分布式电源接入下变压器中性点接地方法

    公开(公告)号:CN114498631A

    公开(公告)日:2022-05-13

    申请号:CN202210095779.4

    申请日:2022-01-26

    摘要: 本发明提供了一种分布式电源接入下变压器中性点接地方法。变压器中性点不接地,所述方法包括以下步骤:根据分布式电源的类型和发生故障的类型,选择计算模型;确定变压器安全运行的暂稳态条件;根据所述计算模型和所述暂稳态条件,确定分布式电源接入电网的容量。在分布式电源接入电网的容量大于所述确定容量的情况下,将变压器中心点从不接地转换成接地。本发明能够确定出分布式电源接入的容量限制,保障了电网的运行安全,避免了不接地变压器中性点电压过高导致的间隙击穿造成的损失;本发明能够为分布式电源接入点变压器中性点运行方式提供决策参考;本发明能够降低变压器投资、运行成本,减少因故障处置不恰当带来的直接或者间接经济损失。

    一种能源互联网中隐私保护的多能负荷解耦预测方法

    公开(公告)号:CN117407717A

    公开(公告)日:2024-01-16

    申请号:CN202311456923.3

    申请日:2023-11-03

    摘要: 本发明属于能源互联网技术领域,尤其涉及一种能源互联网中隐私保护的多能负荷解耦预测方法,包括以下步骤:S1、构建多能负荷预测模型PPenergyNET;所述PPenergyNET包括分别设置在冷、热、电能源公司处的本地模型,用于独立提取对应能源公司的本地负荷数据的负荷特征;PPenergyNET还包括设置在云服务器的全局模型,用于聚合三个本地模型的负荷特征进行多能负荷预测;S2、对S1构建的PPenergyNET进行学习优化;S3、使用学习优化后的PPenergyNET进行多能负荷预测。使用本发明,可以只交换本地特征、预测结果、损失和梯度信息就能完成模型的训练和预测,从而实现了数据可用不可见,保护了原始数据的隐私。本方法可以在保护各能源公司的本地数据隐私的同时,准确的进行多能源负荷预测。

    一种基于自适应联邦元学习的初期故障辨识方法

    公开(公告)号:CN117473869A

    公开(公告)日:2024-01-30

    申请号:CN202311466826.2

    申请日:2023-11-06

    摘要: 本发明属于智能模型学习技术领域,尤其涉及一种基于自适应联邦元学习的初期故障辨识方法,包括以下步骤:S1、构建仿真配电网并仿真模拟各类故障事件,并同步记录故障波形数据和非故障波形数据;将记录的波形数据转换为图像样本,得到故障图像数据库Dtrain;S2、在云服务器设置全局模型并在各电力公司设置本地模型;S3、结合Dtrain中的样本,使用元学习策略,对云服务器的全局模型进行训练,得到全局模型的最优初始参数θ*;S4、通过设计的联邦学习框架,对全局模型参数进行多轮优化;S5、使用参数优化完成的全局模型进行IF辨识。本方法能够在实现隐私保护的同时,在样本量小的条件下完成IF特征的学习,并保证IF辨识准确度。

    一种基于语法树的神经心理量表答案筛选方法、系统及介质

    公开(公告)号:CN116525045A

    公开(公告)日:2023-08-01

    申请号:CN202211492716.9

    申请日:2022-11-25

    摘要: 本发明公开一种基于语法树的神经心理量表答案筛选方法、系统及介质,方法步骤包括:1)获取测试者的音频,并将音频转录为心理量表文本;2)对标注有词边界的词序列进行依存句法分析,得到文本特征;3)对文本特征进行中心词提取,得到心理量表文本的中心词;4)对心理量表文本的中心词进行分析,得到语义角色识别结果;5)判断所述语义角色识别结果中是否包含MMSE量表中临床总结的语义角色,若是,则得到心理量表答案。系统包括音频获取及转换模块、分词模块、词性标注模块、实体识别模块、依存句法分析模块、中心词提取及分析模块、答案输出模块;本发明可以准确提取出测试者的真实意图,提高了人工智能技术应用在神经心理量表中的准确率。