-
公开(公告)号：CN110190600B
公开(公告)日：2022-09-30
申请号：CN201910540950.6
申请日：2019-06-21
Inventor： 刘超 , 王旭东 , 苏彦卓 , 梁栋 , 邢云琪 , 李治 , 张新民 , 刘伟 , 杨扬 , 熊光普 , 冷旭田 , 刁长莹 , 王尚 , 王诗惠 , 贾宓 , 王雅文 , 董祺 , 宋广彦 , 姜彤 , 高强伟
Abstract: 本发明涉及一种基于AMI量测近邻回归的三相配电网拓扑辨识方法，其技术特点在于：包括以下步骤：步骤1、建立模型；步骤2、模型求解；步骤3、可疑线路检验等步骤，将所有节点相邻时刻电压幅值之差视作高斯随机变量，建立了各随机变量组成的高斯马尔可夫随机场的精度矩阵估计模型，采用近邻回归算法对模型进行求解，基于估计精度矩阵的稀疏结构辨识高斯马尔可夫随机场对应的三相配电网拓扑；对可疑线路两端节点随机变量进行条件独立性检验，进一步验证可疑线路是否真正存在连接关系。本发明结构简单、实用性强。
-
公开(公告)号：CN110210690A
公开(公告)日：2019-09-06
申请号：CN201910540948.9
申请日：2019-06-21
Inventor： 刘超 , 王旭东 , 苏彦卓 , 梁栋 , 邢云琪 , 李治 , 张新民 , 刘伟 , 杨扬 , 熊光普 , 冷旭田 , 刁长莹 , 王尚 , 王诗惠 , 贾宓 , 王雅文 , 董祺 , 宋广彦 , 姜彤 , 高强伟
Abstract: 本发明涉及一种配电系统微型同步相量测量单元优化配置方法，其技术特点在于：包括以下步骤：步骤1、采用MSE作为标准状态估计精度评价指标；步骤2、基于步骤1的标准状态估计精度评价指标，从任意一致的系统真实状态出发，以MSE最小为目标，μPMU配置数量为约束，建立配电系统μPMU优化配置模型，进而寻求使状态估计MSE最小的μPMU配置方案；步骤3、求解步骤2的配电系统μPMU优化配置模型，获得最终μPMU优化配置结果。本发明可采用商业求解器快速获得高质量的可行解，为规划运行人员提供满足工程需要的配置方案。
-
公开(公告)号：CN110210690B
公开(公告)日：2022-12-06
申请号：CN201910540948.9
申请日：2019-06-21
Inventor： 刘超 , 王旭东 , 苏彦卓 , 梁栋 , 邢云琪 , 李治 , 张新民 , 刘伟 , 杨扬 , 熊光普 , 冷旭田 , 刁长莹 , 王尚 , 王诗惠 , 贾宓 , 王雅文 , 董祺 , 宋广彦 , 姜彤 , 高强伟
Abstract: 本发明涉及一种配电系统微型同步相量测量单元优化配置方法，其技术特点在于：包括以下步骤：步骤1、采用MSE作为标准状态估计精度评价指标；步骤2、基于步骤1的标准状态估计精度评价指标，从任意一致的系统真实状态出发，以MSE最小为目标，μPMU配置数量为约束，建立配电系统μPMU优化配置模型，进而寻求使状态估计MSE最小的μPMU配置方案；步骤3、求解步骤2的配电系统μPMU优化配置模型，获得最终μPMU优化配置结果。本发明可采用商业求解器快速获得高质量的可行解，为规划运行人员提供满足工程需要的配置方案。
-
公开(公告)号：CN110190600A
公开(公告)日：2019-08-30
申请号：CN201910540950.6
申请日：2019-06-21
Inventor： 刘超 , 王旭东 , 苏彦卓 , 梁栋 , 邢云琪 , 李治 , 张新民 , 刘伟 , 杨扬 , 熊光普 , 冷旭田 , 刁长莹 , 王尚 , 王诗惠 , 贾宓 , 王雅文 , 董祺 , 宋广彦 , 姜彤 , 高强伟
Abstract: 本发明涉及一种基于AMI量测近邻回归的三相配电网拓扑辨识方法，其技术特点在于：包括以下步骤：步骤1、建立模型；步骤2、模型求解；步骤3、可疑线路检验等步骤，将所有节点相邻时刻电压幅值之差视作高斯随机变量，建立了各随机变量组成的高斯马尔可夫随机场的精度矩阵估计模型，采用近邻回归算法对模型进行求解，基于估计精度矩阵的稀疏结构辨识高斯马尔可夫随机场对应的三相配电网拓扑；对可疑线路两端节点随机变量进行条件独立性检验，进一步验证可疑线路是否真正存在连接关系。本发明结构简单、实用性强。
-
公开(公告)号：CN115794805B
公开(公告)日：2023-05-23
申请号：CN202310084891.2
申请日：2023-02-03
Applicant: 国网天津市电力公司城东供电分公司 , 国家电网有限公司 , 国网天津市电力公司 , 国网天津市电力公司电力科学研究院
IPC: G06F16/215 , G06F18/23213 , G06F18/214 , G06N3/0442
Abstract: 本发明提供了一种中低压配网量测数据补齐方法，该方法利用K‑mediods聚类对原有量测量进行分类，并在各类中选择主/备用关键量测量作为输入样本；在此基础上，构建输入向量矩阵和响应向量，将输入向量矩阵和响应向量作为LSTM模型的输入，对LSTM模型进行训练，从而得到面向不同量测类型和时刻的量测补齐模型；根据前序时段和当前时刻主/备用关键量测量的缺失情况，分别对主/备用关键量测量进行补齐，并基于平均误差对各类中的其他缺失量测量进行补齐。本发明通过选择主/备用关键量测量大大缩减LSTM神经网络模型的规模，能够实现不同类型量测量的补齐，提升配电网的可观测性，适用于量测数据缺失率较高的配电网。
