-
公开(公告)号：CN111193260B
公开(公告)日：2021-01-05
申请号：CN202010046416.2
申请日：2020-01-16
Applicant: 清华大学 , 国网辽宁省电力有限公司电力科学研究院 , 国网辽宁省电力有限公司 , 国家电网有限公司
Abstract: 本发明涉及一种自适应扩充数据的电力系统暂态稳定智能评估方法，属于电力系统稳定分析技术领域。首先采集电力系统在故障切除后数据，得到训练集和验证集；利用深度神经网络训练算法对训练集进行训练，得到初始暂态稳定评估模型；考虑数据噪声和部分发电机信息缺失情况，对训练集和验证集进行扩充，采用不同扩充规模的训练集对暂态稳定评估模型进行微调，直到暂态稳定评估模型对扩充后的验证集的评估性能不再提高，从而得到最终的暂态稳定评估模型；当电力系统发生故障后，采集相应的输入特征，输入至暂态稳定评估模型中，得到最终的暂态稳定评估结果。本方法能够显著提高暂态稳定评估模型在噪声和信息缺失情况下的鲁棒性，更具有实用价值。
-
公开(公告)号：CN111193260A
公开(公告)日：2020-05-22
申请号：CN202010046416.2
申请日：2020-01-16
Applicant: 清华大学 , 国网辽宁省电力有限公司电力科学研究院 , 国网辽宁省电力有限公司 , 国家电网有限公司
Abstract: 本发明涉及一种自适应扩充数据的电力系统暂态稳定智能评估方法，属于电力系统稳定分析技术领域。首先采集电力系统在故障切除后数据，得到训练集和验证集；利用深度神经网络训练算法对训练集进行训练，得到初始暂态稳定评估模型；考虑数据噪声和部分发电机信息缺失情况，对训练集和验证集进行扩充，采用不同扩充规模的训练集对暂态稳定评估模型进行微调，直到暂态稳定评估模型对扩充后的验证集的评估性能不再提高，从而得到最终的暂态稳定评估模型；当电力系统发生故障后，采集相应的输入特征，输入至暂态稳定评估模型中，得到最终的暂态稳定评估结果。本方法能够显著提高暂态稳定评估模型在噪声和信息缺失情况下的鲁棒性，更具有实用价值。
-
公开(公告)号：CN113592151B
公开(公告)日：2024-11-22
申请号：CN202110766835.8
申请日：2021-07-07
Applicant: 清华大学 , 国网浙江省电力有限公司绍兴供电公司 , 国网浙江省电力有限公司 , 国家电网有限公司
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/06 , G06F18/23213 , G06F18/214
Abstract: 本申请属于电力系统安全运行技术领域，具体涉及电力系统输电断面极限传输容量预测方法、装置、电子设备和存储介质。本公开基于电力系统大数据，建立了电力系统输电断面的邻域精细规则，能够输出电力系统输电断面TTC的预测值。现有的大部分基于数据驱动方法的TTC评估模型存在两大问题：一是在面对海量复杂多变的运行场景时，单一模型泛化能力不足；二是模型的准确度与其可解释性之间存在矛盾。本公开通过引入基于两阶段聚类的电力系统输电断面邻域精细规则生成方法，有效弥补了这一缺陷。本公开方法可以应用于电力系统安全分析领域中，有助于提高电力系统调度的安全性。
-
公开(公告)号：CN113592151A
公开(公告)日：2021-11-02
申请号：CN202110766835.8
申请日：2021-07-07
Applicant: 清华大学 , 国网浙江省电力有限公司绍兴供电公司 , 国网浙江省电力有限公司 , 国家电网有限公司
Abstract: 本申请属于电力系统安全运行技术领域，具体涉及电力系统输电断面极限传输容量预测方法、装置、电子设备和存储介质。本公开基于电力系统大数据，建立了电力系统输电断面的邻域精细规则，能够输出电力系统输电断面TTC的预测值。现有的大部分基于数据驱动方法的TTC评估模型存在两大问题：一是在面对海量复杂多变的运行场景时，单一模型泛化能力不足；二是模型的准确度与其可解释性之间存在矛盾。本公开通过引入基于两阶段聚类的电力系统输电断面邻域精细规则生成方法，有效弥补了这一缺陷。本公开方法可以应用于电力系统安全分析领域中，有助于提高电力系统调度的安全性。
-
公开(公告)号：CN114818469B
公开(公告)日：2024-09-24
申请号：CN202210293759.8
申请日：2022-03-23
Applicant: 清华大学 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC: G06F30/27 , G06Q50/06 , G06F119/02
Abstract: 本发明公开了一种基于迁移学习的电力系统输电断面极限评估方法，该方法包括：确定用于表征电力系统历史运行状态以及给定输电断面的极限传输容量标签的历史样本集合；生成新运行场景下带有断面TTC标签的预设数量电力系统运行样本集；构建用于电力系统输电断面极限评估的深度神经网络模型；根据迁移学习，训练深度神经网络模型的待求参数并得到训练好的深度神经网络模型；进行电力系统给定输电断面的TTC预测。本发明能够大幅度降低深度学习模型更新所需的新样本标注时间，使深度学习模型适用于新场景下的电力系统输电断面极限评估，同时为电力系统运行调度人员提供调度依据，提高了电力系统调度的安全性。
