-
公开(公告)号:CN117949770A
公开(公告)日:2024-04-30
申请号:CN202311755806.7
申请日:2023-12-18
申请人: 国网福建省电力有限公司 , 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司莆田供电公司 , 浙江大学
摘要: 本发明提出一种诊断引起柔性直流系统共模振荡的故障位置的方法,在柔性直流网络每端的变流器交流侧中性点处分别装设可监测零序电流及零序电压的继电保护装置,当零序电压基波分量异常大,零序电压三次谐波分量偏小,并且零序电流三次谐波分量偏小时,则判定引起柔性直流系统共模振荡故障位置在该端变流器交流侧。本发明适用于包含若干个变流器端的柔性直流网络,且变流器交流侧中性点接地、带三次谐波调制策略。当柔性直流系统发生共模振荡时,可以迅速判断引起柔性直流系统共模振荡故障位置,并发出信号告知控制系统切除该端变流器,消除柔性直流系统的共模振荡,保障柔性直流电网安全可靠运行。
-
公开(公告)号:CN117724009A
公开(公告)日:2024-03-19
申请号:CN202311682264.5
申请日:2023-12-08
摘要: 本发明涉及一种基于电流微分法的极间短路故障分析与检测方法,包括如下步骤:步骤1:采集直流系统极间短路故障发生时电容电压信号和电感电流信号,确定计算故障电流表达式,并在时域内对其进行求导,得到电流微分量表达式;步骤2:假设极间短路故障在t=0时发生,故障电流的微分量在此时达到最大值,将t=0+代入步骤1得到的结果,得到电流微分量的初始值;步骤3:令故障发生位置为x,互相线路等效电阻Rf取零,将x与单位长度电缆电阻和电感相乘,得到直流侧出口处与故障发生点间的电阻R和电感L;步骤4:根据步骤2和步骤3得到的结果计算故障发生位置x,进而完成故障检测工作。该方法检测准确,检测速度快,泛用性高。
-
公开(公告)号:CN117706269A
公开(公告)日:2024-03-15
申请号:CN202311694716.1
申请日:2023-12-12
摘要: 本发明涉及一种基于谐波注入的主动故障检测方法,包括如下步骤:步骤1:对低压直流配电网进行线路故障分析;步骤2:注入谐波信号,用于实时识别故障位置;步骤3:选择注入的谐波信号频率;步骤4:选择注入的谐波信号幅值;步骤5:提取谐波频率特征量进行计算;步骤6:采用曲线拟合方法对步骤5得到的结果进行处理,以提高低压直流线路故障的整体定位精度,减少误差造成的定位结果偏差。该方法有利于提高故障检测的精度。
-
公开(公告)号:CN117220481A
公开(公告)日:2023-12-12
申请号:CN202311107480.7
申请日:2023-08-31
摘要: 本发明为一种具有直流短路故障保护的三端口直流变换器及工作方法,包括一个故障限流电路、三个部分功率H桥电路、一个部分功率三相桥电路、一个三相变压器模块;故障限流电路一端与直流电源的输入端连接,另一端与部分功率三相桥电路和第一部分功率H桥电路连接,三个部分功率H桥电路串联传输总功率范围中的主要功率,部分功率三相桥电路用于传输总功率范围中的部分功率;三相变压器模块用于连接三个部分功率H桥电路和一个部分功率三相桥电路;本发明在实现功率变换多端口输出的前提下,具备直流端故障电流限制和短路故障隔离功能,减少电网断路器和其他故障限制装置的投入使用,降低后期的维护成本。
-
公开(公告)号:CN117134322A
公开(公告)日:2023-11-28
申请号:CN202310899978.5
申请日:2023-07-20
申请人: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
摘要: 本发明涉及一种低压台区用户用电偏好预测方法,包括以下步骤:构建低压台区用户用电偏好模型,包括外在影响因素分析模块和内在变化规律分析模块;所述外在影响因素分析模块用于选择多个外在影响因素,并基于选择的各外在影响因素对电力负荷进行特性分析,获取各外在影响因素与电力负荷波动的关联性;所述内在变化规律分析模块用于选择多个电力负荷特性指标,并对各电力负荷特性指标进行分类以及特性分析,获取各电力负荷特性指标与电力负荷波动的关联性;获取台区内用户的用电数据,基于构建好的低压台区用户用电偏好模型进行对应用户的用电偏好预测。
-
公开(公告)号:CN117151172A
公开(公告)日:2023-12-01
申请号:CN202310889400.1
申请日:2023-07-19
申请人: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
IPC分类号: G06N3/0495 , G06N3/082 , G06N3/0464 , G06Q50/06 , H02J13/00
