分布式电源接入下变压器中性点接地方法

    公开(公告)号:CN114498631A

    公开(公告)日:2022-05-13

    申请号:CN202210095779.4

    申请日:2022-01-26

    摘要: 本发明提供了一种分布式电源接入下变压器中性点接地方法。变压器中性点不接地,所述方法包括以下步骤:根据分布式电源的类型和发生故障的类型,选择计算模型;确定变压器安全运行的暂稳态条件;根据所述计算模型和所述暂稳态条件,确定分布式电源接入电网的容量。在分布式电源接入电网的容量大于所述确定容量的情况下,将变压器中心点从不接地转换成接地。本发明能够确定出分布式电源接入的容量限制,保障了电网的运行安全,避免了不接地变压器中性点电压过高导致的间隙击穿造成的损失;本发明能够为分布式电源接入点变压器中性点运行方式提供决策参考;本发明能够降低变压器投资、运行成本,减少因故障处置不恰当带来的直接或者间接经济损失。

    一种能源互联网中隐私保护的多能负荷解耦预测方法

    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

    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。

    一种基于自适应联邦元学习的初期故障辨识方法

    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

    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。

    一种基于用户电表数据的低压配网拓扑搜寻方法

    公开(公告)号:CN118445746A

    公开(公告)日:2024-08-06

    申请号:CN202410504848.1

    申请日:2024-04-25

    申请人: 重庆大学

    摘要: 一种基于用户电表数据的低压配网拓扑搜寻方法,包括以下步骤:1)采集m个时间断面的用户电表数据,确定计算一次拓扑的断面数量;2)随机选出K个连续的断面样本TSS,并令样本序数k=1;3)计算得到属于第k个断面样本TSS下的用户识别顺序IS;4)利用用户识别顺序IS对剩下的K‑1个断面样本TSS依次进行识别,得到K‑1个配电网可能拓扑,并将K‑1个配电网可能拓扑存入结果集合R中;5)判断k=K是否成立,若否,则令k=k+1,并返回步骤3),若是,则进入步骤6);6)通过投票从结果集合R中选出最终配电网拓扑。本发明在拓扑识别算法的基础上,加入多断面区间的配网拓扑搜寻方法,可以减少原有基于单一断面区间数据计算算法的偶然性错误,获得相对准确且稳定的拓扑结构。