-
Patent Agency Ranking
公开(公告)号：CN114818469A
公开(公告)日：2022-07-29
申请号：CN202210293759.8
申请日：2022-03-23
Applicant: 清华大学 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC: G06F30/27 , G06Q50/06 , G06F119/02
Abstract: 本发明公开了一种基于迁移学习的电力系统输电断面极限评估方法，该方法包括：确定用于表征电力系统历史运行状态以及给定输电断面的极限传输容量标签的历史样本集合；生成新运行场景下带有断面TTC标签的预设数量电力系统运行样本集；构建用于电力系统输电断面极限评估的深度神经网络模型；根据迁移学习，训练深度神经网络模型的待求参数并得到训练好的深度神经网络模型；进行电力系统给定输电断面的TTC预测。本发明能够大幅度降低深度学习模型更新所需的新样本标注时间，使深度学习模型适用于新场景下的电力系统输电断面极限评估，同时为电力系统运行调度人员提供调度依据，提高了电力系统调度的安全性。
-
公开(公告)号：CN112632846B
公开(公告)日：2023-10-24
申请号：CN202011266697.9
申请日：2020-11-13
Applicant: 国网浙江省电力有限公司绍兴供电公司 , 清华大学 , 国网浙江省电力有限公司 , 国网四川省电力公司
IPC: G06F30/27 , G06F18/213 , G06N3/047 , G06N3/08 , H02J3/00 , H02J3/06 , H02J13/00 , G06F111/08 , G06F113/04
Abstract: 本发明公开了一种电力系统输电断面极限概率评估方法及电子设备，该方法采集电力系统当前运行状态数据，根据所述当前运行状态数据获得输入特征数据，将该输入特征数据输入到预先构建的深度不确定性神经网络模型ξd中；根据深度不确定性神经网络模型ξd输出电力系统给定输电断面的预测TTC概率分布。本发明能够输出电力系统输电断面TTC的概率分布，为考虑不确定性下的输电断面极限概率评估提供了实现方法。
-
公开(公告)号：CN112861439A
公开(公告)日：2021-05-28
申请号：CN202110212733.1
申请日：2021-02-25
Applicant: 清华大学 , 国网浙江省电力有限公司绍兴供电公司 , 国网浙江省电力有限公司
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F113/04
Abstract: 本发明涉及一种基于深度学习的电力系统仿真样本生成方法，属于电力技术领域。本发明从电网历史数据或仿真计算数据中获取电网数据样本和所有变量的上、下限值，采用深度自编码器对归一化电网数据样本进行降维，统计降维后样本的分布情况，在降维后样本分布稀疏的区间重新生成数据，通过解码器、归一化逆变换和潮流计算验证得到新的电力系统仿真样本。本发明能够主动生成在历史数据中较少涉及的样本，提高电力系统仿真样本的多样性，此外，本发明得到的样本还会经过潮流分析验证，从而提高样本的有效性。
-
公开(公告)号：CN112632846A
公开(公告)日：2021-04-09
申请号：CN202011266697.9
申请日：2020-11-13
Applicant: 国网浙江省电力有限公司绍兴供电公司 , 清华大学 , 国网浙江省电力有限公司 , 国网四川省电力公司
Abstract: 本发明公开了一种电力系统输电断面极限概率评估方法及电子设备，该方法采集电力系统当前运行状态数据，根据所述当前运行状态数据获得输入特征数据，将该输入特征数据输入到预先构建的深度不确定性神经网络模型ξd中；根据深度不确定性神经网络模型ξd输出电力系统给定输电断面的预测TTC概率分布。本发明能够输出电力系统输电断面TTC的概率分布，为考虑不确定性下的输电断面极限概率评估提供了实现方法。
-
公开(公告)号：CN112861439B
公开(公告)日：2022-12-09
申请号：CN202110212733.1
申请日：2021-02-25
Applicant: 清华大学 , 国网浙江省电力有限公司绍兴供电公司 , 国网浙江省电力有限公司
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F113/04
Abstract: 本发明涉及一种基于深度学习的电力系统仿真样本生成方法，属于电力技术领域。本发明从电网历史数据或仿真计算数据中获取电网数据样本和所有变量的上、下限值，采用深度自编码器对归一化电网数据样本进行降维，统计降维后样本的分布情况，在降维后样本分布稀疏的区间重新生成数据，通过解码器、归一化逆变换和潮流计算验证得到新的电力系统仿真样本。本发明能够主动生成在历史数据中较少涉及的样本，提高电力系统仿真样本的多样性，此外，本发明得到的样本还会经过潮流分析验证，从而提高样本的有效性。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.08 seconds)
