-
公开(公告)号：CN117214635A
公开(公告)日：2023-12-12
申请号：CN202311338400.9
申请日：2023-10-17
申请人： 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司亳州供电公司 , 安徽大学
IPC分类号： G01R31/12
摘要： 本发明公开了一种基于瞬时无功电流的三相交流串联故障电弧检测方法，属于电气故障检测领域。本发明针对三相交流串联型电弧故障，根据瞬时无功理论将三相电流经过坐标变换得到瞬时无功电流；电弧故障发生前瞬时无功电流为零，电弧故障发生后瞬时无功电流发生波动，通过检测瞬时无功电流的变化判断电弧故障的发生。当瞬时无功电流在设置的阈值范围以内时，无电弧故障发生，当瞬时无功电流超过设置的阈值范围时，判断电弧故障发生。本发明解决了传统故障检测方法对于电机类负载故障诊断准确率低的问题。本发明的故障检测信号变化明显，可以减小噪声的干扰，能够有效提高故障电弧检测的准确度，避免故障漏判和误判。
-
公开(公告)号：CN114355240A
公开(公告)日：2022-04-15
申请号：CN202111451134.1
申请日：2021-12-01
申请人： 国网安徽省电力有限公司电力科学研究院 , 安徽大学
IPC分类号： G01R31/52 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明提供一种配电网接地故障诊断方法及装置，包括：获取配电网的基础拓扑结构故障时的一维零序电流信号，并将一维零序电流信号转换为二维图像；以所述二维图像作为卷积神经网络模型的输入，训练得到基础故障诊断模型；在配电网发生故障时，判断发生故障的拓扑结构是否为基础拓扑结构：若是，则利用基础故障诊断模型对配电网进行故障诊断，输出对应的故障类型；否则，基于基础故障诊断模型，利用迁移学习方法，得到该发生故障的拓扑结构对应的目标故障诊断模型，并利用该目标故障诊断模型对配电网进行故障诊断，输出对应的故障类型。本发明的配电网接地故障诊断方法能够实现不同拓扑结构的故障分类，运用范围广，故障分类快速，准确率高。
-
公开(公告)号：CN114077846A
公开(公告)日：2022-02-22
申请号：CN202111198766.1
申请日：2021-10-14
申请人： 国网安徽省电力有限公司电力科学研究院 , 安徽大学
摘要： 本发明的一种基于RF‑LSTM的故障电流多域识别方法及存储介质，其中方法包括以下步骤，针对电弧故障平台，获取原始电流信号；对原始电流信号进行处理，进行核主成分分析提取第三主成分，然后对第三主成分信号进行时域、频域和能量域特征提取；接着用随机森林进行无偏预测重要性估计选择对应负载条件下的高相关特征；最后将筛选后的特征用作LSTM的特征输入，用于学习和训练，实现对故障电弧的多域识别。本发明的方法减少了计算量并且提高了检测速度和精度；结果表明，此方法可以准确的识别电弧故障。
-
公开(公告)号：CN112051480A
公开(公告)日：2020-12-08
申请号：CN202010783864.0
申请日：2020-08-06
申请人： 国网安徽省电力有限公司电力科学研究院 , 安徽大学
IPC分类号： G01R31/08
摘要： 本发明的一种基于变分模态分解的神经网络配电网故障诊断方法及系统，首先，采用变分模态分解方法分析了继电保护点零序电流的故障暂态信号特征。然后根据由变分模态分解得到的内禀模态函数(Intrinsic Mode Function，IMF)，选取故障特征较多的IMF分量，通过Hilbert‑Huang变换提取故障特征。最后，把提取出的故障特征作为卷积神经网络模型的输入，实现故障定位和故障类型判断。本发明不仅能够实现配电网故障定位，也能实现故障类型判断，且相比其他方法诊断精度很高。通过对CNN模型的选择和模型参数的调整，能显著提高故障诊断精度和降低故障诊断耗时。与其他方法对比，该方法能有效提高故障精度，具有很好的泛化能力。
-
公开(公告)号：CN108199404B
公开(公告)日：2020-06-16
申请号：CN201711403880.7
申请日：2017-12-22
申请人： 国网安徽省电力有限公司电力科学研究院 , 安徽大学
IPC分类号： H02J3/38
摘要： 本发明针对现有高渗透率大规模分布式能源系统，在集群划分依据、划分方法方面仍旧处于探索阶段，不便于对高渗透率大规模分布式能源系统开展后续电压调节的问题，提供一种高渗透率分布式能源系统的谱聚类集群划分方法。该方法，包括：通过N个节点之间的电气距离，构造权重矩阵和度矩阵，利用权重矩阵和度矩阵计算标准化的拉普拉斯矩阵LLaplacian并进行降为，采用K‑means算法将数据降维后的矩阵L聚为n个亚群落，确定每个亚群落中的一个节点为该亚群落的聚类质心；构造适应度函数，依据适应度函数确定N个节点的最终亚群落划分结果和每个亚群落的聚类质心。本发明可有效的解决高渗透率可再生能源的过电压问题，并具有良好的实时性。
-
