电子式互感器工作电源
    2.
    发明公开

    公开(公告)号:CN102244418A

    公开(公告)日:2011-11-16

    申请号:CN201110193967.2

    申请日:2011-07-12

    IPC分类号: H02J17/00

    摘要: 本发明公开了一种电子式互感器工作电源,包括直流电源、高频电源电路、低压侧无功补偿电路、电磁耦合单元、高压侧接收电路与恒负载变换电路;直流电源给高频电源电路供电,所述高频电源电路与低压侧无功补偿电路电连接;所述电磁耦合单元分为发送单元和接收单元,所述低压侧无功补偿电路接入电磁耦合单元的发送单元;所述高压侧接收电路接入电磁耦合单元的接收单元,且所述高压侧接收电路和恒负载变换电路电连接。本发明采用特殊的设计结构使电磁耦合线圈实现能量的高集中度收发,并通过特别设计的工作电路实现电能从低压侧到高压侧的可靠传送,值得推广。

    一种基于重要点分割的多分段短期负荷预测方法

    公开(公告)号:CN109146063A

    公开(公告)日:2019-01-04

    申请号:CN201811019350.7

    申请日:2018-08-27

    IPC分类号: G06N3/04 G06Q10/04 G06Q50/06

    摘要: 本发明公开了一种基于重要点分割的多分段短期负荷预测方法,包括以下步骤:1)采集地区历史负荷数据、历史温度数据以及历史相对湿度数据;2)根据月份对电力负荷进行季节性划分;3)使用非参数核密度拟合提取分季典型日负荷曲线;4)对分季典型日负荷曲线使用重要点分割进行重要点的确定;5)基于已确定好的分割点对待预测负荷曲线及气象因素曲线进行多分段处理;6)对各子分段建立基于鲁棒极限学习机(outlier robust extreme learning machine,ORELM)短期负荷预测模型。

    一种基于混合算法的短期风电功率预测方法

    公开(公告)号:CN109376897A

    公开(公告)日:2019-02-22

    申请号:CN201810997267.0

    申请日:2018-08-29

    IPC分类号: G06Q10/04 G06Q50/06

    摘要: 本发明涉及一种基于混合算法的短期风电功率预测方法,包括以下步骤:S1利用集成经验模态分解技术将原始风电功率分解为一系列本征模函数(IMF)子模态分量,S2利用奇异谱分析方法将集成经验模态分解技术分解所得的除了第一个IMF分量IMF1之外的各个IMF分量及RES分量的主趋势分量提取出来,以获得序列特征更为明显的子模态分量,S3对IMF1分量和S2中得到的剩余分量R进行保留,并对IMF1分量和剩余分量R进行小波包分解,得到一系列较为平稳的新子模态,S4利用在线鲁棒极限学习机分别对S1-S3步骤所得到的所有子模态建立预测模型,并通过叠加获得最终的风电功率预测结果;本发明可对实际风电系统进行有效的准确预测,为电力系统的运行和规划提供重要参考。

    一种基于时变混合Copula函数的短期风速预测的方法与装置

    公开(公告)号:CN107292439A

    公开(公告)日:2017-10-24

    申请号:CN201710485792.X

    申请日:2017-06-23

    IPC分类号: G06Q10/04 G06Q50/06

    CPC分类号: G06Q10/04 G06Q50/06

    摘要: 本发明实施例公开了一种基于时变混合Copula函数的短期风速预测的方法与装置,依据历史风速数据的实际值和对应的预测值,构建时变混合Copula函数;利用期望最大化-最大似然方法,确定出时变混合Copula函数的目标参数值。在给定风速预测值的情况下,利用时变混合Copula函数,可以计算出风速预测误差的条件概率密度函数;将条件概率密度函数转化为离散的条件概率密度函数,并对离散的条件概率密度函数进行积分面积累加,最终可以得到在预设置信水平下的风速预测置信区间。可见,通过上述技术方案,能够依据给定的置信水平得到对应的风速概率性预测的区间即风速预测置信区间,实现了对风速的概率性预测,有效的体现了风速的不确定性信息。

    一种基于双重分解的短期风电功率预测方法

    公开(公告)号:CN109146186A

    公开(公告)日:2019-01-04

    申请号:CN201810998185.8

    申请日:2018-08-29

    IPC分类号: G06Q10/04 G06Q50/06

    CPC分类号: G06Q10/04 G06Q50/06

    摘要: 本发明提供一种基于双重分解的短期风电功率预测方法,包括以下步骤:S1导入原始风电功率时间序列,S2利用变模态分解技术将原始风电功率分解为若干个子模态,S3利用样本熵方法计算S2得到的子模态的样本熵值,得到样本熵值明显较大的子模态和样本熵值较小的子模态,S4利用小波包分解技术将S3中得到的样本熵值值较大的子模态进行二次分解,分解为若干个信号特征更为明显与平稳的新子模态,S5利用在线鲁棒极限学习机分别对S3得到的样本熵值较小的子模态和S4二次分解后得到的新子模态建立预测模型,并通过叠加获得最终的风电功率预测结果;本发明计算速度快且泛化能力更好,具有更高的预测精度,且能更好的适应于实际应用中的时变系统中。

    一种基于重要点分割的多分段短期负荷预测方法

    公开(公告)号:CN109146063B

    公开(公告)日:2022-02-11

    申请号:CN201811019350.7

    申请日:2018-08-27

    IPC分类号: G06N3/04 G06Q10/04 G06Q50/06

    摘要: 本发明公开了一种基于重要点分割的多分段短期负荷预测方法,包括以下步骤:1)采集地区历史负荷数据、历史温度数据以及历史相对湿度数据;2)根据月份对电力负荷进行季节性划分;3)使用非参数核密度拟合提取分季典型日负荷曲线;4)对分季典型日负荷曲线使用重要点分割进行重要点的确定;5)基于已确定好的分割点对待预测负荷曲线及气象因素曲线进行多分段处理;6)对各子分段建立基于鲁棒极限学习机(outlier robust extreme learning machine,ORELM)短期负荷预测模型。

    一种基于智能电网大数据的电价执行稽查方法

    公开(公告)号:CN105574642A

    公开(公告)日:2016-05-11

    申请号:CN201510756491.7

    申请日:2015-11-06

    IPC分类号: G06Q10/06 G06Q50/06

    CPC分类号: G06Q10/063 G06Q50/06

    摘要: 本发明是一种基于智能电网大数据的电价执行稽查方法。包括以下步骤: 1)利用数据预处理模块对电力用户用电数据进行处理;2)利用聚类算法构建电力用户典型用电轨迹专家库;3)利用距离判别分析算法实现对电力用户电价执行稽查。本发明聚类算法通过样本点的密度参数来确定初始聚类中心;利用组合聚类评价指标和得分评价指标相结合的方法来确定最佳聚类数,从而形成电力用户典型用电轨迹曲线;距离判别算法则是对新的电力用户进行电价执行稽查判别,通过计算电价异常嫌疑系数,确定最终的电价执行异常客户名单。本发明能够实现用电行为轨迹的智能分析和辨识;实现客户电价执行的远程在线诊断,提高营销稽查的针对性、准确性和时效性。