-
公开(公告)号:CN106227919A
公开(公告)日:2016-12-14
申请号:CN201610542619.4
申请日:2016-07-11
申请人: 国家电网公司 , 国网青海省电力公司 , 国网青海省电力公司电力科学研究院 , 清华大学
IPC分类号: G06F17/50
摘要: 本发明提出一种基于流形学习的电力系统动态仿真可视化方法,包括以下步骤:S1:对待仿真的电力系统进行多次仿真,以得到多组仿真结果;S2:构建单次仿真结果对应的矩阵;S3:根据单次仿真结果对应的矩阵得到单次仿真结果对应的向量;S4:根据单次仿真结果对应的向量和电力系统的仿真次数得到多组仿真结果对应的矩阵;S5:通过流形学习算法对多组仿真结果对应的矩阵进行降维处理,以完成对电力系统动态仿真过程的可视化。本发明能够实现电力系统动态仿真过程的可视化,具有稳定性好、准确度高的优点。
-
公开(公告)号:CN106227919B
公开(公告)日:2020-01-24
申请号:CN201610542619.4
申请日:2016-07-11
申请人: 国家电网公司 , 国网青海省电力公司 , 国网青海省电力公司电力科学研究院 , 清华大学
IPC分类号: G06F30/27 , G06F113/04
摘要: 本发明提出一种基于流形学习的电力系统动态仿真可视化方法,包括以下步骤:S1:对待仿真的电力系统进行多次仿真,以得到多组仿真结果;S2:构建单次仿真结果对应的矩阵;S3:根据单次仿真结果对应的矩阵得到单次仿真结果对应的向量;S4:根据单次仿真结果对应的向量和电力系统的仿真次数得到多组仿真结果对应的矩阵;S5:通过流形学习算法对多组仿真结果对应的矩阵进行降维处理,以完成对电力系统动态仿真过程的可视化。本发明能够实现电力系统动态仿真过程的可视化,具有稳定性好、准确度高的优点。
-
公开(公告)号:CN108599152A
公开(公告)日:2018-09-28
申请号:CN201810439638.3
申请日:2018-05-09
申请人: 清华大学 , 北京科东电力控制系统有限责任公司 , 中国电力科学研究院有限公司 , 国网山东省电力公司电力科学研究院
IPC分类号: H02J3/00
摘要: 本发明提供电力系统暂态稳定性评估的关键状态变量选取方法及装置,所述方法包括:S1,获取电力系统动态仿真数据中的多个状态变量,利用FFT算法对所述多个状态变量进行预处理;S2,对经过预处理后的所述多个状态变量进行特征选取,获得多个关键状态变量;S3,对每个所述关键状态变量进行降维。本发明通过关键状态变量的选取和降维,在不降低暂态稳定判别器分类精度的情况下,可显著缩短暂态稳定分类器的训练时间和分类时间,更加适合于在线应用。
-
公开(公告)号:CN108595884A
公开(公告)日:2018-09-28
申请号:CN201810439637.9
申请日:2018-05-09
申请人: 清华大学 , 北京科东电力控制系统有限责任公司 , 中国电力科学研究院有限公司 , 国网山东省电力公司电力科学研究院
IPC分类号: G06F17/50
摘要: 本发明实施例提供一种电力系统暂态稳定性评估方法及装置,所述方法包括:根据预先筛选的关键状态变量,获取电力系统待评估点的特征向量;分别计算待评估点的特征向量与样本集中各样本点的特征向量之间的马氏距离,根据马氏距离查找与待评估点相邻的样本点;根据分类决策规则及所述相邻的样本点,获取所述待评估点的评估结果。本发明实施例通过计算待评估点与样本点特征向量之间的马氏距离,由于马氏距离充分考虑了特征向量中关键状态变量之间的相关性,从而使距离的计算更加准确,实现了准确查找待评估点的相邻样本点,进一步提高评估结果的准确性。
-
公开(公告)号:CN109376990A
公开(公告)日:2019-02-22
申请号:CN201811074883.5
申请日:2018-09-14
申请人: 中国电力科学研究院有限公司 , 北京科东电力控制系统有限责任公司 , 清华大学 , 国家电网有限公司 , 国网山东省电力公司电力科学研究院
摘要: 本发明涉及一种基于Siamese网络模型确定电力系统的临界切除时间的方法及系统,包括:利用获取的包括潮流数据和临界切除时间结果的历史样本数据集中的样本确定孪生网络模型;当接收到新的潮流数据时,利用所述孪生网络模型获取当前的潮流数据对应的高级特征;分别计算历史样本数据集中每个样本对应的高级特征和所述当前潮流数据对应的高级特征之间的距离,并确定最接近样本;计算最接近样本的临界切除时间的平均值作为预测的当前的潮流数据对应的临界切除时间。本发明根据暂态稳定性和在线数据的特点确定更适用于电力系统的孪生网络模型,增加了方法的适应性,比仿真快,适用于在线分析,且能够满足在线分析系统的速度和精度要求,特别适用于小样本集。
-
公开(公告)号:CN109376990B
公开(公告)日:2022-03-04
申请号:CN201811074883.5
申请日:2018-09-14
申请人: 中国电力科学研究院有限公司 , 北京科东电力控制系统有限责任公司 , 清华大学 , 国家电网有限公司 , 国网山东省电力公司电力科学研究院
摘要: 本发明涉及一种基于Siamese网络模型确定电力系统的临界切除时间的方法及系统,包括:利用获取的包括潮流数据和临界切除时间结果的历史样本数据集中的样本确定孪生网络模型;当接收到新的潮流数据时,利用所述孪生网络模型获取当前的潮流数据对应的高级特征;分别计算历史样本数据集中每个样本对应的高级特征和所述当前潮流数据对应的高级特征之间的距离,并确定最接近样本;计算最接近样本的临界切除时间的平均值作为预测的当前的潮流数据对应的临界切除时间。本发明根据暂态稳定性和在线数据的特点确定更适用于电力系统的孪生网络模型,增加了方法的适应性,比仿真快,适用于在线分析,且能够满足在线分析系统的速度和精度要求,特别适用于小样本集。
-
公开(公告)号:CN112529282A
公开(公告)日:2021-03-19
申请号:CN202011409788.3
申请日:2020-12-03
申请人: 清华大学 , 内蒙古电力(集团)有限责任公司电力调度控制分公司 , 中国电力科学研究院有限公司
摘要: 本发明提供一种基于时空图卷积神经网络的风电场集群短期功率预测方法,包括:采集第一目标时间段内历史功率得到历史功率向量时序序列,采集第二目标时间段内天气预报参数向量得到天气预报参数矩阵时序序列;将历史功率向量和天气预报参数矩阵的时序序列输入预测模型,输出第三目标时间段内预测功率向量时序序列;其中,所述预测模型是基于样本历史功率向量和样本天气预报参数矩阵时序序列以及预测功率向量时序序列标签进行训练后得到的,所述预测模型的神经网络结构基于Bi‑GRU网络和图卷积网络构成。本发明提供的方法,实现了使功率预测可以联合考虑历史功率和天气预报参数两种因素,还提高了预测的准确率。
-
-
-
-
-
-