-
公开(公告)号：CN109376990B
公开(公告)日：2022-03-04
申请号：CN201811074883.5
申请日：2018-09-14
Applicant: 中国电力科学研究院有限公司 , 北京科东电力控制系统有限责任公司 , 清华大学 , 国家电网有限公司 , 国网山东省电力公司电力科学研究院
Abstract: 本发明涉及一种基于Siamese网络模型确定电力系统的临界切除时间的方法及系统，包括：利用获取的包括潮流数据和临界切除时间结果的历史样本数据集中的样本确定孪生网络模型；当接收到新的潮流数据时，利用所述孪生网络模型获取当前的潮流数据对应的高级特征；分别计算历史样本数据集中每个样本对应的高级特征和所述当前潮流数据对应的高级特征之间的距离，并确定最接近样本；计算最接近样本的临界切除时间的平均值作为预测的当前的潮流数据对应的临界切除时间。本发明根据暂态稳定性和在线数据的特点确定更适用于电力系统的孪生网络模型，增加了方法的适应性，比仿真快，适用于在线分析，且能够满足在线分析系统的速度和精度要求，特别适用于小样本集。
-
公开(公告)号：CN111463793B
公开(公告)日：2021-11-26
申请号：CN202010328231.0
申请日：2020-04-23
IPC: H02J3/06
Abstract: 本发明实施例提供的解析式概率潮流计算方法及系统，包括：获取分布式电源接入节点的注入功率的历史数据；利用高斯混合模型对历史数据进行拟合，获取注入功率的联合概率密度函数；获取各组分对应的节点电压与注入功率的二阶近似展开方程；将注入功率服从各组分的高斯分布时对应的目标节点电压的概率分布函数进行加权求和，获取目标节点电压的概率分布函数，支路潮流的概率分布函数求解类似。本实施例通过高斯混合模型拟合分布式电源出力的不确定性，兼顾分布式电源处出力之间的相关性，增加了不确定性建模的准确性；采用二阶泰勒展开式近似节点电压、支路潮流与注入节点功率的非线性隐函数关系，考虑了方程的非线性，提高了计算速度和结果的精度。
-
公开(公告)号：CN113505525A
公开(公告)日：2021-10-15
申请号：CN202110691963.0
申请日：2021-06-22
Applicant: 清华大学
IPC: G06F30/27 , G06F17/13 , G06Q50/06 , G06F111/04
Abstract: 本发明提供一种基于微分神经网络的电力系统动态元件建模方法及装置，包括：确定待建模电力系统的状态变量；获取系统数据集；其中，通过量测或仿真实验得到系统数据集，系统数据集包括用于模型训练的状态变量、输入变量、输出变量；根据系统数据集训练微分神经网络模型，得到电力系统动态元件模型；电力系统动态元件模型包括微分方程表达及代数方程表达；微分方程表达用于描述电力系统的状态信息，代数方程表达用于描述电力系统输出信息。通过系统数据集对微分神经网络模型进行训练，基于微分神经网络的元件模型易于进行求导操作，可极大便利电力系统运行控制决策，可提供一种全新的对于电力系统结构、动态和控制神经网络化的仿真方法。
-
公开(公告)号：CN109710999A
公开(公告)日：2019-05-03
申请号：CN201811496740.3
申请日：2018-12-07
Applicant: 清华大学 , 国网河南省电力公司电力科学研究院 , 中国电力科学研究院有限公司 , 国家电网有限公司
IPC: G06F17/50
Abstract: 本发明实施例提供一种相域电机电磁暂态仿真模型的优化方法及装置，该方法包括获取原始相域电机模型；根据三角变换公式，获取电机定子绕组互感矩阵与电机转子绕组互感矩阵的矩阵关系式；将所述矩阵关系式分别代入Req的原始表达式以及eh(t)的原始表达式中进行整理，获得等效电阻矩阵Req的简化模型和总的历史项eh(t)的简化模型。本发明实施例在原始相域电机模型的基础上，通过三角变换获取电机定子绕组互感矩阵与电机转子绕组互感矩阵的矩阵关系式，将矩阵关系式代入原始相域电机模型中，使原始相域电机模型等效电阻矩阵和历史项计算中采用的矩阵转换为稀疏矩阵，提高了模型计算效率。
-
公开(公告)号：CN113505525B
公开(公告)日：2024-10-15
申请号：CN202110691963.0
申请日：2021-06-22
Applicant: 清华大学
IPC: G06F30/27 , G06F17/13 , G06Q50/06 , G06F111/04
Abstract: 本发明提供一种基于微分神经网络的电力系统动态元件建模方法及装置，包括：确定待建模电力系统的状态变量；获取系统数据集；其中，通过量测或仿真实验得到系统数据集，系统数据集包括用于模型训练的状态变量、输入变量、输出变量；根据系统数据集训练微分神经网络模型，得到电力系统动态元件模型；电力系统动态元件模型包括微分方程表达及代数方程表达；微分方程表达用于描述电力系统的状态信息，代数方程表达用于描述电力系统输出信息。通过系统数据集对微分神经网络模型进行训练，基于微分神经网络的元件模型易于进行求导操作，可极大便利电力系统运行控制决策，可提供一种全新的对于电力系统结构、动态和控制神经网络化的仿真方法。
