-
公开(公告)号：CN109064009A
公开(公告)日：2018-12-21
申请号：CN201810849230.3
申请日：2018-07-28
申请人： 国网江苏省电力有限公司电力科学研究院 , 国家电网有限公司 , 河海大学 , 江苏省电力试验研究院有限公司
CPC分类号： G06Q10/067 , G06Q50/06
摘要： 本发明公开一种基于EMS系统底层负荷出线和专变用户的日负荷数据，获取时变的变电站行业构成的方法，采用纵向聚类求平均值的方法分别提取每条底层出线的典型日负荷曲线；对所有出线的典型日负荷曲线进行横向聚类分析，获得220kV变电站下所有底层出线的聚类情况；最后，根据所有底层出线和专变用户的行业归属情况，自下而上聚合得到变电站的行业构成比例；本发明基于EMS系统数据进行分析，可在线获取变电站行业构成比例，无需人工统计调查；又可以获取时变的行业构成比例，有利于解决负荷建模的时变性问题。
-
公开(公告)号：CN109064009B
公开(公告)日：2021-10-15
申请号：CN201810849230.3
申请日：2018-07-28
申请人： 国网江苏省电力有限公司电力科学研究院 , 国家电网有限公司 , 河海大学 , 江苏省电力试验研究院有限公司
摘要： 本发明公开一种基于EMS系统底层负荷出线和专变用户的日负荷数据，获取时变的变电站行业构成的方法，采用纵向聚类求平均值的方法分别提取每条底层出线的典型日负荷曲线；对所有出线的典型日负荷曲线进行横向聚类分析，获得220kV变电站下所有底层出线的聚类情况；最后，根据所有底层出线和专变用户的行业归属情况，自下而上聚合得到变电站的行业构成比例；本发明基于EMS系统数据进行分析，可在线获取变电站行业构成比例，无需人工统计调查；又可以获取时变的行业构成比例，有利于解决负荷建模的时变性问题。
-
公开(公告)号：CN111144544B
公开(公告)日：2020-06-30
申请号：CN202010263157.9
申请日：2020-04-07
申请人： 江苏省电力试验研究院有限公司 , 河海大学 , 国网江苏省电力有限公司电力科学研究院
摘要： 本发明公开了一种柔性潮流控制设备选择的评估方法，包括确定各备选柔性潮流控制设备的评估指标；采用改进的树木生长算法，求解预设的评估指标权重模型，获得各评估指标权重；根据各评估指标权重，求取各备选柔性潮流控制设备的评估指标加权和；根据评估指标加权和，获得所选柔性潮流控制设备。同时公开了相应的系统。本发明基于电网建设发展及安全稳定运行的需要，确定评估指标，采用改进的树木生长算法求解各评估指标的权重，基于评估指标加权和，科学客观地获得所选柔性潮流控制设备。
-
公开(公告)号：CN111144544A
公开(公告)日：2020-05-12
申请号：CN202010263157.9
申请日：2020-04-07
申请人： 江苏省电力试验研究院有限公司 , 河海大学 , 国网江苏省电力有限公司电力科学研究院
摘要： 本发明公开了一种柔性潮流控制设备选择的评估方法，包括确定各备选柔性潮流控制设备的评估指标；采用改进的树木生长算法，求解预设的评估指标权重模型，获得各评估指标权重；根据各评估指标权重，求取各备选柔性潮流控制设备的评估指标加权和；根据评估指标加权和，获得所选柔性潮流控制设备。同时公开了相应的系统。本发明基于电网建设发展及安全稳定运行的需要，确定评估指标，采用改进的树木生长算法求解各评估指标的权重，基于评估指标加权和，科学客观地获得所选柔性潮流控制设备。
-
公开(公告)号：CN108074036A
公开(公告)日：2018-05-25
申请号：CN201711234374.X
申请日：2017-11-30
申请人： 国网江苏省电力有限公司电力科学研究院 , 国家电网公司 , 河海大学 , 江苏省电力试验研究院有限公司
摘要： 本发明公开了一种考虑负载率均衡度的含UPFC的最优潮流计算方法，包括获取所需的电网参数；建立以负载率均衡度为目标函数的含UPFC最优潮流计算模型，包括目标函数、等式约束和不等式约束；计算互补间隙，判断其是否满足设定的精度要求，若满足，则输出最优解，结束循环，否则计算等式约束、不等式约束的雅可比矩阵，计算目标函数、等式约束、不等式约束的海森矩阵，以及各常数项，并根据以下方程求解总变量、拉格朗日乘子和松弛变量的增量，计算出原始变量和对偶变量的迭代步长，更新所有变量和拉格朗日乘子，判断迭代次数是否达到最大值，若是则计算不收敛，若否，继续循环。算例仿真结果表明，本发明可以充分发挥UPFC的作用，提高系统的安全性和经济性。
-
公开(公告)号：CN111224404B
公开(公告)日：2020-07-14
申请号：CN202010265247.1
申请日：2020-04-07
申请人： 江苏省电力试验研究院有限公司 , 河海大学 , 国网江苏省电力有限公司电力科学研究院
