-
公开(公告)号：CN109861250A
公开(公告)日：2019-06-07
申请号：CN201910215943.9
申请日：2019-03-21
Applicant: 东南大学
IPC: H02J3/24
Abstract: 本发明公开了一种基于电力系统多维特征的功率振荡类型判别方法，通过对低频振荡信号计算时域指标，频域指标、能量指标、互相关指标、自相关指标、样本熵指标和模态指标，建立了较完备的指标集，能够较完整地描述电力系统振荡的特征信息。本发明使用了互信息特征选择方法，相比广泛使用的Fisher判别法，互信息特征选择可以度量变量之间的非线性关系。使用互信息特征选择方法得到的特征进行模型训练，有助于提高训练模型的泛化能力和降低训练模型的复杂度,从而有效防止过拟合现象产生。本发明使用了机器学习分类器对电力系统功率振荡事件类型进行识别，相比传统分类方法，可以有效提高分类的精度和训练模型的泛化能力。
-
公开(公告)号：CN110674791A
公开(公告)日：2020-01-10
申请号：CN201910986070.1
申请日：2019-10-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于多阶段迁移学习的强迫振荡分层定位方法。该方法包括离线训练和在线定位两部分。首先依据发电机相关性对电力系统进行分区，将各分区振荡主成分的平滑伪Wigner-Ville分布进行图像化，形成区间WVD图像。然后对预训练的卷积神经网络进行第一阶段迁移学习，得到第一层分区定位模型。输入定位分区的区内WVD图像，再对分区定位模型进行第二阶段迁移学习，得到第二层机组定位模型。最后验证本方法的离线定位正确率。通过先后将实际发生强迫功率振荡的区间和区内WVD图像分别输入到分区定位模型和机组定位模型，实现扰动源的在线定位。本发明不仅能够具有较高的定位准确率，并具有定位速度快，适应性高、鲁棒性强等特点。
-
公开(公告)号：CN113489026B
公开(公告)日：2023-08-08
申请号：CN202110841669.3
申请日：2021-07-26
Applicant: 东南大学 , 南方电网科学研究院有限责任公司
IPC: H02J3/24
Abstract: 本发明公开一种广域电力系统宽频振荡辨识方法及定位方法，所述辨识方法包括以下步骤：S1:对子站高速采集的电力系统宽频振荡信号进行数据预处理,获得宽频振荡预处理信号；S2:离线训练生成各自编码器模型和LSTM网络振荡定位模型；S3:在子站利用步骤S2得到的编码器提取步骤S1中宽频振荡预处理信号的低维编码数据，并将其传输至主站；S4:根据步骤S3上传的低维编码数据，利用步骤S2得到的解码器还原原始振荡信号，并参数辨识得到原始宽频振荡信号的频率、幅值、相位信息，实现宽频振荡信号的还原辨识。本发明在子站对宽频振荡数据进行分频段编码降维，降低振荡数据的冗余度，在较小带宽的限制下实现宽频振荡信号传输。
-
Patent Agency Ranking
公开(公告)号：CN113489026A
公开(公告)日：2021-10-08
申请号：CN202110841669.3
申请日：2021-07-26
Applicant: 东南大学 , 南方电网科学研究院有限责任公司
IPC: H02J3/24
Abstract: 本发明公开一种广域电力系统宽频振荡辨识方法及定位方法，所述辨识方法包括以下步骤：S1:对子站高速采集的电力系统宽频振荡信号进行数据预处理,获得宽频振荡预处理信号；S2:离线训练生成各自编码器模型和LSTM网络振荡定位模型；S3:在子站利用步骤S2得到的编码器提取步骤S1中宽频振荡预处理信号的低维编码数据，并将其传输至主站；S4:根据步骤S3上传的低维编码数据，利用步骤S2得到的解码器还原原始振荡信号，并参数辨识得到原始宽频振荡信号的频率、幅值、相位信息，实现宽频振荡信号的还原辨识。本发明在子站对宽频振荡数据进行分频段编码降维，降低振荡数据的冗余度，在较小带宽的限制下实现宽频振荡信号传输。
