-
公开(公告)号：CN111552911B
公开(公告)日：2023-06-02
申请号：CN202010185925.3
申请日：2020-03-17
Applicant: 东南大学 , 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司
IPC: G06F30/27 , G06N3/0475 , G06N3/094 , G06Q50/06
Abstract: 本发明公开了一种基于多场景生成的技术线损影响因素定量分析方法，所述方法首先确定技术线损的影响因素，构建技术线损影响因素指标体系；接着采用多场景生成技术生成负荷及风光出力场景；然后，基于生成的负荷及风光出力场景，随机变动技术线损影响因素数据，生成技术线损影响因素样本数据集，其次，基于技术线损影响因素样本数据集，利用神经网络建立技术线损影响因素计算模型；最后，构建技术线损影响因素分析场景，分析不同技术线损影响因素分析场景下的技术线损变动程度，从而得出对技术线损影响程度较大的主要影响因素及其协同因素。本发明实现了对技术线损的影响因素的量化分析，便于对电网采取具有针对性的节能降损措施。
-
公开(公告)号：CN110750760A
公开(公告)日：2020-02-04
申请号：CN201910869442.2
申请日：2019-09-16
Applicant: 东南大学 , 国网天津市电力公司 , 国家电网有限公司 , 国网天津市电力公司电力科学研究院
Abstract: 本发明公开了一种基于态势感知和控制图的异常理论线损检测方法，该方法基于时序采集电网实测及预测负荷数据和电网拓扑数据；通过潮流算法分别获得馈线实际运行时的理论线损实际值以及基于馈线正常稳态运行下的理论线损预测值；计算理论线损率残差并采用简单移动平均算法对其进行数据平滑；基于历史稳态数据建立馈线稳态控制图，监控理论线损率残差的异常情况，反映实际理论线损与预测理论线损的偏差大小，从而判断实际理论线损的异常情况。本发明方法能够有效地检测异常理论线损，促使电网公司及时发现并快速处理线路的异常情况，提高电网公司理论线损异常检测效率，保障电网的供电可靠性和供电质量。
-
公开(公告)号：CN110750760B
公开(公告)日：2023-05-02
申请号：CN201910869442.2
申请日：2019-09-16
Applicant: 东南大学 , 国网天津市电力公司 , 国家电网有限公司 , 国网天津市电力公司电力科学研究院
Abstract: 本发明公开了一种基于态势感知和控制图的异常理论线损检测方法，该方法基于时序采集电网实测及预测负荷数据和电网拓扑数据；通过潮流算法分别获得馈线实际运行时的理论线损实际值以及基于馈线正常稳态运行下的理论线损预测值；计算理论线损率残差并采用简单移动平均算法对其进行数据平滑；基于历史稳态数据建立馈线稳态控制图，监控理论线损率残差的异常情况，反映实际理论线损与预测理论线损的偏差大小，从而判断实际理论线损的异常情况。本发明方法能够有效地检测异常理论线损，促使电网公司及时发现并快速处理线路的异常情况，提高电网公司理论线损异常检测效率，保障电网的供电可靠性和供电质量。
-
公开(公告)号：CN111552911A
公开(公告)日：2020-08-18
申请号：CN202010185925.3
申请日：2020-03-17
Applicant: 东南大学 , 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司
Abstract: 本发明公开了一种基于多场景生成的技术线损影响因素定量分析方法，所述方法首先确定技术线损的影响因素，构建技术线损影响因素指标体系；接着采用多场景生成技术生成负荷及风光出力场景；然后，基于生成的负荷及风光出力场景，随机变动技术线损影响因素数据，生成技术线损影响因素样本数据集，其次，基于技术线损影响因素样本数据集，利用神经网络建立技术线损影响因素计算模型；最后，构建技术线损影响因素分析场景，分析不同技术线损影响因素分析场景下的技术线损变动程度，从而得出对技术线损影响程度较大的主要影响因素及其协同因素。本发明实现了对技术线损的影响因素的量化分析，便于对电网采取具有针对性的节能降损措施。
-
公开(公告)号：CN109858522A
公开(公告)日：2019-06-07
申请号：CN201811639944.8
申请日：2018-12-29
Applicant: 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司 , 东南大学
Abstract: 本发明涉及一种基于数据挖掘的管理线损异常识别方法，其技术特点在于：步骤1、采用滑动窗口法对预处理后的管理线损时间序列数据进行子序列分割；步骤2、构建基于神经网络的时间序列预测模型，获得管理线损子序列的预测值，并将预测值和实测值间差异范围大于预设阈值的子序列判定为异常子序列；步骤3、针对异常子序列提取其特征变量，建立管理线损特征样本集合，并采用三种不同算法进行聚类；步骤4、对三种聚类结果进行簇匹配，采用多数投票聚类集成法获得最终聚类结果，通过比较簇内对象数目与预设阈值的差异大小，得出管理线损异常子序列的具体分类情况。本发明可以快速准确地识别管理线损的异常情况，具有更好的稳定性和实用性。
