-
公开(公告)号：CN109586309B
公开(公告)日：2022-04-26
申请号：CN201811226575.X
申请日：2018-10-19
Applicant: 北京交通大学
Abstract: 基于大数据自由熵理论和场景匹配的配电网无功优化方法，属于配电网无功优化领域。所述方法包括：结合配电网系统，构建自由熵指标序列；根据自由熵指标的构建方法，计算出待优化时刻的自由熵指标和历史大数据中各时刻的自由熵指标；计算历史大数据中自由熵指标与系统总负荷间的皮尔森相关系数；计算待优化时刻各指标与历史时刻各指标的总体偏离度；找到对应总体偏离度最低的历史时刻，实现智能场景匹配，该历史时刻所对应的无功优化策略作为当前待优化时刻的无功优化策略。本发明利用大数据技术，摆脱了模型参数的限制，考虑了分布式电源和新型随机负荷对配电网的影响，实现了配电网的无功优化和电压管理，为配电网的优化运行提供了一条新的途径。
-
公开(公告)号：CN109546659A
公开(公告)日：2019-03-29
申请号：CN201811223487.4
申请日：2018-10-19
Applicant: 北京交通大学
Abstract: 基于随机矩阵和智能场景匹配的配电网无功优化方法，属于交流配电网运行控制技术领域。该方法直接利用配电网在运行过程中产生的负荷数据、光伏发电、电动汽车充电数据，甚至温度、光照、风速等环境数据，分别构造随机矩阵；根据单环极限定理，计算各随机矩阵特征根的分布规律，提取平均谱半径、最大/最小谱半径、圆环外/环上/环内特征根分布比例等统计特征；利用主成分分析法对上述统计特征进行整合，得出主成分表征配电网运行状态；根据得到的主成分进行场景特征匹配，以匹配场景下的控制策略作为当前时段的无功优化控制策略。本发明技术方案实现了基于数据驱动的配电网无功优化和电压管理，为配电网的优化运行提供了一条新途径。
-
公开(公告)号：CN109546659B
公开(公告)日：2022-04-19
申请号：CN201811223487.4
申请日：2018-10-19
Applicant: 北京交通大学
Abstract: 基于随机矩阵和智能场景匹配的配电网无功优化方法，属于交流配电网运行控制技术领域。该方法直接利用配电网在运行过程中产生的负荷数据、光伏发电、电动汽车充电数据，甚至温度、光照、风速等环境数据，分别构造随机矩阵；根据单环极限定理，计算各随机矩阵特征根的分布规律，提取平均谱半径、最大/最小谱半径、圆环外/环上/环内特征根分布比例等统计特征；利用主成分分析法对上述统计特征进行整合，得出主成分表征配电网运行状态；根据得到的主成分进行场景特征匹配，以匹配场景下的控制策略作为当前时段的无功优化控制策略。本发明技术方案实现了基于数据驱动的配电网无功优化和电压管理，为配电网的优化运行提供了一条新途径。
-
公开(公告)号：CN108229813A
公开(公告)日：2018-06-29
申请号：CN201711484739.4
申请日：2017-12-29
Applicant: 北京交通大学
CPC classification number: G06Q10/0639 , G06F17/18 , G06Q50/06
Abstract: 基于客观性云物元的行业综合发展水平评价，属于行业评估领域。其特征在于，将收集得到的数据确定等级数目之后进行分类，计算得出各指标各等级的紧密度最小的中心值，从而计算得出各等级相邻边界值；对指标进行分析，若指标没有明确的上下限，则利用中心值与已知边界值计算得到上下限，得出各指标各等级的区间；计算期望值Ex、熵值En及超熵He，构成各等级界限云模型，从而计算各待评价方案对于各等级界限云模型的关联度，与指标权重进行加权得到各方案的评估等级。本发明提出一种基于客观性云物元的行业综合发展水平评价方法，实现了客观划分等级界限云模型的等级区间，从理论上消除了人为划分的主观影响，显著提高了客观性与评估准确性。
-
公开(公告)号：CN110943453B
公开(公告)日：2022-12-02
申请号：CN201911342187.2
申请日：2019-12-23
Applicant: 北京交通大学 , 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司
IPC: H02J3/00
Abstract: 本发明提供了面向迁移学习的电力系统故障样本生成及模型构建方法，其中，电力系统暂态稳定评估模型构建方法包括：获取初始电力系统暂态稳定评估模型；得到电力系统故障样本；将电力系统故障样本输入到初始电力系统暂态稳定评估模型，得到初始电力系统暂态稳定评估模型对应的全连接层的输出结果；将全连接层的输出结果作为初始电力系统暂态稳定评估模型的分类层的输入特征；基于电力系统故障样本中的暂态稳定和暂态失稳样本，训练分类层，得到满足评估要求的电力系统暂态稳定评估模型。本发明解决了电力系统运行方式和拓扑结构发生较大变化时，原有电力系统暂态稳定评估模型不再适用，重新训练一个电力系统暂态稳定评估模型耗时耗内存的问题。
-
Patent Agency Ranking
公开(公告)号：CN108054768B
