-
公开(公告)号：CN106227961B
公开(公告)日：2019-11-26
申请号：CN201610604627.7
申请日：2016-07-28
Applicant: 山东大学
Abstract: 本发明公开了一种基于启动电流的取能CT仿真优化方法及装置，包括：二次侧匝数的选取步骤：仿真启动电流附近时不同匝数下CT输出功率与滤波电容电压的关系曲线，得到取能CT输出最大功率与匝数的关系曲线，选择最大功率与匝数关系曲线上拐点区域对应的匝数作为二次侧匝数；及DC‑DC电路启动电压选取步骤：选择DC‑DC电路启动电压使其高于上述选择的匝数下CT输出最大功率点对应的滤波电容电压。本发明能够保证取能电源在启动电流附近时正常工作，提高输出效率。通过实验验证了该方法的有效性。
-
公开(公告)号：CN108414905A
公开(公告)日：2018-08-17
申请号：CN201810306485.5
申请日：2018-04-08
IPC: G01R31/12
CPC classification number: G01R31/1281
Abstract: 本发明公开了基于流形距离近邻传播聚类的变压器局部放电识别方法，包括：搭建油中电晕放电、油中沿面放电和气隙放电三种变压器内部局部放电模型；以盒维数和信息维数作为灰度图的特征量的提取；流形距离的定义及其计算公式；基于流形距离的近邻传播聚类的方法步骤；k-近邻k初值的设定原则。本发明改善了传统近邻传播聚类对结构复杂数据难以准确识别的缺点，同时将其应有于对变压器内部油中电晕放电、油中沿面放电和气隙放电三种放电的模式识别，实验结果表明，基于流形距离的近邻传播聚类的结果优于传统近邻传播聚类，K-means聚类和模糊C均值聚类，提高了识别的准确率。
-
公开(公告)号：CN106126944A
公开(公告)日：2016-11-16
申请号：CN201610489216.8
申请日：2016-06-28
Applicant: 山东大学
CPC classification number: G06F19/00 , G06K9/6256 , G06Q10/04
Abstract: 本发明公开了一种电力变压器顶层油温区间预测方法及系统，基于核极限学习机和Bootstrap方法，获取原始训练集数据，通过Bootstrap方法生成子训练集；采用子训练集数据训练多个核极限学习机顶层油温预测模型；以多个核极限学习模型对原始训练集进行预测，根据预测结果生成噪声预测核极限学习机的训练样本，并训练噪声预测核极限学习机；采用多个核极限学习机顶层油温预测模型对验证集进行预测，并采用噪声预测核极限学习机预测顶层油温的观测噪声方差；根据多个核极限学习对顶层油温预测结果的方差和预测得到的观测噪声方差，计算得到顶层油温的预测区间。本发明能够得到在某置信水平上的清晰可靠的变压器顶层油温预测区间。
-
公开(公告)号：CN107169195A
公开(公告)日：2017-09-15
申请号：CN201710331055.4
申请日：2017-05-11
IPC: G06F17/50
CPC classification number: G06F17/5009
Abstract: 本发明公开了一种分体式变压器冷却系统效能评价方法，包括：采用ADC法对变压器冷却系统完成特定实验任务的能力和质量进行量化，ADC法是根据可用性、可信性和能力来进行评价；采用APH法确定能力的影响因素各层指标权重及指标层综合权重；可用性是在开始实验任务时对分体冷却系统状态的度量；可信性表示分体冷却系统在已知状态下进入实验，实验过程中分体冷却系统在某时刻处于某状态的度量；能力为分体冷却系统在实验过程中所处状态已知的情况下，完成某种特定实验任务的度量。本发明能够有效的评判出分体式变压器的冷却系统的效能，具有较高的操作性，对提高分体式变压器的冷却效果使之充分利用有着良好的应用价值。
-
公开(公告)号：CN105977948A
公开(公告)日：2016-09-28
申请号：CN201610322702.0
申请日：2016-05-16
Applicant: 山东大学
CPC classification number: Y02E40/30 , H02H9/08 , H02J3/1807
Abstract: 本发明公开了一种面向单相重合闸的多变量作用下潜供电弧特性预测方法，包括：确定输入量和输出量的样本集；利用结构风险最小化原则求解支持向量机线性回归函数；建立非线性回归支持向量机回归预测模型；确定非线性回归支持向量机回归预测模型的学习参数以及评估支持向量机回归的适应度函数，采用快速非支配排序遗传算法对所述学习参数进行优化；采用参数优化的支持向量机回归预测模型对安装混合无功补偿的特高压输电系统的输出量分别进行预测。本发明有益效果：优化参数的回归型支持向量机所得到预测值与前文仿真所得到的结果相对误差在2％以内，可以说明该方法的有效性。