摘要: 本发明涉及一种基于轻量化神经网络的台区非侵入式负荷监测方法,包括以下步骤:确定至少一个目标监测台区,获取目标监测台区的台区负荷数据并进行预处理后,放入对应目标监测台区的训练样本集中;搭建Seq2point神经网络模型,并在首层卷积层至输出层之间插入若干Dropout函数;对搭建好的Seq2point神经网络模型的网络结构进行简化;通过对应目标监测台区的训练样本集对简化后的Seq2point神经网络模型进行迭代训练,在迭代训练过程中采用恒定稀疏低幅值剪枝技术,得到训练好的对应目标监测台区的非侵入式负荷监测模型;利用训练好的对应目标监测台区的非侵入式负荷监测模型进行非侵入式负荷监测。
-
公开(公告)号:CN117710145A
公开(公告)日:2024-03-15
申请号:CN202311690620.8
申请日:2023-12-11
申请人: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
摘要: 本发明涉及一种基于轻量级人工智能算法的边端计算方法,包括以下步骤:S1、边端设备将各自实时运行数据上传到融合终端中,融合终端解析边端设备上传的实时运行数据,掌握边端设备运行状态;S2、配电台区具有融合终端和各边端设备,融合终端依据当前台区运行状态和自身、边端设备算力资源情况,选择资源充裕的边端设备执行适合该台区运行状态的轻量级人工智能算法;S3、台区融合终端将算法执行得到的台区运行策略进行校验后,由融合终端实现对边端设备的控制功能。该方法有利于实现轻量级人工智能算法服务响应,提高配电网运行效率。
-
公开(公告)号:CN116738378A
公开(公告)日:2023-09-12
申请号:CN202310697757.X
申请日:2023-06-13
申请人: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
IPC分类号: G06F18/40 , G06F18/214 , G06F18/2135 , G06F18/2321 , G06F18/23213 , G06F18/24 , G06F18/27 , G06F18/10 , G06Q10/0631 , G06Q50/06
摘要: 本发明提出一种面向配电台区的轻量级人工智能算法编排构建方法,包括以下步骤;步骤S1、分析提取典型的台区场景,总结场景的协同管控和区域自治应用需求,建立场景与应用需求的映射关系;步骤S2、针对不同的应用需求场景,将人工智能算法分解成针对该场景各种功能解耦且彼此独立的工具算法,再将其整理汇总成工具算法库;步骤S3、根据特定台区的场景特征集,识别其场景类型并输出应用需求标签,选取若干所需的工具算法,使不同的工具算法串联运作,组成最终的轻量级人工智能算法,布署至配电台区边端设备。本发明能够便捷实现的人工智能算法编排技术,以降低电力大数据应用开发门槛,提升台区协同管控和区域自制能力,助力新型电力系统实现。
-
公开(公告)号:CN116738377A
公开(公告)日:2023-09-12
申请号:CN202310697683.X
申请日:2023-06-13
申请人: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
IPC分类号: G06F18/40 , G06F18/25 , G06F18/213 , G06F18/10 , G06F18/23213 , G06F18/24 , G06F18/22 , H04L67/12 , G06Q50/06
摘要: 本发明提出一种面向配电台区的轻量级人工智能算法库构建方法,包括以下步骤;步骤S1、基于降维和聚类算法对台区历史运行场景进行缩减,提取出具有代表性的台区典型运行场景;步骤S2、通过记录低压配电台区应用人工智能算法时边缘设备的实时运行数据,构建台区运行状态与各人工智能算法应用之间的匹配关系,进而实现人工智能算法与台区运行场景之间的匹配;步骤S3、考虑各融合终端的数据传输带宽、内部存储空间大小、计算速度差异,在保证足够精度的前提下,利用人工智能算法模型简化技术来构建轻量级人工智能算法,形成轻量级人工智能算法库;本发明可对人工智能算法进行简化,用于解决台区融合终端部署人工智能算法的局限性、兼容性问题。
-
公开(公告)号:CN117708710A
公开(公告)日:2024-03-15
申请号:CN202311613426.X
申请日:2023-11-29
申请人: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
IPC分类号: G06F18/243 , G06N3/0464 , G06N3/082 , G06Q50/06 , H02J3/00
摘要: 本发明涉及一种面向配电台区的短期轻量级负荷预测方法,包括:S1、从配电台区的历史运行数据中选取特征数据作为模型的输入特征集;对数据进行归一化处理并转化为特征矩阵;S2、基于Xception卷积与注意力机制构建轻量级台区负荷预测模型;在Xception卷积神经网络中加入注意力层以更好地理解输入数据的结构,提高特征的表示能力;而后通过Xception卷积神经网络的逐点卷积和深度卷积这两个独立步骤进行特征提取;S3、通过基于权重剪枝的模型训练方法对模型进行训练,生成一个轻量化的负荷预测模型;S4、利用得到的轻量化的负荷预测模型进行负荷预测。该方法有利于在保证负荷预测精度的情况下,减少对设备存储和计算能力的需求,提高能源利用效率。
-
-
-
-
-
-
-
-
-