-
公开(公告)号：CN113740667B
公开(公告)日：2022-06-14
申请号：CN202111004270.6
申请日：2021-08-30
申请人： 华北电力大学
IPC分类号： G01R31/08
摘要： 本发明提供一种基于PMU(Phasor Measurement Unit)的融合自编码器和卷积神经网络的电网故障诊断方法。所述方法包括：采集电气设备PMU数据，构建基于自编码器(AE)的可疑故障设备定位模型；建立基于卷积神经网络(CNN)的故障设备精准定位模型；绘制PMU数据的雷达图，构建基于CNN的故障类型判定模型；结合故障设备定位与故障类型判定结果实现电网故障的诊断。在PMU数据的基础上，引入人工智能算法来提升电网故障定位的效率与故障定性的准确性，实现端到端的自动化，大幅度节约了人力成本。
-
公开(公告)号：CN113920361A
公开(公告)日：2022-01-11
申请号：CN202111132967.1
申请日：2021-09-27
申请人： 华北电力大学
IPC分类号： G06V10/764 , G06F40/216 , G01R31/08 , G06N3/04 , G06N3/08
摘要： 本发明提供一种面向告警信息文本的电网故障诊断方法。所述方法包括：基于卷积神经网络构建两个用于故障分类和关键信息提取的分类模型，故障分类模型和关键信息提取模型分别提取文本的整体特征和局部特征，判别文本故障类型，获取文本中对应于故障的关键信息，从中筛选可疑故障元件；根据两分类模型输出的故障类型判别结果和关键信息，提出基于故障元件特征的元件定位策略。
-
公开(公告)号：CN113899987A
公开(公告)日：2022-01-07
申请号：CN202111225428.2
申请日：2021-10-21
申请人： 华北电力大学
IPC分类号： G01R31/08
摘要： 本发明提供一种基于深度金字塔卷积神经网络的电网故障诊断方法。所述方法包括：面向故障时的告警信息集合构建用于提取故障事件整体特性的深度金字塔卷积神经网络模型，实现对于故障类型的判别；构建面向单条告警信息的深度金字塔卷积神经网络模型，提取单条告警信息的文本描述特征，确定告警信息集合中对应于故障的关键信息，从中筛选可疑故障设备；提出综合故障类型和时序优先的故障设备识别策略识别故障设备。
-
公开(公告)号：CN113740667A
公开(公告)日：2021-12-03
申请号：CN202111004270.6
申请日：2021-08-30
申请人： 华北电力大学
IPC分类号： G01R31/08
摘要： 本发明提供一种基于PMU(Phasor Measurement Unit)的融合自编码器和卷积神经网络的电网故障诊断方法。所述方法包括：采集电气设备PMU数据，构建基于自编码器(AE)的可疑故障设备定位模型；建立基于卷积神经网络(CNN)的故障设备精准定位模型；绘制PMU数据的雷达图，构建基于CNN的故障类型判定模型；结合故障设备定位与故障类型判定结果实现电网故障的诊断。在PMU数据的基础上，引入人工智能算法来提升电网故障定位的效率与故障定性的准确性，实现端到端的自动化，大幅度节约了人力成本。
-
公开(公告)号：CN113595094A
公开(公告)日：2021-11-02
申请号：CN202111038167.3
申请日：2021-09-06
申请人： 华北电力大学
摘要： 本发明提供一种功率前馈补偿和无功电流支撑相结合的DFIG高电压穿越控制策略。所述方法包括：基于DFIG数学模型建立双馈风力发电机矢量形式的等效电路模型；搭建DFIG转子变流器的控制模型，在此基础上加入功率外环的前馈补偿量，以抑制直流母线电压的上升；搭建DFIG网侧变流器的控制模型，在其基础上进行改进，当电网电压骤升时，经过PI调节器后得到无功电流给定值。该方法可以有效地维持直流母线电压的恒定，实现无功电流对电网电压恢复的支撑，有效地提高DFIG高电压穿越能力。
-
公开(公告)号：CN114116183B
公开(公告)日：2022-04-29
申请号：CN202210103845.8
申请日：2022-01-28
申请人： 华北电力大学