-
Patent Agency Ranking
公开(公告)号：CN109286188B
公开(公告)日：2022-03-11
申请号：CN201811223078.4
申请日：2018-10-19
Abstract: 本发明公开了一种基于多源数据集的10kV配电网理论线损计算方法，该方法针对配电网内外部多源数据，搭建配电网大数据与理论线损的动态数据映射结构，并迁移用于拓扑结构未知或开关状态不确定情况下配电网元件线损计算。本发明依据分元件线损计算原则，将线损划分为线路线损和配电网变压器线损，将未知线损元件的基本信息与多源数据集中元件基本信息进行匹配，计算相似度，以相似度高低位标准选取训练集，利用数据挖掘中神经网络算法，建立未知线损元件线损计算数据模型，实现未知线损元件的线损率计算。本发明为拓扑结构未知或者开关状态不明确的情况下配电网元件线损提供一种新的途径。
-
公开(公告)号：CN109286188A
公开(公告)日：2019-01-29
申请号：CN201811223078.4
申请日：2018-10-19
Abstract: 本发明公开了一种基于多源数据集的10kV配电网理论线损计算方法，该方法针对配电网内外部多源数据，搭建配电网大数据与理论线损的动态数据映射结构，并迁移用于拓扑结构未知或开关状态不确定情况下配电网元件线损计算。本发明依据分元件线损计算原则，将线损划分为线路线损和配电网变压器线损，将未知线损元件的基本信息与多源数据集中元件基本信息进行匹配，计算相似度，以相似度高低位标准选取训练集，利用数据挖掘中神经网络算法，建立未知线损元件线损计算数据模型，实现未知线损元件的线损率计算。本发明为拓扑结构未知或者开关状态不明确的情况下配电网元件线损提供一种新的途径。
-
公开(公告)号：CN117239849A
公开(公告)日：2023-12-15
申请号：CN202311230837.0
申请日：2023-09-21
Applicant: 国电南瑞南京控制系统有限公司 , 国网电力科学研究院有限公司 , 东南大学 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC: H02J3/48 , H02J3/50 , H02J3/38 , H02J7/00 , H01M8/04537 , H01M8/04992
Abstract: 本发明公开了一种燃料电池虚拟惯量构网控制方法及系统，本发明包括：对燃料电池运行过程中的输出电流和输出电压进行检测；根据输出电流和输出电压按照预设算法计算燃料电池最大功率输出点对应的临界电流值；判断燃料电池输出电流是否大于临界电流值；当燃料电池输出电流小于或等于临界电流值时，对燃料电池的输出先采用恒定直流侧电压控制进行DC/DC变换，再采用虚拟同步控制进行DC/AC变换；当燃料电池输出电流大于临界电流值时，对燃料电池的输出先采用临界电流限流控制进行DC/DC变换，再采用基于直流侧电压反馈的虚拟同步控制进行DC/AC变换。本发明可靠稳定性更高。
-
公开(公告)号：CN117134344A
公开(公告)日：2023-11-28
申请号：CN202311129350.3
申请日：2023-09-01
Applicant: 国电南瑞南京控制系统有限公司 , 国网电力科学研究院有限公司 , 东南大学 , 国网江苏省电力有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种配电网动静态混合分区方法、系统、设备及存储介质，该方法包括以下步骤：获取配电网当前时刻所有光伏出力和配电网的有功功率负载，计算配电网有功功率比例系数；基于配电网的有功功率比例系数选择不同分区策略；计算不同分区策略下配电网节点的耦合程度，基于配电网节点的耦合程度对配电网进行区域划分，得到配电网初始分区策略；将节点数小于预设值的子区域与相邻子区域合并。本方案考虑了光伏的周期性，在分区调整时只需要对部分子区域进行合并或是对子区域的边界进行调整，为配电网的分区自治提供了更合理的分区方案，减少了分区自治时的电压偏移量。
-
公开(公告)号：CN110059862A
公开(公告)日：2019-07-26
申请号：CN201910225898.5
申请日：2019-03-25
Applicant: 国网浙江省电力有限公司电力科学研究院 , 国家电网有限公司 , 东南大学
Abstract: 本发明公开了一种基于自编码与极限学习机的光伏区间预测方法和系统。以双输出的极限学习机模型构建光伏区间预测模型，双输出分别为光伏区间的上下限，由于光伏区间实际值的缺乏，传统的极限学习机训练算法随之失效。本发明采用启发式算法优化训练极限学习机，并提出相应的初始化算法，用于提高启发式算法计算结果和效率，其内容包括：基于线性回归区间估计的预测区间初始化；基于自编码的极限学习机输入权重矩阵初始化；基于粒子群的双输出极限学习机的优化训练。通过该模型获取的光伏预测区间，替代传统的光伏点预测值，可以为电力系统日前鲁棒调度以及日内经济调度提供更加充足的信息。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.048 seconds)
