-
公开(公告)号：CN118336738A
公开(公告)日：2024-07-12
申请号：CN202410185252.X
申请日：2024-02-19
Applicant: 湖南大学
IPC: H02J3/12 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于阻抗信息学习的电网暂态电压稳定评估方法，包括：基于时域仿真提取关键负荷节点的电气量时序轨迹，并对电网暂态电压稳定/失稳状态进行标定；计算得到关键负荷节点的负荷阻抗时序轨迹和戴维南等值阻抗时序轨迹；基于具有物理意义的暂态电压稳定阻抗判据，将电气量时序轨迹、阻抗信息以及电网暂态电压稳定/失稳状态结合；根据得到的暂态样本集对卷积神经网络进行电气量和阻抗信息学习，得到基于阻抗信息学习的暂态电压稳定评估模型；基于暂态电压稳定评估模型对关键负荷节点的阻抗信息进行分析，输出系统暂态电压稳定状态评估结果。本发明能够提高暂态电压稳定评估的性能，实现对暂态电压稳定状态准确高效的在线评估。
-
公开(公告)号：CN118445556A
公开(公告)日：2024-08-06
申请号：CN202410909099.0
申请日：2024-07-08
Applicant: 湖南大学 , 国网经济技术研究院有限公司
Abstract: 本发明公开了一种基于多重相关性学习的风电场SCADA数据修复方法，包括：S1.得到风电场标准化数据集#imgabs0#；S2.得到在全局互相关视角下的填补结果#imgabs1#；S3.得到在全局自相关视角下的填补结果#imgabs2#；S4.得到局部互相关视角下的填补结果#imgabs3#；S5.得到局部自相关视角下的填补结果#imgabs4#；S6.利用多元线性回归将#imgabs5#、#imgabs6#、#imgabs7#和#imgabs8#四个填补结果进行整合、去噪和反归一化，得到最终修复结果#imgabs9#。本发明从全局和局部同时分析SCADA多维数据内部的自相关性和互相关性，从多个视角对缺失数据进行初步填补修复；进一步，构建残差网络精细去噪模型，对初步修复后的数据综合进行去噪和精细修复，由此实现SCADA多维数据的完整修复。
-
公开(公告)号：CN118523316A
公开(公告)日：2024-08-20
申请号：CN202410966915.1
申请日：2024-07-18
Applicant: 湖南大学
IPC: H02J3/00 , H02J3/12 , H02J3/24 , G06N3/0464 , G06N3/0895 , G06F18/213 , G06F18/25
Abstract: 本发明公开了一种基于暂态响应和线路状态信息的主导失稳模式判别方法，包括以下步骤：S1、进行预设次数电网暂态仿真，每次仿真按相同采样间隔与周期采集电网暂态响应信息和线路状态信息，分别得到第一样本集和第二样本集；暂态响应信息包括节点电压及频率、发电机功角差和对应的主导失稳模式；线路状态信息包括线路状态和线路编号；S2、根据第一样本集和第二样本集进行数据复合处理，得到第三样本集；S3、根据第三样本集对添加注意力机制的残差卷积神经网络模型进行训练，直至模型收敛，得到第一模型；S4、根据第一模型结合实际电网暂态响应和线路状态信息，完成主导失稳模式判别。本发明能够实现主导失稳模式的高效精确识别。
-
公开(公告)号：CN118445556B
公开(公告)日：2024-09-13
申请号：CN202410909099.0
申请日：2024-07-08
Applicant: 湖南大学 , 国网经济技术研究院有限公司
Abstract: 本发明公开了一种基于多重相关性学习的风电场SCADA数据修复方法，包括：S1.得到风电场标准化数据集#imgabs0#；S2.得到在全局互相关视角下的填补结果#imgabs1#；S3.得到在全局自相关视角下的填补结果#imgabs2#；S4.得到局部互相关视角下的填补结果#imgabs3#；S5.得到局部自相关视角下的填补结果#imgabs4#；S6.利用多元线性回归将#imgabs5#、#imgabs6#、#imgabs7#和#imgabs8#四个填补结果进行整合、去噪和反归一化，得到最终修复结果#imgabs9#。本发明从全局和局部同时分析SCADA多维数据内部的自相关性和互相关性，从多个视角对缺失数据进行初步填补修复；进一步，构建残差网络精细去噪模型，对初步修复后的数据综合进行去噪和精细修复，由此实现SCADA多维数据的完整修复。
