公开(公告)号：CN117932422A

公开(公告)日：2024-04-26

申请号：CN202311811714.6

申请日：2023-12-25

Applicant: 三峡大学

Inventor： 程杉 ,  万思宇 ,  于子豪 ,  傅桐

IPC: G06F18/241 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/084 ,  H02J3/00 ,  G06F123/02

Abstract: 本发明公开了基于卷积神经网络‑门控循环单元的暂态评估方法，该方法通过充分吸纳卷积神经网络与门控循环单元模型各自对短期局部、长期宏观特征的提取能力，克服了深度学习单一模型在电力系统暂态稳定评估时特征提取的局限性，有效构建多维度原始输入与样本稳定性标签之间的映射关系，从而进一步提高模型的TSA性能。模型具备独特的长短期特征提取能力，能自动构建原始输入与样本稳定标签之间的映射关系，提高模型对失稳样本的拟合程度、平衡两类样本的数量，通过优化参数计算避开繁琐的调参过程，提高所提模型的工程应用效率，对电力系统的稳态判据具有重要意义。

公开(公告)号：CN115663784A

公开(公告)日：2023-01-31

申请号：CN202111537566.4

申请日：2021-12-15

Applicant: 三峡大学

Inventor： 程杉 ,  刘烨 ,  左先旺 ,  于子豪 ,  陈诺

IPC: H02J3/00 ,  G06F18/2415 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/047 ,  G06N3/08 ,  G01R31/08

Abstract: 基于HATF和E‑CNN的配电网电能质量扰动分类方法，包括：采集配电网的电能质量扰动(Power Quality Disturbance,PQD)信号；构建分层自适应阈值函数(Hierarchical Adaptive Threshold Function,HATF)降噪法：采用HATF降噪法对信号降噪处理；构建改进卷积神经网络(Enhanced‑Conventional Neural Network,E‑CNN)的融合网络分类模型；利用采集并降噪后的信号对E‑CNN模型进行训练，训练好的网络即可对含噪PQD信号进行分类。该方法具有较高的准确率和计算效率，可以在无噪、弱噪声和强噪声环境下有效分类单一扰动信号和复合扰动信号并对配电网的电能质量进行实时监测。