-
公开(公告)号:CN117975043A
公开(公告)日:2024-05-03
申请号:CN202311748154.4
申请日:2023-12-18
申请人: 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司 , 华北电力大学 , 江苏省电力试验研究院有限公司
IPC分类号: G06V10/46 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/082
摘要: 本发明公开了一种基于自适应基序差分场的扰动特征融合与提取方法、装置及系统,包括获取配网同步测量的频率数据f和电压幅值数据U;对所述频率数据f和电压幅值数据U进行数据预处理,得到频率数据#imgabs0#和电压幅值数据#imgabs1#使用自适应基序差分场的编码方法对频率数据#imgabs2#和电压幅值数据#imgabs3#进行特征图像化,分别生成对应的频率基序差分场和电压幅值基序差分场;将所述频率基序差分场和电压幅值基序差分场进行融合,生成特征图片;基于卷积神经网络对所述特征图片进行扰动特征提取。本发明具有良好的特征提取效率,以及较快的计算速度,能够进一步提高分类器的准确率。
-
公开(公告)号:CN117911825A
公开(公告)日:2024-04-19
申请号:CN202410100147.1
申请日:2024-01-24
申请人: 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司 , 华北电力大学 , 江苏省电力试验研究院有限公司
IPC分类号: G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要: 本发明涉及同步相量测量数据驱动扰动辨识技术领域,尤其涉及一种基于自适应基序差分场的扰动特征融合与提取方法,该方法包括以下步骤:获取配网同步测量的频率f和电压幅值U;对获取的频率f和电压幅值U进行归一化处理,得到#imgabs0#使用所提自适应A‑MDF的编码方法对#imgabs1#进行特征的图像化;将#imgabs2#进行基于A‑MDF的图像特征融合;借助卷积神经网络完成特征提取。本发明通过上述方法的设置,可以实现对电力系统扰动标签进行特征变化,通过特征的图像化以及图像特征的融合,可以具有良好的特征提取效率以及较快的计算速度,从而进一步提高分类器的准确率。
-
公开(公告)号:CN116756702A
公开(公告)日:2023-09-15
申请号:CN202310695312.8
申请日:2023-06-12
申请人: 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司 , 华北电力大学 , 江苏省电力试验研究院有限公司
摘要: 本发明公开了一种基于频域Prony的宽频相量估计方法、装置、存储介质及计算设备,该方法从时域Prony自回归模型出发,推导了基于信号采样值离散傅里叶变换的频域自回归模型,为提升Prony自回归模型的抗噪性能,采用复加权最小二乘法求解宽频分量的频率,根据所求频率,通过Prony方法求解宽频相量的幅值和相角。利用本发明方法,可在低信噪比场景下高精度估计宽频分量的频率、幅值和相角。
-
公开(公告)号:CN116381335A
公开(公告)日:2023-07-04
申请号:CN202310025129.7
申请日:2023-01-09
申请人: 华北电力大学 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司电力科学研究院
摘要: 本发明公开了一种电力系统宽频振荡分量自适应阈值提取的方法及装置,首先获取电力系统中电力信号的频谱和归一化功率谱;根据所述电力信号的频谱和归一化功率谱,获得归一化功率谱的均值和方差,并剔除表征有效频率分量的最大频谱值;迭代上述操作,直至归一化功率谱的方差小于4为止,此时搜寻归一化功率谱的方差最接近4的标准差,将该标准差设为宽频分量提取阈值。利用该方法及装置可以在电力系统发生宽频振荡时,自适应设置阈值,从而忽略噪声含量不同的影响,在频域上提取宽频分量参数。
-
公开(公告)号:CN118551316A
公开(公告)日:2024-08-27
申请号:CN202410513061.1
申请日:2024-04-26
申请人: 中国长江三峡集团有限公司 , 华北电力大学