公开(公告)号：CN110222887A
公开(公告)日：2019-09-10
申请号：CN201910454601.2
申请日：2019-05-27
申请人： 国网安徽省电力有限公司 , 国网安徽省电力有限公司电力科学研究院 , 安徽大学
摘要： 本发明公开了基于VMD和DNN的预测方法及在短期负荷预测的应用，属于电力系统短期负荷预测技术领域。包括步骤1：采集负荷数据；步骤2：将采集数据进行归一化处理；步骤3：采用VMD方法对归一化后的原始负荷序列进行分解；步骤4：对步骤3得到的K个分量进行深度神经网络（DNN）训练；步骤5：将分解后的测试样本带入DNN并叠加得到最终的预测结果。本发明对具有波动性和随机性的数据预测准确，能够有效减少数据的计算量，缩短了计算时间，而且预测结果准确，提升负荷预测的准确性对电力系统的经济调度、稳定运行具有重要意义。
-
公开(公告)号：CN108199404A
公开(公告)日：2018-06-22
申请号：CN201711403880.7
申请日：2017-12-22
申请人： 国网安徽省电力有限公司电力科学研究院 , 安徽大学
IPC分类号： H02J3/38
摘要： 本发明针对现有高渗透率大规模分布式能源系统，在集群划分依据、划分方法方面仍旧处于探索阶段，不便于对高渗透率大规模分布式能源系统开展后续电压调节的问题，提供一种高渗透率分布式能源系统的谱聚类集群划分方法。该方法，包括：通过N个节点之间的电气距离，构造权重矩阵和度矩阵，利用权重矩阵和度矩阵计算标准化的拉普拉斯矩阵LLaplacian并进行降为，采用K-means算法将数据降为后的矩阵L聚为n个亚群落，确定每个亚群落中的一个节点为该亚群落的聚类质心；构造适应度函数，依据适应度函数确定N个节点的最终亚群落划分结果和每个亚群落的聚类质心。本发明可有效的解决高渗透率可再生能源的过电压问题，并具有良好的实时性。
-
公开(公告)号：CN118569632A
公开(公告)日：2024-08-30
申请号：CN202410606937.7
申请日：2024-05-16
申请人： 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司合肥供电公司 , 安徽大学
IPC分类号： G06Q10/0635 , H02J3/00 , G06Q50/06
摘要： 本发明公开了一种基于故障分析的输配一体化化风险评估指标构建方法，包括：获取电力系统停电事故的历史事件信息，对历史事件信息进行机理分析获得事故机理图；根据事故机理图进行输配电网的耦合分析，获得风险因素；分析风险因素对电网可造成的潜在风险，基于潜在风险的分析结果构建风险评估指标。本发明以历史电力系统停电事故为基础，综合考虑新型电力系统中输配交互作用，深入分析输配电网交互作用和故障机理，设计一体化的风险指标，能够实现能源的有效输送，从而进一步提高能源利用率。
-
公开(公告)号：CN110796303B
公开(公告)日：2023-11-07
申请号：CN201911018674.3
申请日：2019-10-24
申请人： 国网安徽省电力有限公司电力科学研究院 , 安徽大学
IPC分类号： G06Q10/04 , G06F18/23 , G06F18/214 , G06Q50/06
摘要： 一种基于EWT和ODBSCAN的短期电力负荷预测方法，可解决单一的预测模型对于具有复杂变化及随机特性的负荷序列，预测难以获得理想的精度的技术问题。本发明提出基于EWT和ODBSCAN的组合预测方法，首先，采用EWT分解负荷，得到不同的固有模态分量；其次，采用合理的方法对各分量进行预测。其中，低频、中频分量采用IRF预测；高频分量具有不确定性，使用ODBSCAN根据气象因素温度和湿度聚类，再根据每类的样本特性选择处理方法。最后，叠加各个分量的预测结果，获取总的预测结果。根据某地市现场实测负荷数据进行实验，预测结果分别与EWT‑IRF、EWT‑RF、EMD‑IRF模型的预测结果进行对比，可以获得更高的预测精度，体现实际负荷的变化规律。
-
公开(公告)号：CN115271242A
公开(公告)日：2022-11-01
申请号：CN202210970798.7
申请日：2022-08-13
申请人： 国网安徽省电力有限公司电力科学研究院 , 安徽大学
摘要： 本发明实施例公开了一种光伏发电功率预测模型的训练方法、预测方法、装置。按照天气类型，将待训练数据进行划分，得到多种划分后的待训练数据；将多种划分后的待训练数据输入预设的光伏功率集成预测模型Stacking TCN‑LGBM‑PM中；基于预设的光伏功率集成预测模型，对每种划分后的待训练数据进行计算，得到每种划分后的待训练数据对应的光伏功率；根据计算得到的每种划分后的待训练数据对应的光伏功率和每种划分后的待训练数据对应的标识光伏功率，对光伏功率集成预测模型进行训练，得到训练后的多种天气类型对应的光伏功率集成预测模型。解决了光伏发电功率预测精度过低的问题，提高了光伏发电功率的预测精度。
-
-
-
-
-
-
-
-
-
搜索结果
332 条记录 (耗时 0.106 秒)