-
公开(公告)号：CN109861250B
公开(公告)日：2022-06-03
申请号：CN201910215943.9
申请日：2019-03-21
Applicant: 东南大学
IPC: H02J3/24
Abstract: 本发明公开了一种基于电力系统多维特征的功率振荡类型判别方法，通过对低频振荡信号计算时域指标，频域指标、能量指标、互相关指标、自相关指标、样本熵指标和模态指标，建立了较完备的指标集，能够较完整地描述电力系统振荡的特征信息。本发明使用了互信息特征选择方法，相比广泛使用的Fisher判别法，互信息特征选择可以度量变量之间的非线性关系。使用互信息特征选择方法得到的特征进行模型训练，有助于提高训练模型的泛化能力和降低训练模型的复杂度,从而有效防止过拟合现象产生。本发明使用了机器学习分类器对电力系统功率振荡事件类型进行识别，相比传统分类方法，可以有效提高分类的精度和训练模型的泛化能力。
-
公开(公告)号：CN110674791B
公开(公告)日：2022-04-12
申请号：CN201910986070.1
申请日：2019-10-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于多阶段迁移学习的强迫振荡分层定位方法。该方法包括离线训练和在线定位两部分。首先依据发电机相关性对电力系统进行分区，将各分区振荡主成分的平滑伪Wigner‑Ville分布进行图像化，形成区间WVD图像。然后对预训练的卷积神经网络进行第一阶段迁移学习，得到第一层分区定位模型。输入定位分区的区内WVD图像，再对分区定位模型进行第二阶段迁移学习，得到第二层机组定位模型。最后验证本方法的离线定位正确率。通过先后将实际发生强迫功率振荡的区间和区内WVD图像分别输入到分区定位模型和机组定位模型，实现扰动源的在线定位。本发明不仅能够具有较高的定位准确率，并具有定位速度快，适应性高、鲁棒性强等特点。
-
公开(公告)号：CN109149603B
公开(公告)日：2019-12-10
申请号：CN201811050522.7
申请日：2018-09-07
Applicant: 东南大学
IPC: H02J3/24
Abstract: 本发明公开了一种多通道电力系统稳定器控制方法，涉及电力系统稳定与控制技术领域，通过采集当前计算周期内的振荡信号，计算出多通道电力系统稳定器在不同控制方式下的组合控制信号，进而计算在不同组合控制信号下，下一计算周期目标信号的值。然后根据目标信号计算指标函数的值，最后选取指标函数最小的控制组合信号作为实际多通道电力系统稳定器输出信号。该方法可以根据电力系统的运行状态及时调整电力系统稳定器的作用通道，具有良好的动态性能和较强的鲁棒性，对系统运行状态变化和多种扰动的适应性强。
-
公开(公告)号：CN109149603A
公开(公告)日：2019-01-04
申请号：CN201811050522.7
申请日：2018-09-07
Applicant: 东南大学
IPC: H02J3/24
Abstract: 本发明公开了一种多通道电力系统稳定器控制方法，通过采集当前计算周期内的振荡信号，计算出多通道电力系统稳定器在不同控制方式下的组合控制信号，进而计算在不同组合控制信号下，下一计算周期目标信号的值。然后根据目标信号计算指标函数的值，最后选取指标函数最小的控制组合信号作为实际多通道电力系统稳定器输出信号。该方法可以根据电力系统的运行状态及时调整电力系统稳定器的作用通道，具有良好的动态性能和较强的鲁棒性，对系统运行状态变化和多种扰动的适应性强。设计思路简单，避免了多个通道之间的交互影响降低电力系统稳定器控制效果的缺点，便于工程应用。通过指标函数中目标信号的选取和权重系数的设置能够实现多目标协调控制。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
