-
公开(公告)号：CN116258265A
公开(公告)日：2023-06-13
申请号：CN202310207904.0
申请日：2023-03-06
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本发明公开了一种基于GA‑BP神经网络的新型电力系统短路电流在线预测方法，包括以下步骤：S1.分析新能源电源在不同控制策略下的故障输出特性，根据新能源电源的控制策略确定新能源电源的输出特性；S2.建立新型电力系统仿真模型，设置不同故障条件生成故障样本数据，提取故障前电力系统的运行状态数据以及故障后线路的短路电流数据，将数据进行归一化处理，并生成训练数据和标签数据；S3.构建BP神经网络，利用遗传算法对BP神经网络的初始权值和阈值进行优化，利用训练数据及标签数据对BP神经网络进行迭代训练，获得训练好的BP神经网络；S4.获取新型电力系统的实时运行状态数据，进行归一化处理，并输入BP神经网络，输出新型电力系统故障时线路的短路电流。
-
公开(公告)号：CN115719944A
公开(公告)日：2023-02-28
申请号：CN202211343971.7
申请日：2022-10-31
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本发明属于人工神经网络的技术领域，为基于人工神经网络的新型电力系统短路电流的方法。所述方法包括：搭建新型电力系统仿真模型，通过新型电力系统仿真模型进行新能源电力系统输电线路故障模拟，构建样本数据库；将样本数据进行预处理得到训练数据，使用训练数据对人工神经网络模型进行预训练；将运行状态参数值、故障类型进行归一化处理，输入训练完成的人工神经网络模型，输出新型电力系统输电线路的故障短路电流大小。本发明通过建立多场景下的仿真数据库，所训练的人工神经网络精度高，实现了短路电流实时计算精度高，解决了现有短路电流计算方法中迭代计算耗时长，且存在不收敛的问题。
-
Patent Agency Ranking
公开(公告)号：CN116522587A
公开(公告)日：2023-08-01
申请号：CN202310291567.8
申请日：2023-03-23
Applicant: 广东电网有限责任公司广州供电局
IPC: G06F30/20 , G06F30/27 , G06N3/0464 , H02J13/00 , G06F113/04
Abstract: 本发明涉及电力系统仿真技术领域，为基于Python‑BPA交互的新型电力系统薄弱环节数据库快速仿真方法，包括通过BPA软件建立IEEE 39节点系统仿真模型；通过Python程序修改潮流计算dat文件，设置多种不同的电力系统运行方式，通过BPA软件计算各种电力系统运行方式下的潮流结果；通过Python程序修改暂态仿真swi文件，通过BPA软件的分别计算每种电力系统运行方式的各个不同故障场景下的电力系统的暂态稳定结果；根据各个不同故障场景下的电力系统的暂态稳定结果提取电力系统相应的薄弱环节数据，构建新型电力系统薄弱环节数据库。本发明可以实现大量不同故障场景的自动仿真计算和结果自动提取，实现新型电力系统薄弱环节数据库的快速构建。
-
公开(公告)号：CN116488326A
公开(公告)日：2023-07-25
申请号：CN202310289564.0
申请日：2023-03-22
Applicant: 广东电网有限责任公司广州供电局
IPC: H02J13/00 , H02H7/26 , G06F18/15 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及电力系统薄弱环节辨识领域，具体涉及一种新型电力系统薄弱环节识别的智能方法，包括搭建IEEE39节点电力系统的仿真模型，根据IEEE39节点电力系统的仿真模型生成大量故障数据；根据获取到的故障数据，利用Python程序提取电力系统各节点的电压、相角以及频率偏差，提取各发电机的功角、转速以及电磁功率，对提取到的数据进行归一化处理成训练样本；搭建卷积神经网络模型并输入训练样本进行训练；根据电力系统各节点的电压、相角、频率偏差，根据各发电机的功角、转速以及电磁功率，通过神经网络模型输出电力系统的稳定性信息与薄弱环节位置信息。本发明能够实时快速、准确的对电力系统中的薄弱环节进行识别，提升了电力系统的自动化、智能化水平。
-
公开(公告)号：CN116432023A
公开(公告)日：2023-07-14
申请号：CN202310226145.2
申请日：2023-03-10
Applicant: 广东电网有限责任公司广州供电局
IPC: G06F18/214 , G06F18/211 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于样本迁移学习的新型电力系统故障分类方法，包括：构造双馈风机送出线故障仿真模型，生成故障类别的故障样本，并得到数据样本和标签；搭建深度卷积神经网络模型，利用数据样本及标签对神经网络进行预训练；搭建新型电力系统模型，生成少量各类型的故障数据，并获取新能源训练样本及标签；将预训练好的深度卷积网络模型的卷积层冻结，利用新能源训练样本及标签对冻结后的预训练好的深度卷积神经网络模型中的全连接层进行重新训练；将待识别故障样本输入至训练好的深度卷积网络模型中，得到最终所判别的故障类型。本发明根据故障线路的三相电压和三相电流测量信息，即可自动区分新型电力系统输电线路的故障类别。
-
公开(公告)号：CN115796835A
公开(公告)日：2023-03-14
申请号：CN202211514545.5
申请日：2022-11-30
Applicant: 广东电网有限责任公司广州供电局
IPC: G06Q10/20 , G06Q50/06 , G06F30/27 , G06N3/08 , G06F113/04
Abstract: 本发明公开了一种基于多特征联合的双馈风电场送出线故障识别方法，包括以下步骤：S1.搭建双端输电线路仿真模型，设置不同故障条件并生成仿真故障数据，根据仿真故障数据对故障类型进行标签标记，获取双馈风机的电压和电流仿真故障数据；S2.根据电压仿真故障数据和电流仿真故障数据，提取故障电压特征向量和故障电流特征向量，并形成多维故障特征向量；S3.构建故障识别的神经网络，将多维故障特征向量输入神经网络，对神经网络进行迭代训练，直至神经网络的输出与标签的误差趋于稳定；S4.获取双馈风机实时故障数据，提取故障电压和故障电流特征向量，形成多维故障特征向量输入神经网络，神经网络输出故障类型概率，故障类型概率最大的确定为故障类别。
-
公开(公告)号：CN115469184A
公开(公告)日：2022-12-13
申请号：CN202211078146.9
申请日：2022-09-05
Applicant: 广东电网有限责任公司广州供电局
IPC: G01R31/08
Abstract: 本发明公开了一种基于卷积网络的新能源输电线路故障识别方法。该方法包括步骤构建深度卷积网络和新能源输电线路仿真模型；使用新能源输电线路仿真模型对新能源电力系统输电线路的故障类型进行大量故障模拟；将样本进行归一化组合形成训练数据；使用独热编码的方式将训练数据对应的故障类型设置标签；使用训练数据和标签对深度卷积网络进行预训练；在新能源电力系统输电线路发生故障时，采集其三相电压、三相电流、零序电流数据输入经过预训练的深度卷积网络进行识别，得到相应的标签，然后根据标签独热编码的形式从中获取对应的故障类型。本发明仅需输电线路的三相电压、三相电流、零序电流数据，就能自动判断识别新能源输电线路的故障类型。
-
-
-
-
-
-
Search Results
7
records
(took 0.035 seconds)
