-
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: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:CN116990607A
公开(公告)日:2023-11-03
申请号:CN202310891230.0
申请日:2023-07-19
申请人: 华北电力大学
摘要: 本发明公开了一种鲁棒性电力系统实时扰动检测的方法,首先获取电力系统SMD的地址和所量测的有效实时频率数据;对当前时间窗的有效实时频率数据使用长短窗STA/LTA算法进行检测,利用不同种类扰动对不同长度时间窗的敏感性识别电力系统中发生的传统扰动和同时具有快速和慢速动态的多重扰动;当检测到扰动时,提取扰动初至时间,并判断扰动检测结果;当扰动检测结束时,提取扰动结束时间,判断扰动终止。利用该方法可以在电力系统发生扰动时,以较高的实时性、准确性、鲁棒性对实时量测数据同时进行快慢速动态扰动检测。
-
公开(公告)号:CN118897154A
公开(公告)日:2024-11-05
申请号:CN202410944400.1
申请日:2024-07-15
申请人: 华北电力大学
IPC分类号: G01R31/08 , G06F18/15 , G06F18/27 , G06N5/04 , G06F123/02
摘要: 本发明公开了一种配电网同步测量数据驱动的扰动源辨识方法,属于同步测量技术领域,包括以下步骤:步骤1、获取配电网同步测量数据中的实时扰动数据并进行数据预处理;步骤2、对预处理后的同步测量扰动数据进行自回归建模;步骤3、计算各点位同步测量数据间的因果性强度并构建因果相关性矩阵;步骤4、依据测量点位的拓扑对因果相关性矩阵进行条件判定,辨识扰动源;本发明提供的一种配电网同步测量数据驱动的扰动源辨识方法,能够快速分辨扰动数据中的传输侧扰动与配电网扰动,从而提取出真实的配电网扰动。
-
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。
-
-
-
-