-
公开(公告)号：CN111062170A
公开(公告)日：2020-04-24
申请号：CN201911220441.1
申请日：2019-12-03
申请人： 广东电网有限责任公司 , 广东电网有限责任公司肇庆供电局
摘要： 本发明涉及一种变压器顶层油温预测方法，包括以下步骤：S1、获取影响变压器顶层油温的相关历史数据，对历史数据进行预处理生成训练样本集Trn和测试样本集Ten；S2、选择训练样本集建立回声状态网络预测模型；S3、采用训练样本对回声状态神经网络进行训练，训练过程中采用活性纵横交叉算法对回声状态网络的参数进行优化；S4、将测试样本输入到步骤S3中训练好的回声状态网络中进行预测，得到变压器顶层油温预测结果。本发明的变压器顶层油温预测方法能有效处理油温与影响因素间的非线性关系，同时避免了状态矩阵的病态解问题，增强了纵横交叉算法的局部搜索能力，大大提高了变压器顶层油温预测精度。
-
公开(公告)号：CN110991011B
公开(公告)日：2023-05-02
申请号：CN201911114401.9
申请日：2019-11-14
申请人： 广东电网有限责任公司 , 广东电网有限责任公司肇庆供电局
IPC分类号： G06F30/27 , G06N20/10 , G06N3/006 , G06F119/08
摘要： 本发明涉及变压器实时热点温度预测领域，尤其涉及一种变压器实时热点温度预测方法，先获取变压器的负荷电流、环境温度、顶层油温、实时热点温度历史数据，对历史数据进行预处理生成训练样本集和测试样本集；然后选择训练样本集建立SVR预测模型；接着采用训练样本对SVR进行训练，训练过程中采用改进引力搜索算法对SVR的参数进行优化，提高预测模型的预测能力；最后将测试样本输入到训练好的SVR中进行预测，得到变压器实时热点温度预测值。该方法有效解决引力搜索算法的局部化最优问题，有效解决了支持向量机参数选择难的问题，增强了支持向量机的预测性能，提高了变压器实时热点温度预测精度。
-
公开(公告)号：CN111105005B
公开(公告)日：2023-04-07
申请号：CN201911220447.9
申请日：2019-12-03
申请人： 广东电网有限责任公司 , 广东电网有限责任公司肇庆供电局
IPC分类号： G06Q10/04 , G06Q50/06 , G06N3/0499 , G06N3/086
摘要： 本发明涉及一种风电功率预测方法，包括以下步骤：S1、根据局域均值分解对原始风电功率时间序列进行分解；S2、对每个PF分量和余量构建各自的训练数据集和测试数据集；S3、对每个PF分量和余量分别建立改进差分算法优化极限学习机的风电功率预测模型；S4、将训练数据集中多个PF分量和余量的训练样本逐一输入改进差分算法优化极限学习机的风电功率预测模型进行训练，得到各自对应的风电功率预测子模型；S5、将测试数据输入到各自对应的风电功率预测子模型进行预测；S6、将每个风电功率预测子模型的预测输出值进行组合叠加处理。本发明的风电功率预测方法有效降低原始风电功率数据非线性强对预测结果的影响，获得了更高精度的风电功率预测结果。
-
公开(公告)号：CN111105077A
公开(公告)日：2020-05-05
申请号：CN201911176696.2
申请日：2019-11-26
申请人： 广东电网有限责任公司 , 广东电网有限责任公司肇庆供电局
摘要： 本发明属于配电网重构技术领域，具体涉及一种基于变异萤火虫算法的含DG配电网重构方法，包括以下步骤：Step1、建立配电网重构数学模型；包括重构前网损、重构后网损、重构的网损影响量、DG的网损影响量，最后得到目标函数；Step2、构建变异萤火虫算法；Step3、结合Step1中得到的目标函数和Step2中的变异萤火虫算法，将变异萤火虫算法应用在含DG配电网的重构中，得出配电网重构的最优开关组合和对应的DG容量。本方法在考虑配电网接入不同DG容量的条件下，将一种新颖的变异萤火虫算法应用到配电网重构过程中，变异萤火虫算法通过对基本萤火虫算法引入变异机制，提高了算法的搜索效率和性能。
-
公开(公告)号：CN110991722A
公开(公告)日：2020-04-10
申请号：CN201911175279.6
申请日：2019-11-26
申请人： 广东电网有限责任公司 , 广东电网有限责任公司肇庆供电局
摘要： 本发明属于电力负荷预测技术领域，具体涉及一种电力负荷预测方法，包括以下步骤：S1、构建预测模型的训练数据集和测试数据集；S2、建立基于分层并行式贝叶斯神经网络的预测模型；S3、将训练数据集中的训练样本输入基于分层并行式贝叶斯神经网络的预测模型进行训练；S4、将测试数据输入到训练好的预测模型中进行预测，得到电力负荷预测结果。本发明提出用分层并行式贝叶斯神经网络的预测模型来预测电力负荷，以实际电网负荷数据验证了本发明所提模型的实用性，具有较高的预测精度。