IPC分类号: G06F18/2433 , G06F18/213
摘要: 本公开涉及数据处理技术领域,尤其涉及一种扰动数据的筛选方法、装置、计算机设备及存储介质,在获取原始信号、特征标签和负荷电压之后,对原始信号进行集合经验模态分解,得到多个尺度对应的本征模态分量;选择与特征标签对应的筛选方式从原始频率数据中选择异常数据;根据负荷电压、第一预设裕度、第二预设裕度和第一差值阈值,将扰动数据从异常数据中筛选出来;本实施例通过第一次筛选,将异常数据从原始频率数据中的确定出来,通过第二次筛选,将由硬件问题等原因导致的坏数据从原始频率中剔除,从而将扰动数据从原始频率数据中提取出来,以对扰动数据进行进一步的识别检测操作,进而提高检测结果的准确性。
-
公开(公告)号:CN112505477B
公开(公告)日:2023-12-08
申请号:CN202011278074.3
申请日:2020-11-16
申请人: 广东电网有限责任公司广州供电局 , 华北电力大学
IPC分类号: G01R31/08 , G06F18/213 , G06F123/02
摘要: 本发明公开了一种基于配电网同步相量数据的扰动初判方法,针对电网负荷侧220V电压侧数据波动大,扰动多且不易区分,测量数据噪声大的特点,采用了EMD经验模态分解再重构对原频率数据处理,使得处理后扰动部分数据与稳态数据的导数特点易于区分;再通过实际同步相量测量数据进行进一步验证,证明了该方法能够很好的将扰动数据与稳态数据区分,并具有计算速度快,占用计算资源少的优点。
-
公开(公告)号:CN116502126A
公开(公告)日:2023-07-28
申请号:CN202310491917.5
申请日:2023-05-04
申请人: 华北电力大学
IPC分类号: G06F18/24 , G06F30/27 , G06F113/04 , G06F119/02
摘要: 本发明公开了一种基于同步相量测量的无监督电力系统扰动识别方法,首先获取待处理电力系统的同步相量测量数据,包括频率、电压幅值和电压相角,并对频率、电压幅值和电压相角进行归一化处理,作为后续模型的输入;构建长短时时间序列生成对抗网络LST‑TimeGAN模型,使用所构建的模型进行长时、短时、超短时时间窗的非事件特征提取;依据模型的输出,结合事件的电气量和时间窗特征进行扰动预分类;使用LightGBM算法对预分类的事件大类进行聚类再识别,实现扰动的识别分类。上述方法可用于无标签或少标签情形的扰动识别,能对电力系统扰动进行准确识别,从而监控电力系统的电能质量问题,并对潜在配网故障进行预警。
-
-
公开(公告)号:CN113850330A
公开(公告)日:2021-12-28
申请号:CN202111134876.1
申请日:2021-09-27
申请人: 华北电力大学
摘要: 本发明公开了一种基于短时傅里叶变换和卷积神经网络的配电网故障原因检测方法,首先获取待检测配电网的故障录波数据,截取故障发生后的一周波故障数据;将故障数据通过短时傅里叶变换进行特征提取,得到时频特征图,并采用数据增强的方法扩充数据;构建卷积神经网络CNN分类模型,并利用数据扩充后的时频特征图对所构建的卷积神经网络CNN分类模型进行训练;构造测试数据集,对训练好的卷积神经网络CNN分类模型进行测试,实现故障原因的准确识别和分类。该方法能够快速、准确地对实际配电网的故障原因进行识别和分类,实现电力系统动态行为的实时监测。
-
公开(公告)号:CN112611968A
公开(公告)日:2021-04-06
申请号:CN202011242495.0
申请日:2020-11-09
申请人: 广东电网有限责任公司广州供电局 , 华北电力大学
摘要: 本发明公开了属于电力系统测试技术领域的一种基于决策树的相量测量次同步振荡检测方法。基于决策树算法从PMU历史数据中预先离线学习次同步振荡阈值,以实现在线的次同步振荡快速检测。通过改变标签给定的判据,可以自适应地调整次同步振荡检测阈值以满足实际需求。对检测出的含有次同步振荡的数据,基于FFT频谱分析,计算出次同步振荡的频率和幅值以实现及时告警。该方法能够快速、准确地检测次同步振荡,在用FFT确定次同步振荡参数之前,排除了占比较多的非次同步振荡数据,从而明显减少了FFT分析的计算量,并能根据实际需求自适应调整阈值,因此采用基于决策树的PMU测量相量次同步振荡检测方法具有十分显著的优点。
-
-
-
-
-
-
-
-
-