-
公开(公告)号：CN109933953B
公开(公告)日：2023-04-07
申请号：CN201910287512.3
申请日：2019-04-11
Applicant: 东南大学
Abstract: 本发明提出了一种基于概率图模型的配电网开关状态辨识方法，包括：将互相连接的若干台配电变压器等效为一个负荷组，得到配电网物理模型的简化电路图；分析各负荷组之间电压相关性与配电网中开关状态的依赖关系，构建以电压相关性和开关状态为节点的概率图模型；基于配电网历史运行数据计算各节点的初始概率分布与节点间的条件概率分布，完成概率图模型的学习；分析概率图模型中各节点间的影响传播，确定必要观测变量，使得能够通过有效迹推断出网络中剩余节点的状态；在必要观测变量可以观测的情况下，通过置信度传播算法求得整个配电网的开关状态。该方法可以在部分配电变压器数据难以获得的情况下利用人工智能算法推断出整个配电网的运行状态。
-
公开(公告)号：CN109933953A
公开(公告)日：2019-06-25
申请号：CN201910287512.3
申请日：2019-04-11
Applicant: 东南大学
IPC: G06F17/50
Abstract: 本发明提出了一种基于概率图模型的配电网开关状态辨识方法，包括：将互相连接的若干台配电变压器等效为一个负荷组，得到配电网物理模型的简化电路图；分析各负荷组之间电压相关性与配电网中开关状态的依赖关系，构建以电压相关性和开关状态为节点的概率图模型；基于配电网历史运行数据计算各节点的初始概率分布与节点间的条件概率分布，完成概率图模型的学习；分析概率图模型中各节点间的影响传播，确定必要观测变量，使得能够通过有效迹推断出网络中剩余节点的状态；在必要观测变量可以观测的情况下，通过置信度传播算法求得整个配电网的开关状态。该方法可以在部分配电变压器数据难以获得的情况下利用人工智能算法推断出整个配电网的运行状态。
-
公开(公告)号：CN110059737A
公开(公告)日：2019-07-26
申请号：CN201910287511.9
申请日：2019-04-11
Applicant: 东南大学
Abstract: 本发明提出了一种基于集成深度神经网络的配电变压器连接关系辨识方法，包括：使用二维小波阈值算法对配电变压器量测数据进行去噪；对开环运行配电网量测数据进行分析，构造包含配电变压器连接关系重要特征的特征集合；利用卡方检验对特征集合进行筛选，去除原始特征集合的冗余特征；以筛选过后的特征为输入，配电变压器连接关系为输出，构建配电变压器互联关系辨识的集成深度学习模型；使用网格搜索的方式对同质集成深度学习模型的基分类器参数进行优化。该方法可在配电网运行方式多变的情况下快速准确地辨识配电网的运行态拓扑，减小配电网运行方式分析、线损计算等工作的成本，充分挖掘了配电网运行数据在智能电网调度精益化方面的价值。
-
公开(公告)号：CN110059737B
公开(公告)日：2020-11-03
申请号：CN201910287511.9
申请日：2019-04-11
Applicant: 东南大学
Abstract: 本发明提出了一种基于集成深度神经网络的配电变压器连接关系辨识方法，包括：使用二维小波阈值算法对配电变压器量测数据进行去噪；对开环运行配电网量测数据进行分析，构造包含配电变压器连接关系重要特征的特征集合；利用卡方检验对特征集合进行筛选，去除原始特征集合的冗余特征；以筛选过后的特征为输入，配电变压器连接关系为输出，构建配电变压器互联关系辨识的集成深度学习模型；使用网格搜索的方式对同质集成深度学习模型的基分类器参数进行优化。该方法可在配电网运行方式多变的情况下快速准确地辨识配电网的运行态拓扑，减小配电网运行方式分析、线损计算等工作的成本，充分挖掘了配电网运行数据在智能电网调度精益化方面的价值。
-
-
-
Search Results
4
records
(took 0.019 seconds)
