-
公开(公告)号：CN115860202A
公开(公告)日：2023-03-28
申请号：CN202211475677.1
申请日：2022-11-23
Abstract: 本发明涉及一种考虑拓扑重构可观的配电网μPMU优化配置方法，包括以下步骤：获取μPMU配置成本数据、配电网节点数据和配电系统网络拓扑数据；考虑零注入节点对系统节点可观性和冗余度的影响，以系统完全可观为约束，建立以最小化量测通道和最大化多拓扑完全可观下的配电系统μPMU优化配置模型，所述模型的综合目标函数为最小化配电系统平均量测冗余度；基于MSEBGWO算法对模型进行求解优化，得到配电网μPMU优化配置方案，其中，所述MSEBGWO算法为通过增加顶层狼数量、采用新型的Sigmoid转换函数、非线性自适应收敛因子和随机反向学习策略的改进GWO算法。与现有技术相比，本发明具有得到的μPMU优化配置方案对网络拓扑适应性强、算法收敛速度快、寻优能力强等优点。
-
公开(公告)号：CN113378901B
公开(公告)日：2024-06-07
申请号：CN202110600443.4
申请日：2021-05-31
IPC: G06F18/23211 , G06Q10/0635 , G06Q50/06
Abstract: 本发明涉及一种基于KFCM聚类分析和PMU装置的主动配电网预想故障集筛选方法，1)获取配电网故障时数据、配电网正常运行时数据及PMU装置的高密度量测数据；2)获取故障后全网各节点电压相量与全网各节点正常运行时标准电压相量的差作为被聚类数据集，作为初始聚类数据集；3)采用KFCM聚类算法对初始聚类数据集进行聚类划分；4)进行聚类有效性分析，确定每种故障类；5)进行故障类严重度分析，获取各故障类严重度指标；6)按故障类严重度指标依次输出相应故障类，完成预想故障集初步筛选；7)采用云理论对预想故障集初步筛选结果进行排序及分析。与现有技术相比，本发明具有提高故障集筛选准确度、有效反映不同故障类严重程度等优点。
-
公开(公告)号：CN113378901A
公开(公告)日：2021-09-10
申请号：CN202110600443.4
申请日：2021-05-31
Abstract: 本发明涉及一种基于KFCM聚类分析和PMU装置的主动配电网预想故障集筛选方法，1)获取配电网故障时数据、配电网正常运行时数据及PMU装置的高密度量测数据；2)获取故障后全网各节点电压相量与全网各节点正常运行时标准电压相量的差作为被聚类数据集，作为初始聚类数据集；3)采用KFCM聚类算法对初始聚类数据集进行聚类划分；4)进行聚类有效性分析，确定每种故障类；5)进行故障类严重度分析，获取各故障类严重度指标；6)按故障类严重度指标依次输出相应故障类，完成预想故障集初步筛选；7)采用云理论对预想故障集初步筛选结果进行排序及分析。与现有技术相比，本发明具有提高故障集筛选准确度、有效反映不同故障类严重程度等优点。
-
公开(公告)号：CN115275991A
公开(公告)日：2022-11-01
申请号：CN202210906679.5
申请日：2022-07-29
Applicant: 国网上海市电力公司
Inventor： 郑真 , 朱峰 , 黄晨宏 , 马小丽 , 时珊珊 , 姚尚坤 , 杜洋 , 颜华敏 , 肖远兵 , 肖文渊 , 李建宁 , 牟锴 , 张冠花 , 汪笃红 , 马晔晖 , 邢海军 , 黄一楠 , 田书欣
Abstract: 本发明公开了一种基于IEMD‑TA‑LSTM模型的主动配电网运行态势预测方法，包括输入单元、数据处理单元、态势预测单元和输出单元；输入单元构建组合模型的输入数据集；数据处理单元将分布式电源出力和负荷功率原始时序数据分解成若干特征不同的时序分量，并对网络超参数进行优化；态势预测单元使用融合残差卷积注意力、空间注意力、时间注意力三重注意力机制的TA‑LSTM神经网络，归纳外源数据与时序信息的时空特征；输出单元将各个分量的预测结果进行合并，继而从节点电压、支路负载角度建立态势评估指标，得到最终的态势预测结果。本发明能够优化配电网运行态势预测水平，提升预测的精度。
-
-
-
Search Results
4
records
(took 0.037 seconds)
