基于光伏的中低压配电网谐波治理两阶段分层调控方法

    公开(公告)号:CN118920485A

    公开(公告)日:2024-11-08

    申请号:CN202411422273.5

    申请日:2024-10-12

    IPC分类号: H02J3/01 H02J3/38

    摘要: 本发明涉及配电网谐波治理技术领域,公开了一种基于光伏的中低压配电网谐波治理两阶段分层调控方法。首先,构建中低压分层控制架构,先通过中压控制层级控制,再通过低压控制层级控制,并进行中压层与低压层之间的交互协调控制;再分别针对中压层和低压层以中低压配电网谐波治理费用最低确立目标函数,设定约束条件并求解,来构建中低压配电网谐波治理分层优化模型;最后基于中低压分层控制架构与中低压配电网谐波治理分层优化模型,得到中低压配电网两阶段分层协调控制流程。本发明采用光伏有功并网后的剩余容量产生补偿电流,极大提高了设备利用率,以中低压配电网谐波治理费用最低为优化目标,在经济性上更具优势。

    一种基于分类一致性的弱监督异常检测方法

    公开(公告)号:CN118152965A

    公开(公告)日:2024-06-07

    申请号:CN202410394022.4

    申请日:2024-04-02

    IPC分类号: G06F18/2433 G06N3/0895

    摘要: 本发明公开了一种基于分类一致性的弱监督异常检测方法,具体包括如下步骤:原始数据输入;对原始数据进行预处理;计算并构造样本属性的模糊信息粒化;样本属性的分类一致性计算;计算所有样本的异常因子,得到异常评分;通过异常阈值比较判断数据中的异常对象。本发明通过模糊相似关系来对混合型数据进行统一表示,无需进行额外的数据格式转换,避免了重要信息的丢失;利用极少量标记数据来构造数据驱动的模糊决策系统,引入分类一致性来计算属性在异常检测中的重要性。通过融合分类一致性和对象异常因子来计算对象的异常评分,并利用标记数据计算异常阈值,有效地提升了混合型数据异常检测的准确率。

    一种基于时域声纹分离网络的变压器声纹盲分离方法

    公开(公告)号:CN116564333A

    公开(公告)日:2023-08-08

    申请号:CN202310481828.2

    申请日:2023-04-28

    IPC分类号: G10L21/028 G10L25/30

    摘要: 本发明公开了一种基于时域声纹分离网络的变压器声纹盲分离方法,采集变压器的混叠声纹信号;将混叠声纹信号输入时域声纹分离网络;计算分离网络输出的信号与实际的源信号之间尺度不变的信噪比;通过反向传播算法更新分离网络参数;重复直到尺度不变的信噪比或迭代次数达到预设值,则停止训练;将训练好的时域声纹分离网络用于实际变压器声纹分离。本申请使用编码器‑解码器框架直接在时域中对信号进行建模,并对非负编码器输出执行源进行分离,并将分离问题简化为在编码器输出上计算源掩码,然后由解码器合成;相比于当前最先进的因果和非因果声纹分离算法,该分离方法适用于需要低功耗、实时实现的变压器声纹分离应用。

    一种基于变分自编码器多通道声纹盲源分离方法

    公开(公告)号:CN116825126A

    公开(公告)日:2023-09-29

    申请号:CN202310481811.7

    申请日:2023-04-28

    IPC分类号: G10L21/028 G10L25/30

    摘要: 本发明公开了一种基于变分自编码器多通道声纹盲源分离方法,其包括以下步骤:采集电力变压器的声纹信号;通过短时傅里叶变换处理混合的声纹信号得到复谱图;将复谱图输入到构造的条件变分自编码器中;训练条件变分自编码器;将训练好的变分自编码器用于声纹盲源分离。该方法使用条件变分自动编码器来建模和估计混合源的功率谱图,通过使用带有源类标签的训练示例的谱图来训练条件变分自动编码器,使用训练的去编码器分布作为通用生成模型,该模型能够生成基于指定类索引的谱图;通过将内容空间变量和类别索引视为该生成模型的未知参数,对基础源的功率谱图以及分离矩阵进行迭代估计,具有优越的声纹盲分离性能。

    一种基于神经网络的窃电检测方法

    公开(公告)号:CN117033916B

    公开(公告)日:2024-07-23

    申请号:CN202310840149.X

    申请日:2023-07-10

    摘要: 本发明公开了一种基于神经网络的窃电检测方法,包括以下步骤:S1、数据预处理:对输入的数据集中存在的缺失情况进行预处理,填补缺失值,并对数据进行归一化处理;S2、根据窃电数据特征创建检测网络模型,使用处理好的数据集来训练模型;S3、加载模型,根据输入的电力消耗数据来进行检测。该发明的窃电检测方法通过利用卷积神经网络来提取数据周内与相邻周间信息,并利用自注意力机制来提取月份间的信息,且针对难以从复杂的序列模式提取出模式的依赖关系问题,对序列进行了分解,从而提高窃电检测的准确率并降低检测的假阳率。