-
公开(公告)号：CN117992855B
公开(公告)日：2024-06-21
申请号：CN202410393884.5
申请日：2024-04-02
Applicant: 湖南大学 , 国网湖南省电力有限公司岳阳供电分公司
IPC: G06F18/241 , G06F18/214 , G06F18/23 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/088 , G06N3/0895 , G06Q50/06 , H02J3/00 , G01R19/00 , G01R31/00
Abstract: 基于半监督学习的电网暂态电压稳定样本标定方法及设备，方法包括：S1.分别获取#imgabs0#个暂态运行场景下电网中各负荷节点形成的暂态电压响应轨迹#imgabs1#；S2.根据电压时序数据集#imgabs2#对每个暂态运行场景的稳定类别进行初步标定，并将类别标记结果#imgabs3#集成为一个类标号数据集#imgabs4#；S3.构建电压稳定样本集#imgabs5#，并将#imgabs6#分别集成为样本子集#imgabs7#和#imgabs8#；S4.采用半监督聚类学习方法和半监督分类学习方法对#imgabs9#进行标定得到结果数据集#imgabs10#和#imgabs11#；S5.对#imgabs12#和#imgabs13#进行交互校验，并对#imgabs14#和#imgabs15#的更新；S6.重复迭代S4‑S5；设备包括存储器、处理器以及存储在存储器中并在处理器上运行的计算机程序；本发明解决了数据驱动的电网暂态电压稳定评估技术中样本质量难以提升的问题。
-
Patent Agency Ranking
公开(公告)号：CN115935264B
公开(公告)日：2023-05-12
申请号：CN202310219066.9
申请日：2023-03-09
Applicant: 湖南大学
IPC: G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08 , H02J3/12
Abstract: 一种基于时空信息同步学习的电网暂态电压稳定评估方法，先对电网在各种运行方式下的各种暂态故障进行时域仿真，从中提取各监测节点时序响应轨迹和电网暂态信息，得到暂态样本集；再利用电网网络阻抗矩阵和不同时间断面下电网状态的关联关系分别构建空间邻接矩阵和时序邻接矩阵，并集成为时空邻接矩阵，综合表征电网暂态过程中不同时间断面下各监测节点间的时空相关性；接着利用图卷积神经网络算法进行时空信息同步学习，训练得到时空信息同步驱动的暂态电压稳定分类评估模型；最后将实时获取各监测节点的暂态时序响应轨迹输入暂态电压稳定分类评估模型中，得到电网暂态电压稳定评估结果。本发明可对电网暂态电压稳定状态进行快速可靠的在线评估。
-
公开(公告)号：CN118336738B
公开(公告)日：2025-01-07
申请号：CN202410185252.X
申请日：2024-02-19
Applicant: 湖南大学
IPC: H02J3/12 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于阻抗信息学习的电网暂态电压稳定评估方法，包括：基于时域仿真提取关键负荷节点的电气量时序轨迹，并对电网暂态电压稳定/失稳状态进行标定；计算得到关键负荷节点的负荷阻抗时序轨迹和戴维南等值阻抗时序轨迹；基于具有物理意义的暂态电压稳定阻抗判据，将电气量时序轨迹、阻抗信息以及电网暂态电压稳定/失稳状态结合；根据得到的暂态样本集对卷积神经网络进行电气量和阻抗信息学习，得到基于阻抗信息学习的暂态电压稳定评估模型；基于暂态电压稳定评估模型对关键负荷节点的阻抗信息进行分析，输出系统暂态电压稳定状态评估结果。本发明能够提高暂态电压稳定评估的性能，实现对暂态电压稳定状态准确高效的在线评估。
