-
公开(公告)号：CN107390020B
公开(公告)日：2019-11-12
申请号：CN201710433630.1
申请日：2017-06-09
Applicant: 东南大学
IPC: G01R21/06
Abstract: 本发明公开了一种基于功率及电流特性的电吹风非侵入辨识方法，包括如下步骤：(1)在一定采样频率范围内，对总电源进线的电压和电流信号进行采样；(2)计算实时平均有功功率序列P(i)和实时平均无功功率序列Q(i)；(3)提取第j个时间窗口的电流最大值Imax(j)、电流最小值Imin(j)，构造新的电流信号序列I(j)＝Imax(j)+Imin(j)；(4)判定电吹风运行状态，并计算该档位电吹风的额定功率。本发明解决了目前家用电器中间断运行的负荷较多，电吹风的稳态特性与其他电器相似，无明显的暂态特性等难题，可准确感知电吹风的运行及所处状态，并提供电吹风的近似额定功率，为实现电吹风的非侵入辨识。
-
公开(公告)号：CN106157176B
公开(公告)日：2019-07-12
申请号：CN201610597129.4
申请日：2016-07-26
Applicant: 东南大学
Abstract: 本文公开了一种GPU加速的电力潮流雅可比矩阵的LU分解方法，包括CPU中对雅可比矩阵J进行LU符号分解，得到下三角变换矩阵L和上三角矩阵U矩阵的稀疏结构，符号分解之后的J的稀疏结构等于L+U；根据U阵的稀疏结构，对矩阵J各列进行并行化分层，并将计算所需数据传输给GPU；GPU中按层次递增的顺序计算分层LU分解内核函数SparseLU。本发明利用CPU控制程序的流程并处理基础数据和GPU处理密集的浮点运算相结合的模式提高了电力潮流雅可比矩阵LU分解的效率，解决了电力系统静态安全性分析中潮流计算耗时大的问题。
-
公开(公告)号：CN106294022A
公开(公告)日：2017-01-04
申请号：CN201610662283.5
申请日：2016-08-12
Applicant: 东南大学
CPC classification number: G06F11/1479 , G06Q50/06
Abstract: 本发明公开了一种用于静态安全分析的雅可比矩阵冗余存储方法，该方法包括如下步骤：电网的导纳矩阵Y，按稀疏格式存储；(2)根据基态电网的导纳矩阵Y的稀疏结构，生成稀疏格式的雅可比矩阵J，将电网中所有节点按PQ节点处理，为PV节点在雅可比矩阵J中冗余预留非零元的储存空间和电压幅值增量ΔV2的储存空间，即形成PV节点对应的冗余无功功率不平衡方程；(3)在生成基态电网的任意一个具体故障潮流的修正方程组时，雅可比矩阵J按照故障电网的实际节点类型进行解耦处理。本发明解决了批处理潮流雅可比矩阵结构不一致的问题，为批处理潮流并行计算提供了数据结构基础。(1)根据电网基础数据生成电网元件故障前基态
-
公开(公告)号：CN111988796B
公开(公告)日：2023-10-20
申请号：CN202010674504.7
申请日：2020-07-14
Applicant: 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 东南大学
Abstract: 本发明公开基于双模通信的台区信息采集业务带宽优化系统及方法，该系统包括：配置双模模块的智能电表及其第一通信节点、配置双模模块的集中器及其第二通信节点、主站系统，所述第一通信节点包括中继电表通信节点、末端电表通信节点，所述第二通信节点包括集中器通信节点；所述末端电表通信节点将数据上传至所述中继电表通信节点，所述中继电表通信节点转发数据至所述集中器通信节点，所述集中器通信节点缓存数据，并定时上送至主站系统支撑海量用电数据的分析和应用。本发明还提出基于双模通信的台区信息采集业务带宽优化方法，考虑时延和丢包率Qos指标构造代价函数，以综合代价最小化为目标，优化台区通信链路质量，实现台区业务带宽的优化。
-
公开(公告)号：CN111416441B
公开(公告)日：2021-08-10
申请号：CN202010272094.3
申请日：2020-04-09
Applicant: 东南大学
IPC: H02J13/00
Abstract: 本发明公开了一种基于GPU分层加速的电网拓扑分析方法，包括如下步骤：CPU中读入实际电网断面文件，提取电网模型为电网物理模型，进行无向图的编制，并对拓扑分析所需信息进行压缩存储并传递到GPU；GPU中调用分厂站并行拓扑分析内核函数StationBus_kernel，生成d_Visited并传递给h_Visited；将全网计算节点划分结果整理成为计算节点，编制计算节点邻接链表形成全网计算节点的邻接数组并以压缩形式储存和传递；GPU中调用系统拓扑分析函数System_Kernel_new，形成拓扑分析结果。本发明采用并行潜能较高的GPU进行大规模电网的拓扑分析，提高电网拓扑分析的实时性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN109873501A