-
Patent Agency Ranking
公开(公告)号：CN115632406B
公开(公告)日：2023-04-28
申请号：CN202211645141.X
申请日：2022-12-21
Applicant: 国网天津市电力公司城东供电分公司 , 国家电网有限公司 , 国网天津市电力公司 , 国网天津市电力公司电力科学研究院
Abstract: 本发明提供一种基于数字‑机理融合驱动建模的无功电压控制方法及系统，方法包括：在离线训练阶段，将基于确定性优化模型的无功优化结果作为输入特征，将基于随机优化模型的无功优化结果作为输出标签，对包含目标神经网络模型进行训练。本发明具有机理模型明确的因果知识和数字模型强大的拟合能力，可实现系统电压精准、快速地在线控制，从而在一定程度上有效地缓解新能源及负荷的随机性所引发的电压波动问题，保证电网的运行安全性和供电可靠性。
-
公开(公告)号：CN115800271B
公开(公告)日：2023-05-23
申请号：CN202310048743.5
申请日：2023-02-01
Applicant: 国网天津市电力公司城东供电分公司 , 国家电网有限公司 , 国网天津市电力公司 , 国网天津市电力公司电力科学研究院
Abstract: 本发明提供一种基于自适应卡尔曼滤波的配电系统参数修正方法及系统，方法包括：建立中压配电系统系统参数的基于自适应卡尔曼滤波的状态方程和量测方程；基于状态方程和量测方程，计算某一时刻系统参数的预测值及其协方差；根据预测值及其协方差计算残差及其协方差；根据残差及其协方差计算马氏距离；根据马氏距离对残差进行自适应修正；之后，通过残差及其协方差计算卡尔曼滤波增益；根据卡尔曼滤波增益计算后验状态估计值。本发明提高了中压配电网的可观测性和计算能力。
-
公开(公告)号：CN115632406A
公开(公告)日：2023-01-20
申请号：CN202211645141.X
申请日：2022-12-21
Applicant: 国网天津市电力公司城东供电分公司 , 国家电网有限公司 , 国网天津市电力公司 , 国网天津市电力公司电力科学研究院
Abstract: 本发明提供一种基于数字‑机理融合驱动建模的无功电压控制方法及系统，方法包括：在离线训练阶段，将基于确定性优化模型的无功优化结果作为输入特征，将基于随机优化模型的无功优化结果作为输出标签，对包含目标神经网络模型进行训练。本发明具有机理模型明确的因果知识和数字模型强大的拟合能力，可实现系统电压精准、快速地在线控制，从而在一定程度上有效地缓解新能源及负荷的随机性所引发的电压波动问题，保证电网的运行安全性和供电可靠性。
-
公开(公告)号：CN115800271A
公开(公告)日：2023-03-14
申请号：CN202310048743.5
申请日：2023-02-01
Applicant: 国网天津市电力公司城东供电分公司 , 国家电网有限公司 , 国网天津市电力公司 , 国网天津市电力公司电力科学研究院
Abstract: 本发明提供一种基于自适应卡尔曼滤波的配电系统参数修正方法及系统，方法包括：建立中压配电系统系统参数的基于自适应卡尔曼滤波的状态方程和量测方程；基于状态方程和量测方程，计算某一时刻系统参数的预测值及其协方差；根据预测值及其协方差计算残差及其协方差；根据残差及其协方差计算马氏距离；根据马氏距离对残差进行自适应修正；之后，通过残差及其协方差计算卡尔曼滤波增益；根据卡尔曼滤波增益计算后验状态估计值。本发明提高了中压配电网的可观测性和计算能力。
-
公开(公告)号：CN115794805A
公开(公告)日：2023-03-14
申请号：CN202310084891.2
申请日：2023-02-03
Applicant: 国网天津市电力公司城东供电分公司 , 国家电网有限公司 , 国网天津市电力公司 , 国网天津市电力公司电力科学研究院
IPC: G06F16/215 , G06F18/23213 , G06F18/214 , G06N3/0442
Abstract: 本发明提供了一种中低压配网量测数据补齐方法，该方法利用K‑mediods聚类对原有量测量进行分类，并在各类中选择主/备用关键量测量作为输入样本；在此基础上，构建输入向量矩阵和响应向量，将输入向量矩阵和响应向量作为LSTM模型的输入，对LSTM模型进行训练，从而得到面向不同量测类型和时刻的量测补齐模型；根据前序时段和当前时刻主/备用关键量测量的缺失情况，分别对主/备用关键量测量进行补齐，并基于平均误差对各类中的其他缺失量测量进行补齐。本发明通过选择主/备用关键量测量大大缩减LSTM神经网络模型的规模，能够实现不同类型量测量的补齐，提升配电网的可观测性，适用于量测数据缺失率较高的配电网。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.089 seconds)
