-
公开(公告)号：CN114972914B
公开(公告)日：2024-09-10
申请号：CN202210578837.9
申请日：2022-05-25
Applicant: 华中科技大学
IPC: G06V10/774 , G06V10/82 , G06V10/84 , G06N3/0464 , G06N3/084 , H02J3/24
Abstract: 本发明公开了一种基于马尔可夫转移场的电力系统主导失稳模式识别方法，属于电力系统稳定性判断领域，包括：S1，依据给定的运行工况和故障条件，仿真生成多条电压‑时间曲线和多条功角‑时间曲线；S2，利用马尔可夫转移场，将电压失稳程度最大的三条电压‑时间曲线转化为电压图像，将功角失稳程度最大的三条功角‑时间曲线转化为功角图像；S3，给定新的运行工况和故障条件，多次重复执行S1‑S2，得到多组电压图像和功角图像；S4，将电压图像、功角图像和对应的标签作为样本集，训练主导失稳模式识别模型，标签通过人工标注得到；S5，利用训练好的主导失稳模式识别模型识别电力系统主导失稳模式。提升模型的鲁棒性和准确率。
-
公开(公告)号：CN114330577B
公开(公告)日：2024-09-06
申请号：CN202111670251.7
申请日：2021-12-31
Applicant: 华中科技大学
IPC: G06F18/214 , G06N3/0464 , G06F18/2415
Abstract: 本发明公开了一种可迁移的电力系统主导失稳模式判别方法，属于电力系统稳定性分析领域。本发明针对基于深度学习的电力系统主导失稳模式判别模型，提出一种使其快速适应电力系统运行方式改变的方法。在样本层面，通过正向主动学习从目标域无标注样本中选择少量最不确定的样本交给专家标注，通过反向主动学习从源域样本集中删除偏离目标域分布的源域样本，将所选标注目标域样本和所剩源域样本组成混合样本集。在模型层面，采用微调的迁移学习方法基于混合样本集训练源域模型。如此，本发明能够通过较少的目标域标注样本使得模型迁移到目标域，提高主导失稳模式判别模型适应电网运行方式变化的效率，从而提高电力系统的安全性，适用性较强。
-
公开(公告)号：CN114330571B
公开(公告)日：2024-09-06
申请号：CN202111663449.2
申请日：2021-12-31
Applicant: 华中科技大学
IPC: G06F18/214 , G06F18/241 , G06N3/0464 , G06N3/08 , G06F17/16
Abstract: 本发明公开了一种基于迁移学习的电力系统主导失稳模式识别方法及系统，属于电力系统稳定性判断领域，方法包括：利用源域训练深度神经网络模型；主导失稳模式识别过程中出现新工况时，仿真获取新工况下的状态数据以形成目标域；将目标域和源域中的状态数据分别输入深度神经网络模型，经由特征提取网络进行特征提取后输出相对应的特征数据；基于特征数据之间的局部最大平均差异计算源域与目标域之间的分布差异损失，利用源域计算深度神经网络模型的交叉熵分类损失，并对分布差异损失和交叉熵分类损失进行加权求和得到最终损失；根据最终损失优化深度神经网络模型并进行主导失稳模式识别。令深度神经网络模型具备适应电力系统中未知工况的能力。
-
公开(公告)号：CN114021433B
公开(公告)日：2024-07-02
申请号：CN202111231633.X
申请日：2021-10-22
Applicant: 华中科技大学
IPC: G06F30/27 , G06F18/214 , G06N3/0464
Abstract: 本发明公开了一种电力系统的主导失稳模式识别模型的构建方法及应用，属于电力系统稳定性判断领域；其中，主导失稳模式识别模型包括级联的图注意力模块和全连接层网络；图注意力模块基于注意力机制，结合输入的幅值矩阵和相角矩阵，学习得到图结构中各条边的权重，并基于所得权重，通过图神经网络对幅值矩阵和相角矩阵进行特征提取，得到电力系统的模式特征；其中，图结构根据电网拓扑构建得到；本发明向图神经网络中引入了注意力机制，并利用其学习每个训练样本与图结构中每条边的权重之间的关系，以实现动态图结构网络的构建，具有适应电网拓扑改变的能力，增强了图结构中包含的电网拓扑特征，提升了图神经网络的特征提取能力，准确率较高。
-
公开(公告)号：CN116663401A
公开(公告)日：2023-08-29
申请号：CN202310530513.2
申请日：2023-05-11
Applicant: 华中科技大学
IPC: G06F30/27 , H02J3/14 , G06N20/00 , G06Q50/06 , G06N3/0464 , G06N3/08 , G06F113/04