-
公开(公告)号：CN118523316B
公开(公告)日：2024-10-11
申请号：CN202410966915.1
申请日：2024-07-18
Applicant: 湖南大学
IPC: H02J3/00 , H02J3/12 , H02J3/24 , G06N3/0464 , G06N3/0895 , G06F18/213 , G06F18/25
Abstract: 本发明公开了一种基于暂态响应和线路状态信息的主导失稳模式判别方法，包括以下步骤：S1、进行预设次数电网暂态仿真，每次仿真按相同采样间隔与周期采集电网暂态响应信息和线路状态信息，分别得到第一样本集和第二样本集；暂态响应信息包括节点电压及频率、发电机功角差和对应的主导失稳模式；线路状态信息包括线路状态和线路编号；S2、根据第一样本集和第二样本集进行数据复合处理，得到第三样本集；S3、根据第三样本集对添加注意力机制的残差卷积神经网络模型进行训练，直至模型收敛，得到第一模型；S4、根据第一模型结合实际电网暂态响应和线路状态信息，完成主导失稳模式判别。本发明能够实现主导失稳模式的高效精确识别。
-
公开(公告)号：CN117992855A
公开(公告)日：2024-05-07
申请号：CN202410393884.5
申请日：2024-04-02
Applicant: 湖南大学 , 国网湖南省电力有限公司岳阳供电分公司
IPC: G06F18/241 , G06F18/214 , G06F18/23 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/088 , G06N3/0895 , G06Q50/06 , H02J3/00 , G01R19/00 , G01R31/00
Abstract: 基于半监督学习的电网暂态电压稳定样本标定方法及设备，方法包括：S1.分别获取#imgabs0#个暂态运行场景下电网中各负荷节点形成的暂态电压响应轨迹#imgabs1#；S2.根据电压时序数据集#imgabs2#对每个暂态运行场景的稳定类别进行初步标定，并将类别标记结果#imgabs3#集成为一个类标号数据集#imgabs4#；S3.构建电压稳定样本集#imgabs5#，并将#imgabs6#分别集成为样本子集#imgabs7#和#imgabs8#；S4.采用半监督聚类学习方法和半监督分类学习方法对#imgabs9#进行标定得到结果数据集#imgabs10#和#imgabs11#；S5.对#imgabs12#和#imgabs13#进行交互校验，并对#imgabs14#和#imgabs15#的更新；S6.重复迭代S4‑S5；设备包括存储器、处理器以及存储在存储器中并在处理器上运行的计算机程序；本发明解决了数据驱动的电网暂态电压稳定评估技术中样本质量难以提升的问题。
-
公开(公告)号：CN115935264A
公开(公告)日：2023-04-07
申请号：CN202310219066.9
申请日：2023-03-09
Applicant: 湖南大学
IPC: G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08 , H02J3/12
Abstract: 一种基于时空信息同步学习的电网暂态电压稳定评估方法，先对电网在各种运行方式下的各种暂态故障进行时域仿真，从中提取各监测节点时序响应轨迹和电网暂态信息，得到暂态样本集；再利用电网网络阻抗矩阵和不同时间断面下电网状态的关联关系分别构建空间邻接矩阵和时序邻接矩阵，并集成为时空邻接矩阵，综合表征电网暂态过程中不同时间断面下各监测节点间的时空相关性；接着利用图卷积神经网络算法进行时空信息同步学习，训练得到时空信息同步驱动的暂态电压稳定分类评估模型；最后将实时获取各监测节点的暂态时序响应轨迹输入暂态电压稳定分类评估模型中，得到电网暂态电压稳定评估结果。本发明可对电网暂态电压稳定状态进行快速可靠的在线评估。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
