-
公开(公告)号：CN118589542B
公开(公告)日：2024-10-11
申请号：CN202411064116.1
申请日：2024-08-05
申请人： 南京邮电大学
摘要： 本发明涉及虚拟电厂调频目标下功率调节与通信传输联合设计方法，包括：搭建云边协同下虚拟电厂协调频率控制架构；为克服通信网络不确定性对功率调节调度的影响，提出云边协同下功率调节调度与路由优化的联合设计，其中开发考虑通信网络影响的功率调节调度方法和基于图卷积神经网络的路由优化策略；为实现虚拟电厂以最佳的输出功率调节来响应控制中心的功率调节任务，提出边边协同下动态功率调节策略，其中根据所建立的修正控制目标，设计一种基于自适应分布式拍卖算法的动态功率调节控制方法。本发明能够有效减少通信网络不确定性对频率控制业务的影响，同时保证频率控制业务的实时性与准确性；有效提高虚拟电厂频率控制业务的经济效益。
-
公开(公告)号：CN118539433B
公开(公告)日：2024-10-11
申请号：CN202410994772.5
申请日：2024-07-24
申请人： 南京邮电大学
摘要： 本发明公开一种云边端协同下虚拟电厂频率控制与传输通信联合设计方法，包括：搭建云边端协同的虚拟电厂频率控制架构；提出一种云边协同下虚拟电厂功率调度与有线通信路由优化的联合设计策略，即考虑云边通信网络不确定性对虚拟电厂功率调度的影响，通过设计路由优化策略来克服该影响；进一步，提出一种边端协同下虚拟电厂动态功率控制与无线通信网络性能的一体化设计方法，即考虑云边无线网络性能对虚拟电厂动态功率控制的影响，通过开发虚拟电厂信息物理协同的“采‑传‑决‑控”广义闭环的动态功率控制策略来克服该影响。本发明能够有效减少混合通信网络不确定性对虚拟电厂频率控制业务的影响，保证频率控制业务的实时性与准确性。
-
公开(公告)号：CN114298579B
公开(公告)日：2024-08-20
申请号：CN202111653214.5
申请日：2021-12-30
申请人： 南京邮电大学 , 国网电力科学研究院有限公司
IPC分类号： G06Q10/0635 , G06Q50/06 , G06F18/24 , G06F18/2135 , G06F18/213 , G06N3/006
摘要： 本发明公开了一种基于数据挖掘的有源配电网故障风险预警方法及系统，属于配电网技术领域，包括：获取有源配电网的故障特征，对故障特征进行处理以得到故障数据值；将故障数据值输入预建立的预警模型，输出预警指标及其预测值；对预警指标的主观权重和客观权重进行赋值后采用三角模糊数的层次分析法和熵权法组合算法计算出综合评价指标值；将综合评价指标值和预设的风险分级标准阈值比较，得到的风险等级为预警结果，综合评价指标值和预警指标预测值的相对误差率为预警模型的预警准确程度；预警速度快且更加精准，规避了单一赋值方法的不完整性，削弱多种信息耦合的影响。
-
公开(公告)号：CN116245429B
公开(公告)日：2024-07-23
申请号：CN202310116624.9
申请日：2023-02-15
申请人： 南京邮电大学
IPC分类号： G06Q10/067 , G06Q10/0631 , G06N3/006 , G06Q50/06
摘要： 本发明属于电力系统自动化领域，公开了一种考虑清洁能源消纳量的多能源系统多目标安全经济优化调度方法，建立最大化清洁能源利用率的多能源接入下的多目标安全经济优化调度模型，基于分解的多目标优化算法将多目标问题转化为多个标量子问题，相比于传统的优化算法，拥有更低的计算复杂度，自适应惩罚因子的PBI聚合方法能够保证解的收敛性的同时提高解的分布性，改进的粒子群优化算法能够减少达到最优解的迭代次数，最终实现以较低的计算复杂度得到均匀分布的整个系统的最优Pareto解集，为决策者提供可靠的决策支持。
-
公开(公告)号：CN115130733B
公开(公告)日：2024-07-09
申请号：CN202210631486.3
申请日：2022-06-06
申请人： 南京邮电大学
IPC分类号： G06Q10/0631 , G06Q50/06 , H02J3/38 , G06N3/045 , G06N3/08
摘要： 本发明公开了建筑能源系统运行控制领域的一种联合优化与学习的含氢建筑能源系统运行控制方法，包括：建立含氢建筑能源系统的期望运行成本最小化问题模型，并转化为多个单时隙最优化子问题模型；将单时隙最优化子问题模型分解为上层子问题模型和下层子问题模型；对上层子问题模型采用凸优化方法进行求解，并根据上层子问题的求解结果计算得到燃料电池产热量；将燃料电池产热量作为下层子问题模型的输入状态；对下层子问题模型进行求解，得到热能子系统的最优控制策略；实现对含氢建筑能源系统的运行进行实时控制；本发明利用基于模型的凸优化方法和基于无模型的学习方法的双重优势，实现高热舒适性下的运行成本最小化。
-
公开(公告)号：CN118074237A
公开(公告)日：2024-05-24
申请号：CN202410461878.9
申请日：2024-04-17
申请人： 南京邮电大学