公开(公告)日：2019-06-11
申请号：CN201910297607.3
申请日：2019-04-15
Applicant: 东南大学
IPC: H02J13/00
Abstract: 本发明公开了一种低压配电网拓扑自动识别方法，包括如下步骤：从若干个智能电表中分别获取用户侧表箱和分支箱的电表功率数据，并对数据进行预处理得到数据组D；通过用户侧表箱和分支箱的电表功率阶跃利用聚类处理进行分支箱和用户侧表箱匹配，形成用户侧表箱和分支箱一对一匹配关系；利用分支箱和用户侧表箱的一对一匹配关系作出相对应的台区拓扑图结构；利用分支箱和用户表箱的一对一匹配关系用用电量做拓扑检验。本发明利用用户侧表箱和分支箱的用电数据计算功率阶跃，利用聚类处理进行分支箱和用户侧表箱匹配，通过分支箱和用户侧表箱的匹配关系作出相对应的台区拓扑图结构解决现阶段低压台区拓扑结构的混乱关系。
-
公开(公告)号：CN106407158B
公开(公告)日：2019-01-29
申请号：CN201610814518.8
申请日：2016-09-12
Applicant: 东南大学
Abstract: 本发明公开了一种GPU加速的批处理同构稀疏矩阵乘满向量的处理方法，所述方法包括：(1)在CPU中将所有矩阵A1～Abs存储为行压缩存储格式；(2)CPU将GPU内核函数所需数据传输给GPU；(3)将矩阵A1～Abs的乘满向量任务分配给GPU线程，并优化内存访问模式；(4)GPU中执行批处理同构稀疏矩阵乘满向量内核函数spmv_batch，调用内核函数来批处理并行计算同构稀疏矩阵乘满向量。本发明中CPU负责控制程序的整体流程和准备数据，GPU负责计算密集的向量乘法，利用批处理模式提高了算法并行度和访存效率，大幅降低了批量稀疏矩阵乘满向量的计算时间。
-
公开(公告)号：CN105955712B
公开(公告)日：2018-08-21
申请号：CN201610265499.8
申请日：2016-04-26
Applicant: 东南大学
CPC classification number: Y02D10/24
Abstract: 本发明公开了一种基于GPU加速的直流故障筛选方法，包括：对直流潮流算法进行优化；CPU读取电网数据，计算节点电抗矩阵X0；计算基态电网的节点电压相角θ0，将电网基础数据传送给GPU；GPU内核函数1计算支路开断时的节点电压相角θ1；GPU内核函数2计算支路开断时各支路的有功功率，筛选出支路开断故障集S1并回传至CPU中；GPU内核函数3计算发电机开断时的节点电压相角θ2；GPU内核函数4计算发电机开断时各支路的有功功率，筛选出发电机开断故障集S2并回传至CPU中。本文提出了一种基于GPU加速的直流故障筛选方法，提高了计算效率，解决了电力系统静态安全性分析中故障直流筛选耗时大的难题。
-
公开(公告)号：CN107390043A
公开(公告)日：2017-11-24
申请号：CN201710433642.4
申请日：2017-06-09
Applicant: 东南大学
IPC: G01R31/00
CPC classification number: G01R31/00
Abstract: 本发明公开了一种基于有功功率波动性和周期性的洗衣机非侵入辨识方法，包括在一定的采样频率范围内，对总电源进线的电压和电流进行采样，形成电压信号采样序列u和电流信号采样序列i，并计算平均功率序列P；构造长度为N的滑动窗Wn，并计算滑动窗内有功功率序列的标准差Sn；求取序列Sn的子区间的最小值位置序列Mt，记录最小值所在位置；计算序列Mt差分序列ΔMt，根据ΔMt的周期性来判别是否为洗衣机运行，并计算启停时间。本发明提综合利用洗衣机的周期性以及波动性这两个特性，提出了有效的洗衣机辨识方法，将平均有功功率序列转换成标准差序列，避免了偶尔情况下现实工况带来的功率波动而会被误辨成洗衣机的情况。
-
公开(公告)号：CN107368455A
公开(公告)日：2017-11-21
申请号：CN201710483414.8
申请日：2017-06-22
Applicant: 东南大学
IPC: G06F17/12
CPC classification number: G06F17/12
Abstract: 本发明公开了一种GPU加速的电力潮流上三角方程组回代方法，所述方法包括如下步骤：(1)CPU中根据雅可比矩阵的LU符号分解结果，即上三角变换矩阵U的稀疏结构，对上三角变化矩阵U各行进行并行化分层，并将计算所需数据传输给GPU；(2)GPU中按层次递增的顺序调用LU回代运算内核函数LUbackward。本发明采取CPU和GPU结合的模式，由CPU控制整体流程并处理基础数据，GPU负责稀疏线性方程组的上三角变换矩阵分层回代运算，提高了电力潮流线性方程组的LU回代运算效率，解决了电力系统运行分析中潮流计算耗时大的问题。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.021 seconds)