摘要： 本发明涉及一种基于深度强化学习的数据中心业务负载调度方法及系统，该方法包括：步骤S1：对异质业务负载的特征信息进行读取；步骤S2：对服务器可用计算资源进行实时监测；步骤S3：根据负载的特征信息、服务器可用资源以及实时电价，作出调度决策；步骤S4：采用马尔可夫决策过程对调度过程进行建模，以数据中心用电成本最小化为目标，使用蒙特卡洛策略梯度算法对调度器进行训练。本发明所提供的基于深度强化学习的数据中心业务负载调度方法及系统能够在保证任务执行逻辑和服务质量的前提下，实现数据中心的电费成本优化，降低云服务提供商的运营成本，有助于互联网行业的绿色低碳可持续发展。
-
公开(公告)号：CN111366816B
公开(公告)日：2021-04-13
申请号：CN202010340519.X
申请日：2020-04-26
申请人： 华北电力大学
IPC分类号： G01R31/08
摘要： 本发明提出一种基于机器学习的电网故障诊断方法，所述方法对告警信息文本预处理，将告警信息的设备与属性进行分词处理；构建基于随机森林的电网故障诊断模型，划分训练集与测试集，提取告警信息文本的时序特征，将样本数据填入所述模型；对训练集样本进行Bootstrap重抽样，生成k个训练子集并根据随机森林生成k棵决策树；将测试集样本输入所述故障诊断模型，并由此得到故障诊断结果。本发明无需对由于时间畸变导致的事件顺序错误进行校时处理，无需进行逻辑推理，也无需引入大量描述保护系统行为的知识，仅需针对告警信息提取模型对应的数字特征，建模和模型修改过程简单易操作，诊断准确率相对较高。
-
公开(公告)号：CN111366816A
公开(公告)日：2020-07-03
申请号：CN202010340519.X
申请日：2020-04-26
申请人： 华北电力大学
IPC分类号： G01R31/08
摘要： 本发明提出一种基于机器学习的电网故障诊断方法，所述方法对告警信息文本预处理，将告警信息的设备与属性进行分词处理；构建基于随机森林的电网故障诊断模型，划分训练集与测试集，提取告警信息文本的时序特征，将样本数据填入所述模型；对训练集样本进行Bootstrap重抽样，生成k个训练子集并根据随机森林生成k棵决策树；将测试集样本输入所述故障诊断模型，并由此得到故障诊断结果。本发明无需对由于时间畸变导致的事件顺序错误进行校时处理，无需进行逻辑推理，也无需引入大量描述保护系统行为的知识，仅需针对告警信息提取模型对应的数字特征，建模和模型修改过程简单易操作，诊断准确率相对较高。
-
公开(公告)号：CN113595094B
公开(公告)日：2024-08-30
申请号：CN202111038167.3
申请日：2021-09-06
申请人： 华北电力大学
摘要： 本发明提供一种功率前馈补偿和无功电流支撑相结合的DFIG高电压穿越控制策略。所述方法包括：基于DFIG数学模型建立双馈风力发电机矢量形式的等效电路模型；搭建DFIG转子变流器的控制模型，在此基础上加入功率外环的前馈补偿量，以抑制直流母线电压的上升；搭建DFIG网侧变流器的控制模型，在其基础上进行改进，当电网电压骤升时，经过PI调节器后得到无功电流给定值。该方法可以有效地维持直流母线电压的恒定，实现无功电流对电网电压恢复的支撑，有效地提高DFIG高电压穿越能力。
-
公开(公告)号：CN114116183A
公开(公告)日：2022-03-01
申请号：CN202210103845.8
申请日：2022-01-28
申请人： 华北电力大学
摘要： 本发明涉及一种基于深度强化学习的数据中心业务负载调度方法及系统，该方法包括：步骤S1：对异质业务负载的特征信息进行读取；步骤S2：对服务器可用计算资源进行实时监测；步骤S3：根据负载的特征信息、服务器可用资源以及实时电价，作出调度决策；步骤S4：采用马尔可夫决策过程对调度过程进行建模，以数据中心用电成本最小化为目标，使用蒙特卡洛策略梯度算法对调度器进行训练。本发明所提供的基于深度强化学习的数据中心业务负载调度方法及系统能够在保证任务执行逻辑和服务质量的前提下，实现数据中心的电费成本优化，降低云服务提供商的运营成本，有助于互联网行业的绿色低碳可持续发展。
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.031 秒)