IPC分类号： H02J3/06
摘要： 本发明提供一种含可控移相器的电力系统潮流快速控制方法，该方法基于深度学习对含可控移相器的电力系统数据进行处理，旨在系统发生越限故障时给出快速潮流控制策略。首先基于深度学习建立故障识别模型，以系统故障时刻支路越限信息、潮流数据和节点调整状态为输入输出进行训练，识别故障后节点参与调整范围；然后，利用优化规划法，以确定的调整范围节点为寻优空间，进行系统安全校正优化计算，求得各节点有功、无功调整量。该潮流控制方法减少优化计算规模，在保证计算准确性的同时大大降低计算时间，可为电网调度人员在含可控移相器系统发生越限故障时提供指导性调整策略。
-
公开(公告)号：CN108763820A
公开(公告)日：2018-11-06
申请号：CN201810606900.9
申请日：2018-06-13
申请人： 国网江苏省电力有限公司电力科学研究院 , 国家电网有限公司 , 河海大学 , 江苏省电力试验研究院有限公司
IPC分类号： G06F17/50
CPC分类号： G06F17/5009
摘要： 本发明公开了一种基于堆栈自编码器的气象敏感负荷功率估算方法。包括：在SAE模型的输出端增加多层全连接层，建立基于SAE的气象敏感负荷功率估算模型。利用SAE的无监督学习提取日负荷曲线的降维特征，利用气象敏感负荷功率曲线作为有标签样本训练全连接层，从而在全连接层形成由日负荷曲线降维特征到气象敏感负荷功率间的映射。本发明提出的估算模型可以由日负荷曲线直接获得气象敏感负荷功率曲线，尤其适用于实际应用时气象数据经常缺失的情况。SAE可以无监督提取日负荷曲线的降维特征，大幅减少了全连接层的输入神经元个数，从而大幅减少了全连接层的网络参数，显著降低了模型训练难度。
-
公开(公告)号：CN111224404A
公开(公告)日：2020-06-02
申请号：CN202010265247.1
申请日：2020-04-07
申请人： 江苏省电力试验研究院有限公司 , 河海大学 , 国网江苏省电力有限公司电力科学研究院
IPC分类号： H02J3/06
摘要： 本发明提供一种含可控移相器的电力系统潮流快速控制方法，该方法基于深度学习对含可控移相器的电力系统数据进行处理，旨在系统发生越限故障时给出快速潮流控制策略。首先基于深度学习建立故障识别模型，以系统故障时刻支路越限信息、潮流数据和节点调整状态为输入输出进行训练，识别故障后节点参与调整范围；然后，利用优化规划法，以确定的调整范围节点为寻优空间，进行系统安全校正优化计算，求得各节点有功、无功调整量。该潮流控制方法减少优化计算规模，在保证计算准确性的同时大大降低计算时间，可为电网调度人员在含可控移相器系统发生越限故障时提供指导性调整策略。
-
公开(公告)号：CN111162538A
公开(公告)日：2020-05-15
申请号：CN202010262610.4
申请日：2020-04-07
申请人： 江苏省电力试验研究院有限公司 , 河海大学 , 国网江苏省电力有限公司电力科学研究院
IPC分类号： H02J3/06 , G06F30/367
摘要： 本发明公开了一种考虑实际潮流的可控移项器选址方法，包括根据系统各支路有功潮流，计算系统负载程度因子；根据预设规则，从系统支路中筛选出能安装可控移相器的备选支路；遍历所有备选支路，利用系统负载程度因子计算各备选支路的电压选址因子和相角选址因子；选取电压选址因子和相角选址因子绝对值均最大的备选支路为可控移相器安装支路。同时也公开了相应的系统。本发明考虑系统实际有功潮流算计算系统负载程度因子，利用系统负载程度因子计算各备选支路的电压选址因子和相角选址因子，根据选址因子绝对值排序，准备可靠的给出可控移相器安装支路，对可控移相器应用于实际工程有很大指导意义。
-
公开(公告)号：CN109992930A
公开(公告)日：2019-07-09
申请号：CN201910430705.X
申请日：2019-05-22
申请人： 国网江苏省电力有限公司电力科学研究院 , 国家电网有限公司 , 河海大学 , 江苏省电力试验研究院有限公司
IPC分类号： G06F17/50
摘要： 本发明公开了一种气象敏感负荷功率估算方法及装置。包括：获取气象敏感负荷功率估算模型；向气象敏感负荷功率估算模型输入待估算日的日负荷曲线，以提取待估算日的日负荷曲线降维特征；根据待估算日的日负荷曲线降维特征，以及日负荷曲线的降维特征到气象敏感负荷功率间的映射，输出气象敏感负荷功率。本发明提出的估算模型可以由日负荷曲线直接获得气象敏感负荷功率曲线，尤其适用于实际应用时气象数据经常缺失的情况。模型中的堆栈自编码器SAE模型可以无监督提取日负荷曲线的降维特征，大幅减少了全连接层的输入神经元个数，从而大幅减少了全连接层的网络参数，显著降低了模型训练难度。
-
-
-
-
-
-
-
-
-
搜索结果
136 条记录 (耗时 0.088 秒)
