基于智能演化和稳定性评估的能源系统网络拓扑生成方法

    公开(公告)号:CN115603310A

    公开(公告)日:2023-01-13

    申请号:CN202211254840.1

    申请日:2022-10-13

    Abstract: 本发明公开了一种基于智能演化和稳定性评估的能源系统网络拓扑生成方法,采用供需结构衍生法进行节点衍生,确定当前节点数量与类型,然后根据网络拓扑自适应规划方法构建网络拓扑结构,获得阶段性网络拓扑,然后根据模拟暂态时域数据生成法,针对当前网络拓扑结构、系统参数和故障信息,生成暂态时域数据序列,最后根据生成的数据计算当前网络的暂态电压稳定性指标,根据暂态电压稳定性指标对网络结构进行智能修正与完善,输出暂态电压稳定性指标满足要求的阶段性网络拓扑结构。解决了现有的能源系统暂态电压稳定性分析无法适应于变化的拓扑结构且过程纷繁复杂,耗时较长的技术问题。

    基于惯性自适应的分布式能源系统并网逆变器的控制方法

    公开(公告)号:CN117578587A

    公开(公告)日:2024-02-20

    申请号:CN202311617022.8

    申请日:2023-11-29

    Applicant: 东北大学

    Abstract: 本发明提供基于惯性自适应的分布式能源系统并网逆变器的控制方法,涉及分布式能源系统中并网逆变器的控制技术领域。该方法包括:采集分布式信息能源系统中的虚拟同步发电机VSG的输出电压和输出功率,并根据采集到的数据建立分布式信息能源系统中级联型微电网的VSG模型;利用分布式学习算法确定控制策略,并根据控制策略设计锁相环对VSG的角频率的相位进行锁相环控制,进而得到VSG的有功功率和无功功率的负载需求;根据VSG的实时角频率的变化过程设计自适应虚惯性控制律,建立VSG的自适应虚拟惯性模型并设计偏差项,进而得到自适应虚拟惯性策略。本方法根据电力网状态和分布式信息能源系统的实际情况动态响应策略,提高并网逆变器的稳定性和响应能力。

    基于负压波衰减驱动的管道泄漏自适应动态补偿定位方法

    公开(公告)号:CN113188055B

    公开(公告)日:2022-11-25

    申请号:CN202110600157.8

    申请日:2021-05-31

    Applicant: 东北大学

    Abstract: 本发明提供一种基于负压波衰减驱动的管道泄漏自适应动态补偿定位方法,涉及管道检测技术领域。本发明可以将现场采集的大量压力衰减数据在合理的时间内进行有效的分析,结合实验和拟合数据构成动态压力衰减模型。围绕信号边沿条件和衰减模型的预测泄漏率两项指标建立相应的目标函数,构成多目标优化数学模型,并采用多目标寻优方法对模型求解,在特征区间中找出最优特征点,方法直观、简单,且灵敏度高、漏报率低;采用不同尺度因子对两端特征不同的压力数据小波变化,提高了结果的稳定性。因此本发明采用了多目标优化的策略和自适应动态补偿的方法来解决管道中负压波衰减过大状态的泄漏检测及定位问题,可以同时达到高精度和高准确性的目标。

    一种基于WSAN的复杂管网信息控制器优化部署方法

    公开(公告)号:CN109996204B

    公开(公告)日:2021-07-13

    申请号:CN201910232217.8

    申请日:2019-03-26

    Applicant: 东北大学

    Abstract: 本发明提供一种基于WSAN的复杂管网信息控制器优化部署方法,涉及无线传感网络技术领域。包括:建立并初始化传感器网络;随机部署信息控制器节点;对信息控制器节点建立信道传输模型;构建优化目标函数;逐步移动信息控制器节点并进行寻优;确定信息控制器最优位置。本方法是一种分布式算法,制定了一个无约束优化问题,同时考虑信息控制器节点的覆盖率以及不同信息控制器之间的干扰率,对初始随机部署的信息控制器节点,在有限的移动步数后,能够收敛到局部最大值,实现最大化传感器节点覆盖率并最小化干扰效应,弥补了现有技术在实际应用中难以实现和实用性不强的问题,以及传感器节点的覆盖盲区问题和节点间的干扰问题的缺点。

    一种基于多元卷积神经网络的分布式能源状态监测方法

    公开(公告)号:CN111061151B

    公开(公告)日:2021-06-01

    申请号:CN201911148025.5

    申请日:2019-11-21

    Applicant: 东北大学

    Abstract: 本发明公开一种基于多元卷积神经网络的分布式能源状态监测方法,属于电力系统自动化领域,该方法可以对微网运行数据进行变换处理分析,利用多元谱数据和深度卷积神经网络监测微网分布式能源状态。首先将微网运行数据采用数据叠积变换得到协方差矩阵,在此基础上得到相应的特征值和最大特征矩阵;然后分别对特征值和最大特征矩阵作数据差异化缩放处理,并且将其作为深度卷积神经网络的输入;最后分别通过一维和二维深度卷积神经网络对微网分布式能源节点状态进行预测,得到分布式能源状态监测结果。本发明对微网分布式能源节点状态的判断准确率高,为微网运行的安全性和可靠性提供依据。

    一种管道毫秒级在线数据的复合压缩/解压缩方法

    公开(公告)号:CN105187071A

    公开(公告)日:2015-12-23

    申请号:CN201510633774.2

    申请日:2015-09-29

    Applicant: 东北大学

    Abstract: 本发明公开了一种管道毫秒级在线数据的复合压缩/解压缩方法,属于数据压缩领域。其中方法包括:首先对数据进行小波分解,采用阈值对高频和低频小波系数进行筛选,然后对筛选后的高频小波系数对应的数据采用SPIHT算法进行有损压缩,对筛选后的低频小波系数对应的数据采用LZ77算法进行无损压缩,最终得到压缩结果。在上位机中采用dSPIHT和dLZ77方法对数据进行解压缩。本发明的压缩方法能够在保证信息完整的前提下,降低压缩比,对于大量管道的毫秒级数据的存储节约了空间,提高数据传输的速度;本发明的解压缩方法既能够保证解压速度,也能够保证还原信息的准确性和完整性。

Patent Agency Ranking