-
公开(公告)号：CN111798049B
公开(公告)日：2022-05-20
申请号：CN202010625422.3
申请日：2020-06-30
Applicant: 三峡大学
Abstract: 一种基于集成学习与多目标规划的电压稳定评估方法，步骤1：基于同步相量测量单元测量的电力系统电力运行数据，利用连续潮流法，求解电力系统P‑V曲线，构建电压稳定裕度指标，建立初始样本集；步骤2：对初始样本集进行特征选择，从大量电力系统运行变量中选出与VSM相关度高的变量作为关键特征，以此形成高效样本集；步骤3：基于高效样本集，结合集成学习和多目标规划，构建电压稳定评估模型；步骤4：基于广域测量系统的提供的实时数据，利用VSA模型，对电力系统进行在线VSA。该方法利用集成极限学习机对电力系统进行VSA，具有较强的鲁棒性和较高的精度，并结合MOP对聚合参数进行优化，进一步提高了评估模型的准确性。
-
Patent Agency Ranking
公开(公告)号：CN111651932A
公开(公告)日：2020-09-11
申请号：CN202010425310.3
申请日：2020-05-19
Applicant: 三峡大学
Abstract: 一种基于集成分类模型的电力系统在线动态安全评估方法，步骤1：建立一个电力系统安全评估的初始样本集；步骤2：通过特征选择构建一个包含关键变量和相应动态安全分类标签的高效样本集；步骤3：获得能够准确预测电力系统运行状态的动态安全评估模型；步骤4：将实时数据作为动态安全评估模型的输入实现电力系统的在线动态安全评估。本发明的目的是为了解决电力系统DSA过程中的评估数据的不平衡问题和误分类问题所带来的评估误差。
-
公开(公告)号：CN118534212A
公开(公告)日：2024-08-23
申请号：CN202410273896.4
申请日：2024-03-11
Applicant: 三峡大学
IPC: G01R31/00 , G01R31/327 , G01R23/16
Abstract: 一种阻尼振荡波抗扰度试验与隔离开关开合试验的等效方法，获取的隔离开关开合过程快速暂态电压的实测数据，选取阻尼振荡波抗扰度试验电压等级；计算隔离开关开合过程中，电磁干扰暂态过程波形面积和阻尼振荡波抗扰度试验波形面积，判断二者面积是否相等；建立隔离开关电磁干扰试验模型进行验证；根据搭建的隔离开关电磁干扰试验模型，对隔离开关电磁干扰试验模型电源分别施加隔离开关开合试验电压与阻尼振荡波抗扰度试验标准电压，分别计算隔离开关电磁干扰试验模型中暂态过程消耗的能量，比较二者消耗能量大小。本发明用阻尼振荡波抗扰度试验替代隔离开关开合试验可以实现变电站运行设备的实时准确检测，以便及时发现并迅速处理故障设备。
-
公开(公告)号：CN111798049A
公开(公告)日：2020-10-20
申请号：CN202010625422.3
申请日：2020-06-30
Applicant: 三峡大学
Abstract: 一种基于集成学习与多目标规划的电压稳定评估方法，步骤1：基于同步相量测量单元测量的电力系统电力运行数据，利用连续潮流法，求解电力系统P-V曲线，构建电压稳定裕度指标，建立初始样本集；步骤2：对初始样本集进行特征选择，从大量电力系统运行变量中选出与VSM相关度高的变量作为关键特征，以此形成高效样本集；步骤3：基于高效样本集，结合集成学习和多目标规划，构建电压稳定评估模型；步骤4：基于广域测量系统的提供的实时数据，利用VSA模型，对电力系统进行在线VSA。该方法利用集成极限学习机对电力系统进行VSA，具有较强的鲁棒性和较高的精度，并结合MOP对聚合参数进行优化，进一步提高了评估模型的准确性。
-
公开(公告)号：CN111814395A
公开(公告)日：2020-10-23
申请号：CN202010616348.9
申请日：2020-06-30
Applicant: 三峡大学
Abstract: 一种基于主成分分析和置信检测的在线电压稳定评估的方法，具体步骤包括：步骤一：基于电力系统历史运行数据，建立初始样本集，并进行归一化；步骤二：对初始样本集的压缩和降维，得到高效样本集；步骤三：完成评估模型的更新；步骤四：利用已完成更新的评估模型进行实时电压稳定评估，得到在线评估结果；步骤五：使用置信检测的方法，对实时电压稳定评估结果进行评价，得出最终的在线评估结果。本发明的目的是提出一种高精度，高效率的的电力系统在线电压稳定评估模型，有利于系统操作人员更好地确定电力系统的运行状态，提高电网运行的安全性与可靠性，降低严重的电力系统事故对社会经济的损失。
-
公开(公告)号：CN111797919A
公开(公告)日：2020-10-20
申请号：CN202010616366.7
申请日：2020-06-30
Applicant: 三峡大学
Abstract: 一种基于主成分分析与卷积神经网络的动态安全评估方法，具体包括以下步骤：步骤一：获取系统运行数据样本，构建动态安全指标，形成相应的初始样本集；步骤二：生成高效样本集；步骤三：更新高效样本集，完成对评估模型的更新；步骤四：基于电力系统实时运行数据，利用持续更新的动态安全评估模型完成对电力系统实时动态安全状态的评估，得到最终在线动态安全评估结果。本发明提出的电力系统在线动态安全模型，能够为电力系统提供快速、高效、精准的预测评估，有利于电力人员的系统维护和安全措施预防的工作，提高电力系统运行的安全性和稳定性，提高供电的可靠性。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
