-
公开(公告)号：CN114692956B
公开(公告)日：2024-11-01
申请号：CN202210241319.8
申请日：2022-03-11
申请人： 广东电网有限责任公司广州供电局
IPC分类号： G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/0455 , G06N3/08 , H02J3/00
摘要： 本发明公开了基于多层优化核极限学习机的充电设施负荷预测方法及系统，包括：构建电动汽车充电负荷影响因素集合，并基于历史数据形成样本数据；对样本数据中电动汽车充电站故障、充电站检修所带来的异常历史数据进行清洗，获取充电站正常运行期间的历史数据集；归一化获取到的充电站正常运行期间的历史数据集；对归一化后的充电站正常运行期间的历史数据集进行特征提取，得到特征数据；构建多层优化核极限学习机负荷预测模型；通过提取到的特征数据对多层优化核极限学习机负荷预测模型进行训练；通过训练完成的多层优化核极限学习机负荷预测模型进行充电设施负荷预测。本发明具有实时性较好、准确度较高等优点。
-
公开(公告)号：CN118783408A
公开(公告)日：2024-10-15
申请号：CN202410754244.2
申请日：2024-06-12
申请人： 广东电网有限责任公司广州供电局
摘要： 本申请公开了一种配电网故障恢复方法及装置，方法包括：根据配电网在发生故障并进行恢复时的网络拓扑以及运行参数，构建故障恢复模型，确定优化目标函数及约束条件，利用预先通过基于优先采样的DDQN算法和A2C算法混合训练好的智能模型，基于约束条件下的优化目标函数，对配电网进行故障恢复。可见，智能模型是通过基于优先采样的DDQN算法和A2C算法联合训练的，基于优先采样的DDQN算法用于针对实际操作中离散动作的进行训练，A2C算法用于针对实际操作中连续动作进行训练，因此通过智能模型进行优化，能够全面考虑应对配电网的调控复杂性，从而最小化故障后的修复时间及其经济与社会影响，提升配电网的弹性和可靠性。
-
公开(公告)号：CN118296584A
公开(公告)日：2024-07-05
申请号：CN202410554520.0
申请日：2024-05-07
申请人： 广东电网有限责任公司广州供电局
IPC分类号： G06F21/36 , G06F21/44 , G06V20/40 , H04N19/186 , G06V10/30 , G06V10/36 , G06V10/40 , G06V10/75 , G06V10/82 , G06V10/62 , G06T7/269 , G06N3/0464
摘要： 本申请公开了一种基于视觉识别的客户端登录验证方法、装置及设备，方法包括：在客户端登录过程的解码视频流中提取关键帧，并进行色彩空间转换，得到目标图像帧；对目标图像帧进行优化预处理操作，得到优化图像帧，优化预处理操作包括去噪、边缘保持和图像分割；采用预设CNN模型对优化图像帧进行元素识别和信息检测处理，得到登录关键信息，登录关键信息包括关键元素、坐标和大小；基于模板匹配和特征点匹配技术根据预置匹配模板对登录关键信息进行匹配验证，得到验证结果。本申请能够解决现有技术受限于依赖登录界面元素属性和位置信息，导致实际的登录验证效果较差的技术问题。
-
公开(公告)号：CN118279084A
公开(公告)日：2024-07-02
申请号：CN202410595770.9
申请日：2024-05-14
申请人： 广东电网有限责任公司广州供电局
IPC分类号： G06Q50/06 , G06Q10/04 , G06F18/23213 , G06N3/0442 , G06F18/10
摘要： 本发明公开了一种光伏日内出力预测方法和装置，针对光伏出力波动性和间歇性的特点，采用K‑medoids聚类算法对不同天气条件下的历史出力数据进行聚类，相比常用的K‑means聚类对于噪音数据更具包容性、且运算速度更快、收敛次数固定，有效地避免了因部分异常点存在而导致的聚类偏差，降低了预测模型的复杂性以及过拟合风险，提高了预测效率；同时，结合分位数回归理论以及深度学习理论采用了双向长短期记忆网络，克服了单向LSTM网络挖掘数据信息不充分的缺陷，为进一步挖掘光伏功率时序的内在关联创造了有利条件，优化了神经网络模型的训练效果，提高了模型的预测精度。
-
公开(公告)号：CN117791594A
公开(公告)日：2024-03-29
申请号：CN202311873421.0
申请日：2023-12-29
申请人： 广东电网有限责任公司广州供电局
摘要： 本申请提供的一种输配电网全并行负荷恢复方法，当检测到电力系统中发生故障时，可以采集该电力系统中的边界变量，并确定全并行恢复模型，该模型种的输电恢复子模型和配电恢复子模型均采用对角二次逼近算法进行模型中目标函数的优化；之后通过输电恢复模型和配电恢复模型对边界变量同步进行迭代求解，并利用全并行恢复模型基于两个子模型的求解结果确定电力系统的调整策略，以根据调整策略对电力系统的边界变量进行调整，恢复电力系统的输配电网负荷。本申请中用于电力系统电力恢复的全并行恢复模型采用了对角二次逼近算法，可以使得输电恢复子模型和配电恢复子模型能够并行求解，从而能够减少全并行恢复模型每次迭代的计算时间，提高收敛速度。
