-
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:CN113887794A
公开(公告)日:2022-01-04
申请号:CN202111144517.4
申请日:2021-09-28
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 , 国网安徽省电力有限公司
摘要: 本发明公开了一种配电网无功优化的方法及装置,所述方法包括以下步骤:将配电网的历史负荷、拓扑数据以及对应的历史无功优化策略输入改进的CNN网络进行特征提取;特征提取后的配电网数据中历史负荷、拓扑数据作为DBN网络的输入,对应的历史无功优化策略作为DBN网络的输出,训练DBN网络,直到达到预设的迭代次数或者网络损耗不变的时候停止训练得到无功优化模型;将实时获取的历史负荷、拓扑数据输入无功优化模型,得出实时的无功优化策略,利用实时的无功优化策略对配电网进行无功优化;本发明的优点在于:配电网无功优化过程的计算时间短以及精度高。
-
公开(公告)号:CN117039854A
公开(公告)日:2023-11-10
申请号:CN202310930460.3
申请日:2023-07-27
申请人: 国网安徽省电力有限公司合肥供电公司 , 国网安徽省电力有限公司电力科学研究院 , 安徽大学
发明人: 陶伟龙 , 汪勋婷 , 方进虎 , 孔德骏 , 唐大城 , 张程 , 王钰竹 , 丁津津 , 毛德拥 , 吕晓娜 , 王洪波 , 王伟 , 毛旬 , 郭力 , 周杨俊冉 , 印欣 , 张宏庆 , 陈璐 , 张传海 , 张倩
摘要: 本发明公开了一种用于电网任务监视及管控的快速复电系统,包括故障感知模块、任务驱动模块、任务管理模块、故障处置模块、进程管控模块、风险管控模块、日志记录模块。本系统基于完善的快速复电经验库,结合快速复电的进度以及辅助决策结果,为快速复电全程提供任务推送,实现对故障处置流程管控。旨在通过技术手段减少调度员对于快速复电的工作量,极大程度地缩短快速复电时间,减轻调度员快速复电压力,提前规避各类处置风险。辅助构建新型电力系统下的一体化大电网安全防御体系。
-
公开(公告)号:CN116316853A
公开(公告)日:2023-06-23
申请号:CN202310362043.3
申请日:2023-04-03
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 , 安徽大学
IPC分类号: H02J3/38 , H02J3/00 , G06Q10/0635 , G06Q50/06
摘要: 一种分布式电源频繁并离网风险评估方法及系统,属于电力系统技术领域,解决现有的风险评估方法未考虑在保护装置作用下的分布式电源频繁并离网对电网造成影响的问题;本发明的技术方案根据电网的拓扑结构、各节点的用电功率和分布式电源的发电功率,计算电网潮流以及节点电压偏移,根据预设的电压上限值、下限值,循环判断并入节点的分布式电源是否存在频繁并离网情况,从而对分布式电源频繁并离网的风险进行评估,本发明的技术方案解析过程清晰、效率高,对于不同电压等级、不同结构的电网具有普遍适用性,并且能准确反映实际工程中分布式电源的运行方式。
-
公开(公告)号:CN113159361A
公开(公告)日:2021-07-23
申请号:CN202011398686.6
申请日:2020-12-03
申请人: 安徽大学 , 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
摘要: 本发明的一种基于VDM和Stacking模型融合的短期负荷预测方法及系统,采集负荷序列数据,并输入到事先训练好的预测模型,进行负荷预测并输出预测结果;其中,预测模型的训练步骤如下:采用VMD算法将获取到的原始负荷序列分解为不同的固有模态分量IMF;计算每个IMF负荷分量序列的ApEn值;把每一个ApEn值作为一个随机分量,基于Stacking的思想,XGBoost和长短期记忆神经网络来构建模态分量IMF的预测模型;通过将上述预测模型对各模态分量IMF的预测结果叠加得到最终预测结果,再进行加权融合。相比传统方法的结果,本发明方法的结果表明基于多模型融合的Stacking集成学习方法在电力负荷预测中有良好的应用效果。
-
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:CN114077846B
公开(公告)日:2024-06-04
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
IPC分类号: G06F18/243 , G06F18/2135 , G06F18/211 , G06N3/0442 , G06N3/09 , G01R31/08 , G01R31/12
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:CN117277295A
公开(公告)日:2023-12-22
申请号:CN202311226194.2
申请日:2023-09-21
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: H02J3/00 , H02J3/38 , G06F18/211 , G06F18/15 , G06F18/2433 , G06Q50/06 , G01W1/10 , G01W1/02 , G01S13/95 , G01S7/40 , G01S17/95 , G01S7/497 , G06F123/02
摘要: 本发明提供了一种基于声雷达的多参数短期风电功率预测方法。首先选用价格较为低廉的声雷达测风方案实现不架设测风塔条件下精确获取10m‑200m高度的风速、风向、垂直气流和距雷达10m的温度、湿度、压强等多种气象参数;其次采用iForest算法和集成经验模态分解得到经数据清洗后的风能采样数据固有模态分量,可以解决非线性和非平稳风能信号存在的模态混淆缺陷及噪声敏感问题;最后采用Elman神经网络模型对集成经验模态分解后的测风数据进行训练和预测,在规定标准误差条件下输出风电功率预测结果。
-
-
-
-
-
-
-
-
-