一种基于贪婪算法组合的配电网灾后抢修调度方法和装置

    公开(公告)号:CN113962410A

    公开(公告)日:2022-01-21

    申请号:CN202111267898.5

    申请日:2021-10-29

    摘要: 本发明涉及一种基于贪婪算法组合的配电网灾后抢修调度方法,包括以下步骤:构建三种预防抢修策略的贪婪算法,根据配电网当时的负荷状态,分别寻求最优解,选取配电网损失最小的最优解,作为配电网的抢修策略;各个贪婪算法均包括:从抢修中心出发,各个抢修队分别选取最满足对应抢修策略的故障点进行抢修,每个抢修队抢修完毕后,选取尚未被抢修的故障点中最满足对应抢修策略进行抢修,直至所有故障抢修完毕;三个贪婪算法对应的抢修策略分别为距离最近、抢修效果最好和抢修效率最高。与现有技术相比,本发明可以快速得到满意的解,省去在整个空间上探索所耗费的大量时间,尽可能保证最优性的同时提高灾后求解的效率。

    一种基于贝叶斯网络的配电网停运节点预测方法

    公开(公告)号:CN113205204A

    公开(公告)日:2021-08-03

    申请号:CN202110350496.5

    申请日:2021-03-31

    IPC分类号: G06Q10/04 G06Q50/06 G06N7/00

    摘要: 本发明涉及一种基于贝叶斯网络的配电网停运节点预测方法,包括:构建与配电网向对应的树形贝叶斯网络;在树形贝叶斯网络中给定关键节点集和证据节点集,计算证据节点集的联合概率P1;在关键节点集中选取一个停运组合,将其与证据节点集合并,计算整体的联合概率P2,从而得到该停运组合的后验概率为P2/P1;循环计算关键节点集中每个停运组合的后验概率;选取后验概率最大的停运组合作为最可能的停运状态,即配电网停运节点预测结果。与现有技术相比,本发明充分考虑了各种停运组合的可能性,结果可靠性强;还通过结合树状贝叶斯网络的特点,以递推的思路将原有指数复杂度的多元联合概率问题转化为线性复杂度问题;克服了维数灾难,减少了计算时间。

    一种移动式储能参与的主动配电网故障恢复方法

    公开(公告)号:CN113364045B

    公开(公告)日:2024-05-31

    申请号:CN202110577198.X

    申请日:2021-05-26

    摘要: 本发明涉及一种移动式储能参与的主动配电网故障恢复方法,1)获取配电网中的MES的充放电状态、多类型的DG的出力负荷、储能装置的储能信息及不同类型的负荷;2)基于获取的各项数据构建移动式储能参与的主动配电网故障恢复模型;3)对模型通过二阶锥算法进行线性优化,获取混合整数二阶锥规划模型,在优化模型中计及不确定因素,进一步获取两阶段鲁棒恢复模型,并采用主子交互迭代方法求解两阶段鲁棒恢复模型;4)对两阶段鲁棒恢复模型通过主子问题交互迭代算法获取在满足最小经济损失条件下的最优故障恢复方案。与现有技术相比,本发明具有降低由于故障停电所带来的经济损失,降低停电负荷量等优点。

    一种基于密度的局部放电信号提取方法及系统

    公开(公告)号:CN116008735A

    公开(公告)日:2023-04-25

    申请号:CN202111227149.X

    申请日:2021-10-21

    IPC分类号: G01R31/12

    摘要: 本发明公开了一种基于密度的局部放电信号提取方法,其包括步骤:(1)采集第一原始局部放电信号序列;(2)基于二阶包络线的脉冲边沿搜索方法提取局部放电脉冲,以得到二阶包络线序列和脉冲索引矩阵;(3)比较二阶包络线序列中的二阶包络线最大值Vmax与设定阈值Vth,若Vmax≥Vth,则将其作为干扰信号剔除,得第二原始局部放电信号;(4)提取第二原始局部放电信号的脉冲索引矩阵的等效带宽F作为频域特征量,再提取一阶包络线信息作为时域特征量;基于频域特征量和时域特征量第二次剔除干扰信号,得第三原始局部放电信号;(5)针对第三原始局部放电信号,用基于密度的脉冲聚类方法寻找聚类中心,并将偏离于聚类中心的离群点作为干扰信号剔除。

    一种基于动态综合评价的电网灾变恢复能力改善方法

    公开(公告)号:CN114219261A

    公开(公告)日:2022-03-22

    申请号:CN202111495575.1

    申请日:2021-12-09

    IPC分类号: G06Q10/06 G06Q50/06 G06F17/18

    摘要: 本发明涉及一种基于动态综合评价的电网灾变恢复能力改善方法,以时间维度为主,考虑空间维度和流程处置优化,分解电网灾变恢复能力,建立基于时空维度拆解的评价指标体系;获取各个指标的原始数据,根据三角模糊数得到各指标的量化值;采用集结算子对模糊数进行集结;引入α‑截集对模糊数进行处理;使用模糊‑两阶段超效率SBM模型进行电网灾变恢复预案及恢复能力评估;根据评估结果改进区域电网灾变恢复能力。与现有技术相比,本发明实现了对基于智慧预案的恢复能力的整体评价、排序,使评价结果更加的具有科学性和合理性;可有效区分灾变恢复能力仍需作出改善的供电区域,并在一定程度上克服了评价标准需要动态变化的问题,具有较强的客观性。

    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

    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

    摘要: 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。

    一种基于图时空神经网络的变压器故障预测方法

    公开(公告)号:CN114358159A

    公开(公告)日:2022-04-15

    申请号:CN202111607551.0

    申请日:2021-12-27

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本发明涉及一种基于图时空神经网络建模的变压器故障预测方法,包括:将变压器的油中溶解气体的时序数据输入训练好的图时空神经网络,输出变压器的预测故障类别;图时空神经网络包括图学习层、标准卷积层、时空信息提取模块和softmax层,时空信息提取模块包括若干个图卷积层和时序卷积层,若干个空间特征信息和时序卷积层交错连接,图学习层分别与各层图卷积层连接;预测故障类别的输出过程包括:将时序数据作为节点嵌入,输入图学习层,生成邻接矩阵,将邻接矩阵分别输入各层图卷积层;时序数据依次经过标准卷积层、空信息提取模块和softmax层,获得变压器的预测故障类别。与现有技术相比,本发明具有准确性高、可解释性强等优点。

    一种移动式储能参与的主动配电网故障恢复方法

    公开(公告)号:CN113364045A

    公开(公告)日:2021-09-07

    申请号:CN202110577198.X

    申请日:2021-05-26

    摘要: 本发明涉及一种移动式储能参与的主动配电网故障恢复方法,1)获取配电网中的MES的充放电状态、多类型的DG的出力负荷、储能装置的储能信息及不同类型的负荷;2)基于获取的各项数据构建移动式储能参与的主动配电网故障恢复模型;3)对模型通过二阶锥算法进行线性优化,获取混合整数二阶锥规划模型,在优化模型中计及不确定因素,进一步获取两阶段鲁棒恢复模型,并采用主子交互迭代方法求解两阶段鲁棒恢复模型;4)对两阶段鲁棒恢复模型通过主子问题交互迭代算法获取在满足最小经济损失条件下的最优故障恢复方案。与现有技术相比,本发明具有降低由于故障停电所带来的经济损失,降低停电负荷量等优点。