-
公开(公告)号：CN117595274A
公开(公告)日：2024-02-23
申请号：CN202311568476.0
申请日：2023-11-22
申请人： 广东电网有限责任公司广州供电局
IPC分类号： H02J3/06 , G06F30/18 , G06F30/27 , G06Q50/06 , G06N3/0464 , G06F113/04 , G06F111/04
摘要： 本申请公开了一种中低压混联配电网的协同优化方法及装置，方法包括：构建SOP数学模型，SOP包括DC‑SST，以及位于DC‑SST两侧的两个VSC，构建中压配电网的潮流模型，以及低压配电网的潮流拟合模型，基于数学模型和潮流模型，构造优化约束条件，并根据潮流拟合模型，建立协同运行优化函数，对协同运行优化函数进行迭代优化求解，得到优化结果。可见，将双向SST与SOP相结合，使SOP获得高压侧和低压侧的特性，在不同电压等级之间实现双向可控功率传输，实现跨电压等级的柔性互联，并提出含多电压等级协同运行优化策略，对中低压等级混联配电网系统进行运行优化分析，有利于中低压混联配电网稳定运行。
-
公开(公告)号：CN116247742A
公开(公告)日：2023-06-09
申请号：CN202310233509.X
申请日：2023-03-13
申请人： 广东电网有限责任公司广州供电局
摘要： 本发明公开了一种基于深度强化学习的电力系统源网荷储联合调控方法、装置、计算机设备及存储介质，所述方法包括：根据电力系统预测信息，以经济性为目标，初步生成源荷储调度方案，所述源荷储调度方案作为智能体调控的基础；设计源网荷储联合调度的强化学习架构，通过深度强化学习训练智能体，以安全性为目标，学习对源荷储调度方案进行修正，实现源网荷储联合调度；其中，所述强化学习架构中的奖赏函数，通过定义线路潮流裕度奖励和储能奖励，指导智能体为不确定性场景预留足够的裕度与充足的备用。本发明通过设计强化学习架构，并利用深度强化学习训练智能体，学习对源荷储调度方案进行修正，以消除预测不精确以及功率不平衡量。
-
公开(公告)号：CN115470844A
公开(公告)日：2022-12-13
申请号：CN202211044436.1
申请日：2022-08-30
申请人： 广东电网有限责任公司广州供电局
摘要： 本发明属于电力系统与人工智能交叉领域，为一种电力系统多源异构数据的特征提取及选择方法，该方法包括将电力系统中的多源异构数据作为输入数据，构建训练数据集；为每组多源异构数据设计不同结构的神经网络，采用逐层训练算法对自编码器模型进行训练得到训练好的堆叠自编码器模型，通过训练好的堆叠自编码器模型提取每组多源异构数据的编码特征；构建融合层网络，对整个堆叠自编码器模型的参数进行微调；对得到的同构特征进行稀疏化处理，计算得到各个特征维度的权重，筛选出具有较高权重的特征。本发明能够较为全面挖掘数据特征，同时能够反映实际数据的语义性，所选取得到的特征能够支撑任务需求，大大提高实际任务的完成度。
-
公开(公告)号：CN115470786A
公开(公告)日：2022-12-13
申请号：CN202211044230.9
申请日：2022-08-30
申请人： 广东电网有限责任公司广州供电局
IPC分类号： G06F40/289 , G06F40/242 , G06F16/36 , G06N3/04 , G06N3/08
摘要： 本发明涉及于人工智能与电力系统交叉领域，为基于改进型Transformer编码器对电力缺陷文本的实体信息抽取方法。该方法通过引入预训练语言模型、词典、微调TENER模型和条件随机场模型，搭建CWG‑TENER模型，利用带标注的电力系统二次设备缺陷文本，对模型进行优化训练和测试选择，得到电力设备缺陷文本信息抽取模型，将待抽取信息的电力设备缺陷文本输入电力设备缺陷文本信息抽取模型，得到所抽取的信息。本发明可用于对电力系统二次设备缺陷文本中涉及到的实体信息进行抽取，可以在电力系统二次设备出现故障时提供辅助决策作用。
-
公开(公告)号：CN115422869A
公开(公告)日：2022-12-02
申请号：CN202210909159.X
申请日：2022-07-29
申请人： 广东电网有限责任公司广州供电局
IPC分类号： G06F30/367 , G06F17/11 , G06F17/16 , G06F113/04 , G06F119/06
摘要： 本发明公开了一种负荷模型的参数辨识方法、系统、计算机设备及存储介质，所述方法包括：获取预处理后的电力系统扰动数据；将负荷模型转化成状态空间方程的形式并进行简化处理；将预处理后的电力系统扰动数据和每个待辨识参数的初始值输入非线性灰箱模型，实现负荷模型的参数辨识。本发明将物理模型与数据驱动相结合，既可以考虑负荷的物理机理，也可以利用观测到的大量数据，提高了参数辨识的精确性；同时，相较于传统的静态负荷模型和WECC CLM模型而言，ZIP+IM模型不仅可以较好地模拟负荷动态行为，而且参数较少，辨识难度较低。此外，灰箱模型具有明确的物理意义，训练周期短且求解速度快，具有较好的应用价值。
-
-
-
-
-
-
-
-
-
搜索结果
107 条记录 (耗时 0.046 秒)
