一种基于层次分析法的区域电网扰动控制能力评价方法

    公开(公告)号:CN105956767B

    公开(公告)日:2020-09-25

    申请号:CN201610278964.1

    申请日:2016-04-29

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明公开了一种基于层次分析法的区域电网扰动控制能力评价方法,包括步骤:根据电网的扰动恢复能力,定义电网层次模型的准则层与指标层;设定目标层与准则层及准则层与指标层的判断矩阵;计算所述判断矩阵的最大特征值和对应的特征向量,根据所述权重向量得到评价各地区扰动恢复能力的指标的综合权重;统计所述各地区每月各指标的被考核次数,最终得到每月所述各地区的扰动恢复能力的综合考核值。本发明具有如下优点:通过模型定义、判断矩阵的确立、综合权重的计算等步骤,实现各控制区扰动控制能力的定量评价。

    一种基于层次分析法的区域电网扰动控制能力评价方法

    公开(公告)号:CN105956767A

    公开(公告)日:2016-09-21

    申请号:CN201610278964.1

    申请日:2016-04-29

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明公开了一种基于层次分析法的区域电网扰动控制能力评价方法,包括步骤:根据电网的扰动恢复能力,定义电网层次模型的准则层与指标层;设定目标层与准则层及准则层与指标层的判断矩阵;计算所述判断矩阵的最大特征值和对应的特征向量,根据所述权重向量得到评价各地区扰动恢复能力的指标的综合权重;统计所述各地区每月各指标的被考核次数,最终得到每月所述各地区的扰动恢复能力的综合考核值。本发明具有如下优点:通过模型定义、判断矩阵的确立、综合权重的计算等步骤,实现各控制区扰动控制能力的定量评价。

    一种校正输电线路角钢塔弯曲塔材的专用工具

    公开(公告)号:CN209303465U

    公开(公告)日:2019-08-27

    申请号:CN201821883866.1

    申请日:2018-11-15

    IPC分类号: B21D3/00

    摘要: 一种校正输电线路角钢塔弯曲塔材的专用工具,涉及一种输电线路施工技术领域,其结构为:支架上设置有把手孔,把手孔上方设有一层橡胶垫,支架两侧分别设置有弹簧固定块,两侧弹簧的一端固定在弹簧固定块上,另一端固定在异形连接块上,异形连接块的上面固定有液压千斤顶,下面固定有上压模,上压模的正下方设置有下压模,下压模的下端固定在支架上,支架下端两侧分别固定在支座上,上压模和下压模均呈V字形。本实用新型的有益效果在于:能满足角钢塔除主材外的任何角铁的校正,可直接带到塔上进行弯曲塔材的校正,该实用新型,整体采用铸铁制造、易于焊接、整体尺寸较小、结构简单、操作方便、造价成本低,有效缩短工作时间。

    一种隔离开关直流电阻在线监测装置及检测方法

    公开(公告)号:CN106405242B

    公开(公告)日:2023-08-15

    申请号:CN201610865373.4

    申请日:2016-09-29

    IPC分类号: G01R27/02 G01R31/327

    摘要: 本发明公开了一种隔离开关直流电阻在线监测装置及检测方法,包括并联的第一支路和第二支路,第一支路上依次串联有限流电阻、第一耦合电容、高频电源、第二耦合电容、精密电阻及第一耦合电感,其中所述精密电阻与测量精密电阻两端电压的第一电压测量模块连接;第二支路上依次串联有第三耦合电容、第四耦合电容及第二耦合电感,同时第三耦合电容和第四耦合电容之间引出接线连接第二电压测量模块;所述第一电压测量模块和第二电压测量模块都与控制器连接,所述控制器与显示模块、电源上电显示模块、通讯模块和存储模块连接。本发明能够及时了解隔离开关所处的状态,把隔离开关的发热问题消灭在萌芽之中,减少的专门的巡视人员去变电站红外测温。

    基于CEEMDAN-QFOA-LSTM的输电线覆冰厚度预测方法

    公开(公告)号:CN112116162A

    公开(公告)日:2020-12-22

    申请号:CN202011026983.8

    申请日:2020-09-26

    摘要: 本发明公开了一种基于CEEMDAN‑QFOA‑LSTM的输电线覆冰厚度预测方法,涉及输电线状态评估与深度学习结合的领域。本方法包括下列步骤:①数据获取和预处理(11);②对覆冰厚度历史数据序列进行CEEMDAN分解(12);③量子果蝇算法优化LSTM的超参数(13);④LSTM模型训练(14);⑤预测输电线覆冰厚度并分析结果(15)。本发明使用CEEMDAN分解算法,将难以直接预测的序列转换为多个可预测的分量序列,根据分解得到的多维度特征信息可以使神经网络更加准确地把握序列的规律;使用QFOA优化算法来获取超参数,避免了复杂的人为调参过程,更有效地训练网络模型;使用的LSTM神经网络不存在一般网络的梯度消失问题,保证模型能够最优收敛,有效解决短期和长期时间序列预测的问题。