基于深度学习的含不确定性N-1安全校核方法

    公开(公告)号:CN110929989A

    公开(公告)日:2020-03-27

    申请号:CN201911040124.1

    申请日:2019-10-29

    摘要: 本发明公开了基于深度学习的含不确定性N-1安全校核方法,主要步骤为:1)获取电力网络数据,并建立输入特征向量集Xin;2)对特征向量进行预处理,并划分为训练集和验证集;3)建立的深度神经网络直流潮流模型;4)利用训练集和验证集对深度神经网络直流潮流模型进行训练;5)以电力网络实时数据建立测试集,并输入到训练后的深度神经网络直流潮流模型中,得到潮流输出特征向量Yout;6)对输出特征向量Yout=[θi,Pij]进行安全性验证。本发明可广泛应用于不确定性场景的N-1安全校核在线分析,能够获得与传统直流潮流求解方法获得不相上下的校核精度,并提高近百倍的分析速度。

    一种安控装置RTDS动模测试系统构建方法、测试方法及系统

    公开(公告)号:CN112462737B

    公开(公告)日:2022-03-08

    申请号:CN202011293306.2

    申请日:2020-11-18

    IPC分类号: G05B23/02

    摘要: 本发明公开了一种安控装置RTDS动模测试系统构建方法、测试方法及系统,系统构建方法包括:创建第一自定义元件,生成Connection.def文件;在Connection.def文件关联的C语言文件中编写通过参数设置生成满足安控装置RTDS动模测试环境所需的主接线模型的第一功能代码;创建第二自定义元件,生成Protection.def文件;在Protection.def文件关联的C语言文件中编写通过参数设置控制特定延时下开关分合的自由组合,实现对继电保护装置进行动作模拟的第二功能代码;将Connection.def文件及Protection.def文件植入RTDS的公共元件库,得到Connection元件和Protection元件。将用以配合安控装置进行动模测试的继电保护装置的功能集成至仿真模型中,减轻测试人员的工作量,提升了仿真模型的通用性,降低了测试错误率。

    一种智能变电站二次系统风险评估方法

    公开(公告)号:CN114066309A

    公开(公告)日:2022-02-18

    申请号:CN202111431518.7

    申请日:2021-11-29

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明提供了一种智能变电站二次系统风险评估方法,包括以下步骤:将智能变电站二次系统按照间隔划分,构造所有间隔下所有分布式功能拥有的逻辑节点LN集合和逻辑连接LC集合;构造智能变电站二次系统中每个二次设备拥有的LN集合;构造智能变电站二次系统中交换机、光纤通信设备上流经的LC集合;采用结构熵权法,分别求取智能变电站二次系统所有间隔的权重,求取每个间隔下各分布式功能的权重;根据智能变电站二次系统的元件的可靠性随运行时间的变化,建立相应的各分布式功能的可靠性程度函数;根据各分布式功能的权重与可靠性程度函数,得到分布式功能风险的时间函数。本发明能够对智能变电站二次系统的每个间隔进行有效的风险评估。