    一种基于双向转置FPN跨层网络的山火监测方法及装置

    公开(公告)号:CN115690686A

    公开(公告)日:2023-02-03

    申请号:CN202211404989.3

    申请日:2022-11-10

    摘要: 本发明公开了一种基于双向转置FPN跨层网络的山火监测方法,包括:获取山火烟雾数据集,山火烟雾数据集包括若干发生山火的图像;构建双向转置FPN跨层网络,并构建双向转置FPN跨层网络对应的损失函数;以山火烟雾数据集作为训练数据,以损失函数最小为目标,对双向转置FPN跨层网络进行训练,得到训练完成的双向转置FPN跨层网络;获取当前森林的图像信息,并以该图像信息作为双向转置FPN跨层网络的输入,获取山火监测结果。本发明通过构建双向转置FPN跨层网络,在实现山火监测的同时,提高了山火监测效果以及准确率。

    多传感器信息融合火灾预测算法、系统、电子设备及介质

    公开(公告)号:CN115619013A

    公开(公告)日:2023-01-17

    申请号:CN202211226539.X

    申请日:2022-10-09

    摘要: 本发明涉及多类型异质传感器信息融合技术领域,公开了一种多传感器信息融合火灾预测算法、系统、电子设备及介质,包括:S1、获取数据库中的样本数据;S2、对所述数据集中的样本数据进行预处理;S3、将预处理后的所述数据集中的样本数据按照比例划分为训练集、测试集和验证集,并将所述训练集中的样本数据利用机器学习算法提取数据特征,得到每个样本数据各属性值的重要度;S4、建立预测模型,将所述训练集输入至所述预测模型中进行训练;S5、将所述测试集中的样本数据送入到所述预测模型中对预测模型进行修正。本发明通过找出各属性与火灾发生之间的内在联系,减少传感器抢占信道资源的情况发生,降低功耗的同时并保证准确地做出火灾预警。

    一种短期电力负荷预测方法及预测系统

    公开(公告)号:CN115034474A

    公开(公告)日:2022-09-09

    申请号:CN202210654960.4

    申请日:2022-06-10

    摘要: 本发明公开了一种短期电力负荷预测方法及预测系统,获取第一序列数据集;将第一序列数据集划为若干第二序列数据集;选择任意一个第二序列数据集,采用差分自回归移动平均方法对第二序列数据集处理,获得第一电力负荷序列数据;采用BP神经网络方法对第二序列数据集处理,获得第二电力负荷序列数据;构建第一目标函数,并采用混沌粒子群算法进行处理,获得第一权重系数以及第二权重系数,遍历所有第二序列数据集,获得若干第一权重系数以及若干第二权重系数;计算获得第n+1天的第一权重系数与第二权重系数;计算获得第n+1天的电力负荷数据;本发明的有益效果为提高了对电力负荷序列数据预测的准确度,增加了对电力负荷序列数据的精度。

    一种新型电力系统物联感知路由交换发现方法及系统

    公开(公告)号:CN114978981A

    公开(公告)日:2022-08-30

    申请号:CN202210549615.4

    申请日:2022-05-20

    IPC分类号: H04L45/02 H04L67/12

    摘要: 本发明公开了一种新型电力系统物联感知路由交换发现方法及系统,在未知智慧物联网络环境中其他节点的初始路由信息的情况下,通过各节点向其邻接表中的其他各个节点之间相互发送路由信息来使各个节点实时更新自身路由信息,保证网络中每个节点都能及时、有效的发现网络其他节点的路由信息,避免信息遗漏或错漏的问题;传染算法在每个节点需要同时向所有能感知的节点发送路由信息,在每个节点需要高度动态变化,遇到路由变动较快的情况,难以保证所有的节点都能及时接收发现其他节点的路由并更新自身路由信息,而本方案中接收节点在根据接收的路由对自身路由更新后才进行本节点邻接表的循环,及时更新路由,保证路由的准确性。

    一种基于神经网络的现场作业违章行为分析方法及系统

    公开(公告)号:CN113705476A

    公开(公告)日:2021-11-26

    申请号:CN202111008055.3

    申请日:2021-08-30

    摘要: 本发明公开了一种基于神经网络的现场作业违章行为分析方法及系统,其中方法包括:建立基于前景区域分割模型的安全作业检测神经网络模型,所述前景区域分割的对象为安全作业区域;获取安全作业数据训练集,所述训练集包括由工作人员和工作环境构成的图像及与该图像对应的安全作业区域的背景掩膜;将所述训练集输入所述神经网络模型进行模型训练,得到训练后的神经网络模型;将待测图像输入所述训练后的神经网络模型进行安全作业区域分割预测,得到安全作业区域的背景掩膜;根据所述安全作业区域的背景掩膜的前景区域的面积判断工作人员是否存在违章行为。本发明在不会耗费较多人力、时间的前提下,也能及时发现现场作业中的违章行为。