基于拓扑分解训练的配电网超分辨率量测生成方法和装置

    公开(公告)号:CN117572142A

    公开(公告)日:2024-02-20

    申请号:CN202311332576.3

    申请日:2023-10-13

    Abstract: 本发明提供一种基于拓扑分解训练的配电网超分辨率量测生成方法和装置,包括:采用支路切割法将配电网划分为多个子分区;确定每一个所述子分区对应的协调区;基于所述子分区的多源稀疏量测矩阵,采用所述子分区和所述子分区中每一个边界节点对应的协调区的超分辨率量测协调一致的方式,生成所述子分区的超分辨率节点状态量测矩阵;拼接多个子分区的超分辨率节点状态量测矩阵,得到配电网的超分辨率节点状态量测矩阵。本发明将配电网分解成若干子分区,超分辨率量测任务分配给不同的子分区完成,再根据分解协调算法使子分区与其协调区重合节点的超分辨率量测一致,进而完成大规模配电网的超分辨率量测生成。

    基于微分神经网络的电力系统动态元件建模方法及装置

    公开(公告)号:CN113505525A

    公开(公告)日:2021-10-15

    申请号:CN202110691963.0

    申请日:2021-06-22

    Applicant: 清华大学

    Abstract: 本发明提供一种基于微分神经网络的电力系统动态元件建模方法及装置,包括:确定待建模电力系统的状态变量;获取系统数据集;其中,通过量测或仿真实验得到系统数据集,系统数据集包括用于模型训练的状态变量、输入变量、输出变量;根据系统数据集训练微分神经网络模型,得到电力系统动态元件模型;电力系统动态元件模型包括微分方程表达及代数方程表达;微分方程表达用于描述电力系统的状态信息,代数方程表达用于描述电力系统输出信息。通过系统数据集对微分神经网络模型进行训练,基于微分神经网络的元件模型易于进行求导操作,可极大便利电力系统运行控制决策,可提供一种全新的对于电力系统结构、动态和控制神经网络化的仿真方法。

Patent Agency Ranking