公开(公告)日：2021-06-18
申请号：CN201711352495.4
申请日：2017-12-15
Applicant: 北京交通大学
IPC: H02J3/24
Abstract: 本发明公开了一种基于主成分分析的电力系统暂态稳定评估方法，基于WAMS系统得到故障切除后25周波内所有发电机转子角的时域轨迹，标准化处理后进行主成分分析；对于第一主成分方差贡献率大于85％的算例，构建第一主成分虚拟发电机；以时间为参变量，将第一主成分虚拟发电机的转子角和对应的等值输出功率、等值机械功率逐个时刻地映射到二维坐标中，形成第一主成分虚拟发电机的P‑δ映象轨迹。利用等面积法则计算第一主成分虚拟发电机的稳定裕度，此计算得到的暂态稳定裕度记为原始系统的暂态稳定裕度。本发明无需建模和仿真，仅需故障切除后实时响应信息，即可判断系统稳定性，实现了完全基于响应的在线暂态稳定判断。
-
公开(公告)号：CN110943453A
公开(公告)日：2020-03-31
申请号：CN201911342187.2
申请日：2019-12-23
Applicant: 北京交通大学 , 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司
IPC: H02J3/00
Abstract: 本发明提供了面向迁移学习的电力系统故障样本生成及模型构建方法，其中，电力系统暂态稳定评估模型构建方法包括：获取初始电力系统暂态稳定评估模型；得到电力系统故障样本；将电力系统故障样本输入到初始电力系统暂态稳定评估模型，得到初始电力系统暂态稳定评估模型对应的全连接层的输出结果；将全连接层的输出结果作为初始电力系统暂态稳定评估模型的分类层的输入特征；基于电力系统故障样本中的暂态稳定和暂态失稳样本，训练分类层，得到满足评估要求的电力系统暂态稳定评估模型。本发明解决了电力系统运行方式和拓扑结构发生较大变化时，原有电力系统暂态稳定评估模型不再适用，重新训练一个电力系统暂态稳定评估模型耗时耗内存的问题。
-
公开(公告)号：CN108054768A
公开(公告)日：2018-05-18
申请号：CN201711352495.4
申请日：2017-12-15
Applicant: 北京交通大学
IPC: H02J3/24
Abstract: 本发明公开了一种基于主成分分析的电力系统暂态稳定评估方法，基于WAMS系统得到故障切除后25周波内所有发电机转子角的时域轨迹，标准化处理后进行主成分分析；对于第一主成分方差贡献率大于85％的算例，构建第一主成分虚拟发电机；以时间为参变量，将第一主成分虚拟发电机的转子角和对应的等值输出功率、等值机械功率逐个时刻地映射到二维坐标中，形成第一主成分虚拟发电机的P‑δ映象轨迹。利用等面积法则计算第一主成分虚拟发电机的稳定裕度，此计算得到的暂态稳定裕度记为原始系统的暂态稳定裕度。本发明无需建模和仿真，仅需故障切除后实时响应信息，即可判断系统稳定性，实现了完全基于响应的在线暂态稳定判断。
-
公开(公告)号：CN107992975A
公开(公告)日：2018-05-04
申请号：CN201711342488.6
申请日：2017-12-14
Applicant: 北京交通大学
Abstract: 一种融合历史数据和实时影响因素的精细化负荷预测方法，其核心在于提高负荷预测的精度。随着智能电网技术的飞速发展，对负荷预测的精度提出了越来越高的要求。融合负荷、天气等多源数据，本发明提出了针对不同的日属性分别建相应的预测模型和在特定地区建立能够适用于所有日属性的通用型预测模型。首先，利用相关系数定量分析负荷与温度、湿度等各天气影响因素之间的相关程度；其次，用函数拟合主要影响因素对负荷的非线性影响趋势；最后，建立两种预测模型，对浙江省某地级市2013年的负荷进行预测，预测结果表明本发明所提方法的预测精度明显高于传统预测方法的预测精度。本发明在现有研究基础上，显著提高了预测精度。
-
公开(公告)号：CN110879917A
公开(公告)日：2020-03-13
申请号：CN201911088617.2
申请日：2019-11-08
Applicant: 北京交通大学 , 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种基于迁移学习的电力系统暂态稳定自适应评估方法，该方法将故障切除后发电机功角轨迹簇的27个几何特征的时序数据作为原始输入特征；构建基于卷积神经网络的暂稳预测模型，它由输入特征、卷积层1、池化层1、卷积层2、池化层2、全连接层、分类层和输出结果组成；并改进反向传播算法的损失函数；最后利用迁移学习策略，将一种运行方式和拓扑结构系统下得到的预训练模型的网络结构、两个卷积层、两个池化层和全连接层的参数都迁移到新模型，仅随机初始化分类层的参数，在新的运行方式和拓扑结构下，用新场景下的训练样本集对分类层进行训练，即可使新模型很快地跟踪电力系统的运行方式和拓扑结构的变化，保持较高预测准确率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.021 seconds)
