-
公开(公告)号:CN115561575A
公开(公告)日:2023-01-03
申请号:CN202211104143.8
申请日:2022-09-09
申请人: 国网上海市电力公司 , 华东电力试验研究院有限公司 , 重庆大学
摘要: 本发明公开了基于多维矩阵轮廓的海上风电场电气异常状态辨别方法,以海上风场常见故障状态及扰动现象为发明对象,通过理论分析、仿真计算及实际数据校验证明了该算法的有效性。本发明基于EEMD的海上风电场电气异常状态特征提取策略有效的将异常波形分解为具有各自时间特性尺度的信号,为海上风电场异常状态辨识提供了依据。本发明基于改进DTW算法的多维矩阵轮廓子序列间相似度度量方式体现了时间序列片段变化趋势及频率差变化;心跳包机制的嵌入有效地降低了实际检测过程中的计算负担,且不会导致漏检的情况,具有广阔的工程应用价值。
-
公开(公告)号:CN117407717A
公开(公告)日:2024-01-16
申请号:CN202311456923.3
申请日:2023-11-03
申请人: 重庆大学 , 重庆大学溧阳智慧城市研究院
IPC分类号: G06F18/214 , G06N3/084 , G06F21/62 , G06Q50/06
摘要: 本发明属于能源互联网技术领域,尤其涉及一种能源互联网中隐私保护的多能负荷解耦预测方法,包括以下步骤:S1、构建多能负荷预测模型PPenergyNET;所述PPenergyNET包括分别设置在冷、热、电能源公司处的本地模型,用于独立提取对应能源公司的本地负荷数据的负荷特征;PPenergyNET还包括设置在云服务器的全局模型,用于聚合三个本地模型的负荷特征进行多能负荷预测;S2、对S1构建的PPenergyNET进行学习优化;S3、使用学习优化后的PPenergyNET进行多能负荷预测。使用本发明,可以只交换本地特征、预测结果、损失和梯度信息就能完成模型的训练和预测,从而实现了数据可用不可见,保护了原始数据的隐私。本方法可以在保护各能源公司的本地数据隐私的同时,准确的进行多能源负荷预测。
-
公开(公告)号:CN117473869A
公开(公告)日:2024-01-30
申请号:CN202311466826.2
申请日:2023-11-06
申请人: 重庆大学 , 重庆大学溧阳智慧城市研究院
IPC分类号: G06F30/27 , G06Q50/06 , G06F18/214 , G06N3/0464 , G06Q10/20 , G06F111/10 , G06F113/04
摘要: 本发明属于智能模型学习技术领域,尤其涉及一种基于自适应联邦元学习的初期故障辨识方法,包括以下步骤:S1、构建仿真配电网并仿真模拟各类故障事件,并同步记录故障波形数据和非故障波形数据;将记录的波形数据转换为图像样本,得到故障图像数据库Dtrain;S2、在云服务器设置全局模型并在各电力公司设置本地模型;S3、结合Dtrain中的样本,使用元学习策略,对云服务器的全局模型进行训练,得到全局模型的最优初始参数θ*;S4、通过设计的联邦学习框架,对全局模型参数进行多轮优化;S5、使用参数优化完成的全局模型进行IF辨识。本方法能够在实现隐私保护的同时,在样本量小的条件下完成IF特征的学习,并保证IF辨识准确度。
-
-