-
公开(公告)号：CN116316853A
公开(公告)日：2023-06-23
申请号：CN202310362043.3
申请日：2023-04-03
申请人： 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司 , 安徽大学
IPC分类号： H02J3/38 , H02J3/00 , G06Q10/0635 , G06Q50/06
摘要： 一种分布式电源频繁并离网风险评估方法及系统，属于电力系统技术领域，解决现有的风险评估方法未考虑在保护装置作用下的分布式电源频繁并离网对电网造成影响的问题；本发明的技术方案根据电网的拓扑结构、各节点的用电功率和分布式电源的发电功率，计算电网潮流以及节点电压偏移，根据预设的电压上限值、下限值，循环判断并入节点的分布式电源是否存在频繁并离网情况，从而对分布式电源频繁并离网的风险进行评估，本发明的技术方案解析过程清晰、效率高，对于不同电压等级、不同结构的电网具有普遍适用性，并且能准确反映实际工程中分布式电源的运行方式。
-
公开(公告)号：CN110011852B
公开(公告)日：2022-04-15
申请号：CN201910289621.9
申请日：2019-04-11
申请人： 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网安徽省电力有限公司宿州供电公司
IPC分类号： H04L41/14 , H04L41/0803
摘要： 本发明公开基于OPNET的智能变电站网络性能优化方法，属于智能变电站技术领域。智能变电站网络包括集线器组成的智能变电站网络和DiffServ域，智能变电站网络与DiffServ域连接，DiffServ域包括若干路由器；所述的仿真方法包括以下步骤：利用OPNET对智能变电站网络系统建立仿真模型，利用业务模型进行业务配置建模；利用OPNET对DiffServ域建模，使用ethernet2_slip8_gtwy_adv模拟多路由器。本发明对智能变电站网络性能进行优化，并利用OPNET仿真平台建模仿真，结果显示提出优化方法能提高变电站网络性能，为智能变电站网络性能优化提供了重要的参考意见。
-
公开(公告)号：CN113159361A
公开(公告)日：2021-07-23
申请号：CN202011398686.6
申请日：2020-12-03
申请人： 安徽大学 , 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司
摘要： 本发明的一种基于VDM和Stacking模型融合的短期负荷预测方法及系统，采集负荷序列数据，并输入到事先训练好的预测模型，进行负荷预测并输出预测结果；其中，预测模型的训练步骤如下：采用VMD算法将获取到的原始负荷序列分解为不同的固有模态分量IMF；计算每个IMF负荷分量序列的ApEn值；把每一个ApEn值作为一个随机分量，基于Stacking的思想，XGBoost和长短期记忆神经网络来构建模态分量IMF的预测模型；通过将上述预测模型对各模态分量IMF的预测结果叠加得到最终预测结果，再进行加权融合。相比传统方法的结果，本发明方法的结果表明基于多模型融合的Stacking集成学习方法在电力负荷预测中有良好的应用效果。
-
公开(公告)号：CN108183488B
公开(公告)日：2020-04-28
申请号：CN201711403797.X
申请日：2017-12-22
申请人： 安徽大学 , 国网安徽省电力有限公司电力科学研究院
摘要： 本发明针对现有高渗透率大规模分布式能源系统，在集群划分依据、划分方法、调压策略方面仍旧处于探索阶段，不便于对高渗透率大规模分布式能源系统开展后续电压调节的问题，提供一种基于集群划分的高渗透率分布式能源系统智能调压方法。该方法，包括：采用K‑means算法将电力系统中的节点划分为n个亚群落，以可控PV节点无功功率和有功功率为可调变量，并在亚群落内进行潮流运算；预设非线性调节周期，采用混合粒子群优化算法对PV节点电压进行粗调节，并确定工作点Γ；根据确定的工作点Γ，采用节点电压的线性化方程对PV节点电压进行细调节。本发明可有效的解决高渗透率可再生能源的过电压问题，并具有良好的实时性。
-
公开(公告)号：CN114355240B
公开(公告)日：2024-08-09
申请号：CN202111451134.1
申请日：2021-12-01
申请人： 国网安徽省电力有限公司电力科学研究院 , 安徽大学
IPC分类号： G01R31/52 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/09
摘要： 本发明提供一种配电网接地故障诊断方法及装置，包括：获取配电网的基础拓扑结构故障时的一维零序电流信号，并将一维零序电流信号转换为二维图像；以所述二维图像作为卷积神经网络模型的输入，训练得到基础故障诊断模型；在配电网发生故障时，判断发生故障的拓扑结构是否为基础拓扑结构：若是，则利用基础故障诊断模型对配电网进行故障诊断，输出对应的故障类型；否则，基于基础故障诊断模型，利用迁移学习方法，得到该发生故障的拓扑结构对应的目标故障诊断模型，并利用该目标故障诊断模型对配电网进行故障诊断，输出对应的故障类型。本发明的配电网接地故障诊断方法能够实现不同拓扑结构的故障分类，运用范围广，故障分类快速，准确率高。
-
