能量守恒原理,建立关联卷积优化模型;本方法校验效率更高,消耗的人力物力更少,不仅可以提高线变关系校验的效率同时还具有较高的准确率,大大提高了配电网线变关系的准确性。
-
公开(公告)号:CN114386258A
公开(公告)日:2022-04-22
申请号:CN202111632011.8
申请日:2021-12-29
申请人: 上海电力大学
IPC分类号: G06F30/20 , G06F17/16 , G06F113/04 , G06F119/02
摘要: 本发明涉及一种计及信息‑能量耦合节点重要度的灾后孤岛划分方法,包括以下步骤:1)构建电力通信网和电力网络两网耦合模型;2)采用多角度多指标和主客观相结合的评价方法得到信息‑能量耦合节点重要度;3)根据信息‑能量耦合节点重要度构建孤岛划分模型进行主动配电网灾后孤岛划分。与现有技术相比,本发明具有有效避免从信息或能量单一角度评估、有效获取系统状态信息、提高系统应对自然灾害的能力等优点。
-
公开(公告)号:CN114372344A
公开(公告)日:2022-04-19
申请号:CN202111459363.8
申请日:2021-12-02
申请人: 上海电力大学
IPC分类号: G06F30/20 , G06F17/18 , G06F113/06 , G06F119/02
摘要: 本发明涉及一种次同步振荡阻尼特性影响因素的量化辨识方法,包括以下步骤:1)采集风电场的原始运行波形数据、风电场运行环境信息以及风电场内部参数;2)对原始运行波形数据采用SVD‑Prony算法提取作为因变量的振荡模态相关信息,包括模态频率、阻尼比、相位和幅值;3)从风电场运行环境信息以及风电场内部参数中选取影响阻尼特性的影响因素自变量,并对自变量做相关性分析及共线性诊断,剔除相关性及共线性过强的自变量;4)对因变量以及相关性分析剔除后的所有影响因素自变量进行主成分回归分析,获得自变量及因变量之间的量化关系。与现有技术相比,本发明具有准确有效、降低计算量等优点。
-
-
-
-
-
-
-
-
-