-
Patent Agency Ranking
公开(公告)号：CN101572158B
公开(公告)日：2011-04-13
申请号：CN200910014637.5
申请日：2009-03-03
Applicant: 山东大学
Abstract: 本发明公开了一种新型电磁机构及其数学分析模型。它具有结构简单，使用方便，安全可靠等优点。其结构为：它包括可动线圈L1和固定线圈L2，其中可动线圈L1为同一绕向绕制的螺线管线圈a；固定线圈L2包含用一根导线绕制而的大小相同、绕向相反的线圈b和线圈c，线圈a底端到线圈c底端的距离即为可动区间。
-
公开(公告)号：CN112952915A
公开(公告)日：2021-06-11
申请号：CN202110205116.9
申请日：2021-02-24
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网有限公司 , 山东大学
Inventor： 刘洋 , 李立生 , 王峰 , 李明洋 , 孙勇 , 刘合金 , 苏国强 , 李帅 , 张鹏平 , 由新红 , 黄敏 , 张世栋 , 张林利 , 张文秀 , 娄杰 , 梁永亮 , 李可军
Abstract: 一种综合能源系统中平抑电网峰谷的优化调度方法，包括以下步骤：步骤1，获取可再生能源出力数据、三类负荷数据以及分时电价数据，并基于所述数据建立综合能源系统的优化调度模型；步骤2，采用粒子群算法求解所述优化调度模型，并获得优化调度策略。基于本发明中的方法，可以构建综合能源系统的优化调度模型，采用粒子群算法获得优化调度策略，缓解电网峰谷现象，实现经济效益最大化，促进可再生能源的消纳。
-
公开(公告)号：CN106126944B
公开(公告)日：2018-05-25
申请号：CN201610489216.8
申请日：2016-06-28
Applicant: 山东大学
Abstract: 本发明公开了一种电力变压器顶层油温区间预测方法及系统，基于核极限学习机和Bootstrap方法，获取原始训练集数据，通过Bootstrap方法生成子训练集；采用子训练集数据训练多个核极限学习机顶层油温预测模型；以多个核极限学习模型对原始训练集进行预测，根据预测结果生成噪声预测核极限学习机的训练样本，并训练噪声预测核极限学习机；采用多个核极限学习机顶层油温预测模型对验证集进行预测，并采用噪声预测核极限学习机预测顶层油温的观测噪声方差；根据多个核极限学习对顶层油温预测结果的方差和预测得到的观测噪声方差，计算得到顶层油温的预测区间。本发明能够得到在某置信水平上的清晰可靠的变压器顶层油温预测区间。
-
公开(公告)号：CN107024644A
公开(公告)日：2017-08-08
申请号：CN201710266522.X
申请日：2017-04-21
Applicant: 山东大学
IPC: G01R31/12
CPC classification number: G01R31/1272
Abstract: 本发明公开了一种特高压线路潜供电弧电气特征与弧柱形态模拟系统及方法，通过总开关控制电源电压是否向特高压线路模块提供电源，第一支路串联至总开关与特高压线路模块之间，第二支路与第一支路并联，用于模拟特高压线路电感型短路电流产生和模拟特高压线路无补偿情况下潜供电弧，本发明通过搭建了特高压无补偿输电线路潜供电弧低压模拟实验平台，能够在此基础上，进行分析潜供电弧电压和电流的电气特征，涉及暂态过程变化规律、放电功率和放电能量。
-
公开(公告)号：CN118713076B
公开(公告)日：2024-11-29
申请号：CN202411187503.4
申请日：2024-08-28
Applicant: 山东大学
IPC: H02J3/00 , H02J3/38 , G06F30/20 , G06F17/12 , G06F17/16 , G06F113/04 , G06F123/02
Abstract: 本发明提出基于逆变器的时域分析模型构建方法、系统、介质及设备，涉及电力系统领域。方法包括：根据电力系统结构将电力系统划分为新能源场站与交流网络；构建交流网络模型：将光伏场站逆变器作为电流源输入，外部电网作为无限大电压源输入，输出为交流网络电压电流参数；构建新能源场站模型：将交流网络的输出作为输入，输出为新能源场站输出的电流；基于交流网络模型和新能源场站模型获得交互传递函数，实现交流网络和新能源场站的交互。通过对交流网络与新能源场站控制环节分别进行建模，再借助负反馈实现两者的交互，以对新型电力系统扰动运行特性进行整体机理研究，解决了含新能源的电力系统中电力网络与逆变器控制系统孤立研究的问题。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.044 seconds)