公开(公告)号：CN117277271A
公开(公告)日：2023-12-22
申请号：CN202311009525.7
申请日：2023-08-09
申请人： 国网安徽省电力有限公司电力科学研究院 , 安徽大学
摘要： 本发明涉及一种机理模型嵌入的深度学习光伏短期预测方法，包括：采用Softsign函数替换LSTM模型的tanh函数，采用CSS函数替换LSTM模型的sigmoid函数，得到改进的LSTM模型；将单二极管模型和改进的LSTM模型结合，得到Diode‑LSTM模型，使用历史数据训练Diode‑LSTM模型，得到训练好的Diode‑LSTM模型，使用训练好的Diode‑LSTM模型对未来一段时间内的光伏发电系统输出功率进行预测；将预测的输出功率与实际输出功率进行比较，评估预测的准确性，并根据需要进行调整和优化。本发明具有更好的梯度传递，Softsign函数的梯度在输入接近于0的时候更加平缓，因此可以更好地传递梯度，避免梯度消失或爆炸的问题，具有更快的收敛速度，具有更好的鲁棒性和更好的泛化能力，可以更好地适应不同的数据集和任务。
-
公开(公告)号：CN117031197A
公开(公告)日：2023-11-10
申请号：CN202310990234.4
申请日：2023-08-08
申请人： 国网安徽省电力有限公司电力科学研究院 , 安徽大学
摘要： 本发明属于分布式可再生能源的故障诊断技术领域，涉及到分布式可再生能源的配电网故障诊断方法、系统及其存储介质。本发明通过分析目标配电网主干线节点功率符合系数，对其故障进行诊断，进而当诊断结果为目标配电网主干线节点功率异常时，对目标配电网对应各风力发电机故障和目标配电网各支路电缆对应各监测段故障进行诊断，有利于及时精确地掌握工作异常的风力发电机，有利于精确快速地掌握目标配电网各支路线路故障的具体位置，通过对目标配电网主干线各子线段的运行故障进行诊断，有利于对目标配电网主干线电缆进行及时维护，保证了目标配电网主干线电缆的健康状态，降低了配电网主干线电缆的运行故障频发率。
-
公开(公告)号：CN110796303A
公开(公告)日：2020-02-14
申请号：CN201911018674.3
申请日：2019-10-24
申请人： 国网安徽省电力有限公司电力科学研究院 , 安徽大学
摘要： 一种基于EWT和ODBSCAN的短期电力负荷预测方法，可解决单一的预测模型对于具有复杂变化及随机特性的负荷序列，预测难以获得理想的精度的技术问题。本发明提出基于EWT和ODBSCAN的组合预测方法，首先，采用EWT分解负荷，得到不同的固有模态分量；其次，采用合理的方法对各分量进行预测。其中，低频、中频分量采用IRF预测；高频分量具有不确定性，使用ODBSCAN根据气象因素温度和湿度聚类，再根据每类的样本特性选择处理方法。最后，叠加各个分量的预测结果，获取总的预测结果。根据某地市现场实测负荷数据进行实验，预测结果分别与EWT-IRF、EWT-RF、EMD-IRF模型的预测结果进行对比，可以获得更高的预测精度，体现实际负荷的变化规律。
-
公开(公告)号：CN114077846B
公开(公告)日：2024-06-04
申请号：CN202111198766.1
申请日：2021-10-14
申请人： 国网安徽省电力有限公司电力科学研究院 , 安徽大学
IPC分类号： G06F18/243 , G06F18/2135 , G06F18/211 , G06N3/0442 , G06N3/09 , G01R31/08 , G01R31/12
摘要： 本发明的一种基于RF‑LSTM的故障电流多域识别方法及存储介质，其中方法包括以下步骤，针对电弧故障平台，获取原始电流信号；对原始电流信号进行处理，进行核主成分分析提取第三主成分，然后对第三主成分信号进行时域、频域和能量域特征提取；接着用随机森林进行无偏预测重要性估计选择对应负载条件下的高相关特征；最后将筛选后的特征用作LSTM的特征输入，用于学习和训练，实现对故障电弧的多域识别。本发明的方法减少了计算量并且提高了检测速度和精度；结果表明，此方法可以准确的识别电弧故障。
-
公开(公告)号：CN117277295A
公开(公告)日：2023-12-22
申请号：CN202311226194.2
申请日：2023-09-21
申请人： 国网安徽省电力有限公司电力科学研究院 , 安徽大学
IPC分类号： H02J3/00 , H02J3/38 , G06F18/211 , G06F18/15 , G06F18/2433 , G06Q50/06 , G01W1/10 , G01W1/02 , G01S13/95 , G01S7/40 , G01S17/95 , G01S7/497 , G06F123/02
摘要： 本发明提供了一种基于声雷达的多参数短期风电功率预测方法。首先选用价格较为低廉的声雷达测风方案实现不架设测风塔条件下精确获取10m‑200m高度的风速、风向、垂直气流和距雷达10m的温度、湿度、压强等多种气象参数；其次采用iForest算法和集成经验模态分解得到经数据清洗后的风能采样数据固有模态分量，可以解决非线性和非平稳风能信号存在的模态混淆缺陷及噪声敏感问题；最后采用Elman神经网络模型对集成经验模态分解后的测风数据进行训练和预测，在规定标准误差条件下输出风电功率预测结果。
-
-
-
-
-
-
-
-
-
搜索结果
336 条记录 (耗时 0.154 秒)