-
公开(公告)号：CN110967471A
公开(公告)日：2020-04-07
申请号：CN201911115399.7
申请日：2019-11-14
申请人： 广东电网有限责任公司 , 广东电网有限责任公司肇庆供电局
摘要： 本发明属于电网设备状态监测技术领域，具体讲涉及一种变压器油中溶解气体浓度预测方法。首先为降低变压器油中溶解气体浓度时间序列中不同趋势分量的影响，采用VMD自适应地将原始变压器油中溶解气体浓度时间序列分解为多个不同带宽的模式分量，然后对各个模式分量建立蝙蝠算法优化神经网络的预测模型，提高预测模型的稳定性和泛化能力；再输入测试数据到预测模型；最后叠加全部模式分量的预测值得到真实的变压器油中溶解气体浓度预测结果。该方法能获得相比单一预测方法更高精度的短期变压器油中溶解气体浓度预测结果。
-
公开(公告)号：CN111105077B
公开(公告)日：2021-09-21
申请号：CN201911176696.2
申请日：2019-11-26
申请人： 广东电网有限责任公司 , 广东电网有限责任公司肇庆供电局
摘要： 本发明属于配电网重构技术领域，具体涉及一种基于变异萤火虫算法的含DG配电网重构方法，包括以下步骤：Step1、建立配电网重构数学模型；包括重构前网损、重构后网损、重构的网损影响量、DG的网损影响量，最后得到目标函数；Step2、构建变异萤火虫算法；Step3、结合Step1中得到的目标函数和Step2中的变异萤火虫算法，将变异萤火虫算法应用在含DG配电网的重构中，得出配电网重构的最优开关组合和对应的DG容量。本方法在考虑配电网接入不同DG容量的条件下，将一种新颖的变异萤火虫算法应用到配电网重构过程中，变异萤火虫算法通过对基本萤火虫算法引入变异机制，提高了算法的搜索效率和性能。
-
公开(公告)号：CN111581596A
公开(公告)日：2020-08-25
申请号：CN202010475613.6
申请日：2020-05-29
申请人： 广东电网有限责任公司 , 广东电网有限责任公司肇庆供电局
摘要： 本发明公开一种变压器油中溶解气体浓度预测方法，首先为降低变压器油中溶解气体浓度时间序列的波动性对预测结果的影响，采用奇异谱分析将原始变压器油中溶解气体浓度时间序列分解为多个特征分量，然后对各个特征分量分别建立混沌蝙蝠算法优化回声状态网络的预测模型，提高预测模型的稳定性和泛化能力；再输入测试数据到预测模型得到全部特征分量的预测值；最后叠加全部特征分量的预测值得到实际的变压器油中溶解气体浓度预测结果。本发明的方法能更好的找寻气体浓度时间序列的变化规律，获得较单一人工智能预测方法更高精度的变压器油中溶解气体浓度预测结果。
-
公开(公告)号：CN110991011A
公开(公告)日：2020-04-10
申请号：CN201911114401.9
申请日：2019-11-14
申请人： 广东电网有限责任公司 , 广东电网有限责任公司肇庆供电局
IPC分类号： G06F30/20 , G06N3/00 , G06F119/08
摘要： 本发明涉及变压器实时热点温度预测领域，尤其涉及一种变压器实时热点温度预测方法，先获取变压器的负荷电流、环境温度、顶层油温、实时热点温度历史数据，对历史数据进行预处理生成训练样本集和测试样本集；然后选择训练样本集建立SVR预测模型；接着采用训练样本对SVR进行训练，训练过程中采用改进引力搜索算法对SVR的参数进行优化，提高预测模型的预测能力；最后将测试样本输入到训练好的SVR中进行预测，得到变压器实时热点温度预测值。该方法有效解决引力搜索算法的局部化最优问题，有效解决了支持向量机参数选择难的问题，增强了支持向量机的预测性能，提高了变压器实时热点温度预测精度。
-
公开(公告)号：CN110988615A
公开(公告)日：2020-04-10
申请号：CN201911115414.8
申请日：2019-11-14
申请人： 广东电网有限责任公司 , 广东电网有限责任公司肇庆供电局
IPC分类号： G01R31/12 , G01R31/327 , G06K9/00
摘要： 本发明涉及GIS设备特高频局放信号处理技术，具体涉及一种基于奇异谱分析的GIS局放信号降噪方法，包括以下步骤：S1、获取GIS设备的原始特高频局部放电信号数据集；S2、采用奇异谱分析将原始特高频局部放电信号分解成有限个特征分量；S3、根据特征分量的贡献率对原始信号进行降噪处理；S4、将去除噪声后的特征分量重构为新的特高频局部放电信号。该方法可有效去除特高频局放信号中的白噪声，可有效提高GIS故障诊断的准确性，提高在线监测的降噪效率。
-
-
-
-
-
-
-
-
-
搜索结果
20 条记录 (耗时 0.052 秒)