IPC分类号： H02J3/46 , H02J3/06 , H02J3/00 , G06F30/18 , G06F30/20 , G06Q50/06 , G06F111/08 , G06F113/04
摘要： 本发明公开了一种计及线路故障的含分布式配电网风险评估方法及装置，属于配电网故障风险评估领域，所述方法包括建立风电出力模型、光伏出力模型以及负荷模型，生成风电出力数据样本、光伏出力数据样本和负荷样本；建立风力发电机组、光伏以及线路的短期故障率模型，生成系统状态样本；建立目标函数和约束条件，对配电网进行重构，得到重构后的的配电网拓扑；通过计算不同状态下的潮流并选取合适的安全评估指标，利用层次分析法和熵权法结合的赋权方法进行风险评估，最终得到短期内配电网的风险数值，本发明有效的实现了考虑在系统元件可能的故障情况下配电网安全风险的定量计算，能够同时将可靠性和安全性进行结合分析。
-
公开(公告)号：CN117853847B
公开(公告)日：2024-05-24
申请号：CN202410257352.9
申请日：2024-03-07
申请人： 南京邮电大学
IPC分类号： G06V10/774 , G06V10/82 , G06V20/60 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/0895 , G06N3/0985
摘要： 本发明公开了一种基于StyleGAN的变压器故障图像样本生成方法及系统，方法包括:收集变压器图片，为训练StyleGAN模型提供数据集；对StyleGAN模型生成器进行改进；预训练StyleGAN模型，生成高质量变压器故障图像样本，保存训练模型权重；在预训练的StyleGAN中，通过基于逆映射的方法得到变压器故障属性的中间潜在向量，并将故障属性潜在向量与正常变压器图像潜在向量融合，从而生成变压器故障图像样本。本发明的方法生成变压器故障图像样本速度快、质量高，可用于生成大规模的变压器故障图像数据库。
-
公开(公告)号：CN117853847A
公开(公告)日：2024-04-09
申请号：CN202410257352.9
申请日：2024-03-07
申请人： 南京邮电大学
IPC分类号： G06V10/774 , G06V10/82 , G06V20/60 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/0895 , G06N3/0985
摘要： 本发明公开了一种基于StyleGAN的变压器故障图像样本生成方法及系统，方法包括:收集变压器图片，为训练StyleGAN模型提供数据集；对StyleGAN模型生成器进行改进；预训练StyleGAN模型，生成高质量变压器故障图像样本，保存训练模型权重；在预训练的StyleGAN中，通过基于逆映射的方法得到变压器故障属性的中间潜在向量，并将故障属性潜在向量与正常变压器图像潜在向量融合，从而生成变压器故障图像样本。本发明的方法生成变压器故障图像样本速度快、质量高，可用于生成大规模的变压器故障图像数据库。
-
公开(公告)号：CN117674197A
公开(公告)日：2024-03-08
申请号：CN202410133128.9
申请日：2024-01-31
申请人： 南京邮电大学
IPC分类号： H02J3/24 , H02J3/48 , H02J3/38 , H02J3/28 , H02J3/00 , G06N3/045 , G06N3/0442 , G06N3/084 , G06Q50/06
摘要： 本发明公开了一种利用虚拟电厂主动支撑的频率调节方法、存储介质及设备，将各区域VPP内部的分布式资源的运行数据输入预先训练好的GCN‑BiLSTM组合模型进行预测，得到各区域VPP下的聚合节点输出的预测功率值；计算各区域VPP下聚合节点所承担的最优功率调节任务；计算各区域VPP下的聚合节点实际的调节任务；计算调节后的系统频率变化量。优点：能够促进分布式资源的有效管理与利用，以更好地反向支撑主电网频率调节；提高VPP下聚合节点功率预测的准确性；有效提高了VPP参与频率调节的可靠性；有效提升了响应主电网的AGC指令的准确度。
-
公开(公告)号：CN114215706B
公开(公告)日：2024-02-20
申请号：CN202111612932.8
申请日：2021-12-27
申请人： 南京邮电大学
IPC分类号： F03D17/00
摘要： 本发明公开了一种风电机组叶片开裂故障预警方法和装置，所述方法包括获取风力发电机组的监测实时数据；对实时数据进行数据预处理，特征重构后进入预先构建的基于深度神经网络的组合预测模型；判断是否会发生故障，根据预先设定的持续的时间阈值上限，当预测为故障的持续时间达到阈值则触发报警，本发明基于交叉熵的深度自编码器模型更好的提取与目标变量相关性强的特征，保证了变量估计的准确性，多阈值设置及判别准则设计避免了单次判断，使得预测结果更具有鲁棒性，最终实现风电机组叶片开裂故障的提前感知与预警，避免叶片开裂引起的故障停机，减少停机时长以及维护成本，具有较强的理论性与实用性。
-
-
-
-
-
-
-
-
-
搜索结果
232 条记录 (耗时 0.06 秒)