-
Patent Agency Ranking
公开(公告)号：CN110969305B
公开(公告)日：2022-06-10
申请号：CN201911229273.2
申请日：2019-12-04
Abstract: 本发明实施例提供一种光伏电站仿真模型参数优化方法及系统，该方法包括：获取目标光伏电站的每一预设指标的实际测量值和光伏电站仿真模型的每一预设指标的初始仿真值；根据每一预设指标的实际测量值、每一预设指标的初始仿真值和若干预设权重，获取综合指标；基于所述综合指标和粒子群算法，对每一预设指标的初始仿真值进行优化，获取每一预设指标的最佳仿真值。本发明实施例提供的一种光伏电站仿真模型参数优化方法及系统，该方法根据实测的预设指标调整仿真过程中的预设指标，可以使光伏电站仿真模型与目标光伏电站的实际模型更加符合。
-
公开(公告)号：CN113435113A
公开(公告)日：2021-09-24
申请号：CN202110693997.3
申请日：2021-06-22
Applicant: 清华大学
IPC: G06F30/27 , G06Q50/06 , G06F119/02
Abstract: 本发明提供一种电力系统暂态稳定评估方法及装置，包括：构建暂态稳定评估模型；其中，暂态稳定评估模型包括高阶特征提取器及分类器；其中，高阶特征提取器用于对量测序列进行高阶特征提取，得到高阶特征提取结果；分类器用于对高阶特征提取结果进行分类降维得到暂态稳定评估结果；将待评估的量测序列输入暂态稳定评估模型，得到暂态稳定评估结果。针对不同类别的电力系统特征建立独立的高阶特征提取器，先对系统中不同类别的特征量进行高阶特征表达，不同的高阶特征提取器得到的信息形成互补，再通过分类器进行不同类别之间的特征交叉，经过非线性映射后形成最终的模型输出；充分考虑了电力系统的领域知识，降低了模型的参数复杂度。
-
公开(公告)号：CN111463793A
公开(公告)日：2020-07-28
申请号：CN202010328231.0
申请日：2020-04-23
IPC: H02J3/06
Abstract: 本发明实施例提供的解析式概率潮流计算方法及系统，包括：获取分布式电源接入节点的注入功率的历史数据；利用高斯混合模型对历史数据进行拟合，获取注入功率的联合概率密度函数；获取各组分对应的节点电压与注入功率的二阶近似展开方程；将注入功率服从各组分的高斯分布时对应的目标节点电压的概率分布函数进行加权求和，获取目标节点电压的概率分布函数，支路潮流的概率分布函数求解类似。本实施例通过高斯混合模型拟合分布式电源出力的不确定性，兼顾分布式电源处出力之间的相关性，增加了不确定性建模的准确性；采用二阶泰勒展开式近似节点电压、支路潮流与注入节点功率的非线性隐函数关系，考虑了方程的非线性，提高了计算速度和结果的精度。
-
公开(公告)号：CN110310033A
公开(公告)日：2019-10-08
申请号：CN201910573092.5
申请日：2019-06-28
Applicant: 清华大学
Abstract: 本发明实施例提供的基于潮流向量闵可夫斯基距离的暂态稳定评估方法及系统，所述方法以基于运行工况聚类的暂态稳定评估方法为基础，结合当前暂态稳定评估集成模型的设计思路，设计了一种基于潮流向量闵可夫斯基距离的集成暂态稳定评估方法。该方法考虑不同工况下系统暂态稳定性的差异，按工况的相似度加权整合多个子评估模型，使得系统暂态稳定性匹配程度越高的子评估模型对总评估结果影响越大；与使用单个评估模型相比具备更强的泛化性，提高了评估的可靠性和泛化性；此外，本集成模型直接利用基模型的输出，整合得到最终输出时，保留了更多的信息，提高了准确性。
-
公开(公告)号：CN113435113B
公开(公告)日：2024-06-11
申请号：CN202110693997.3
申请日：2021-06-22
Applicant: 清华大学
IPC: G06F30/27 , G06Q50/06 , G06F119/02
Abstract: 本发明提供一种电力系统暂态稳定评估方法及装置，包括：构建暂态稳定评估模型；其中，暂态稳定评估模型包括高阶特征提取器及分类器；其中，高阶特征提取器用于对量测序列进行高阶特征提取，得到高阶特征提取结果；分类器用于对高阶特征提取结果进行分类降维得到暂态稳定评估结果；将待评估的量测序列输入暂态稳定评估模型，得到暂态稳定评估结果。针对不同类别的电力系统特征建立独立的高阶特征提取器，先对系统中不同类别的特征量进行高阶特征表达，不同的高阶特征提取器得到的信息形成互补，再通过分类器进行不同类别之间的特征交叉，经过非线性映射后形成最终的模型输出；充分考虑了电力系统的领域知识，降低了模型的参数复杂度。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.027 seconds)