Abstract: 本发明公开了一种紧急切负荷决策模型训练方法及其训练设备以及紧急切负荷决策方法，属于电力系统稳定性控制技术领域，紧急切负荷决策模型为具有分支竞争Q网络的智能体，训练方法包括：将电网矩阵Gk和母线电压集合Vk进行多层图卷积运算得到电压图特征Tk，电网矩阵Gk中第i行第j列的元素表示母线i和j是否连接，以电压图特征Tk和发电机功角状态集合δk作为输入状态输入智能体，实现智能体的训练和网络参数更新。本发明中，输入智能体的状态融合了电网拓扑信息，相比于传统技术中未融合电网拓扑信息，具有分支竞争Q网络的智能体的训练效率和决策性能都明显提高。
-
Patent Agency Ranking
公开(公告)号：CN112200694B
公开(公告)日：2023-11-14
申请号：CN202011071486.X
申请日：2020-10-09
Applicant: 华中科技大学 , 中国电力科学研究院有限公司
IPC: G06Q50/06 , G06Q10/067 , G06N3/0464
Abstract: 本发明公开了一种基于图神经网络的主导失稳模式识别模型构建及应用方法，属于电力系统稳定性判断领域。本发明所构建的加权图结构能够较好的体现电网拓扑。在模型训练之前，根据样本集的电网拓扑预先构建对应地图结构；训练过程中，图结构的作用相当于将原始的矩阵类型数据转化为图结构数据，测试结果表明，考虑了电网拓扑结构的图神经网络方法相对于不考虑拓扑的卷积神经网络方法而言，具有更高的判别精度；本发明对依据电网拓扑构成的图结构，采用各传输线的导纳对图进行加权处理，能够进一步强化电网的拓扑信息，使得模型更加契合电网这种特殊的图结构，增强了所输入的图构中包含的电网拓扑特征，使得模型有更好的判断准确率。
-
公开(公告)号：CN114972914A
公开(公告)日：2022-08-30
申请号：CN202210578837.9
申请日：2022-05-25
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于马尔可夫转移场的电力系统主导失稳模式识别方法，属于电力系统稳定性判断领域，包括：S1，依据给定的运行工况和故障条件，仿真生成多条电压‑时间曲线和多条功角‑时间曲线；S2，利用马尔可夫转移场，将电压失稳程度最大的三条电压‑时间曲线转化为电压图像，将功角失稳程度最大的三条功角‑时间曲线转化为功角图像；S3，给定新的运行工况和故障条件，多次重复执行S1‑S2，得到多组电压图像和功角图像；S4，将电压图像、功角图像和对应的标签作为样本集，训练主导失稳模式识别模型，标签通过人工标注得到；S5，利用训练好的主导失稳模式识别模型识别电力系统主导失稳模式。提升模型的鲁棒性和准确率。
-
公开(公告)号：CN114330571A
公开(公告)日：2022-04-12
申请号：CN202111663449.2
申请日：2021-12-31
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于迁移学习的电力系统主导失稳模式识别方法及系统，属于电力系统稳定性判断领域，方法包括：利用源域训练深度神经网络模型；主导失稳模式识别过程中出现新工况时，仿真获取新工况下的状态数据以形成目标域；将目标域和源域中的状态数据分别输入深度神经网络模型，经由特征提取网络进行特征提取后输出相对应的特征数据；基于特征数据之间的局部最大平均差异计算源域与目标域之间的分布差异损失，利用源域计算深度神经网络模型的交叉熵分类损失，并对分布差异损失和交叉熵分类损失进行加权求和得到最终损失；根据最终损失优化深度神经网络模型并进行主导失稳模式识别。令深度神经网络模型具备适应电力系统中未知工况的能力。
-
公开(公告)号：CN114169395B
公开(公告)日：2024-09-06
申请号：CN202111306260.8
申请日：2021-11-05
Applicant: 华中科技大学
IPC: G06F18/241 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/09 , G06N3/0985 , G06Q50/06
Abstract: 本发明公开了一种电力系统主导失稳模式识别模型构建方法及应用，属于电力系统稳定性判断领域。包括：获取少量有标注样本和大量无标注样本构成训练集；采用训练集训练模型，所述模型包括两个并联的相同结构的神经网络，即第一子网络和第二子网络；训练过程中，将有标注样本和无标注样本输入第二子网络，通过计算有标注样本的监督学习的交叉熵损失和无标注样本的一致化损失训练更新网络权重；将相同的无标注样本输入至第一子网络，通过第一子网络历史权重和第二子网络的权重进行加权后更新第一子网络的权重；当第二子网络和第一子网络的输出一致时，得到训练好的模型，输出概率最大的主导失稳模式，本发明可以降低对有标注样本的依赖，识别精度高。
-
公开(公告)号：CN114330577A
公开(公告)日：2022-04-12
申请号：CN202111670251.7
申请日：2021-12-31
Applicant: 华中科技大学
Abstract: 本发明公开了一种可迁移的电力系统主导失稳模式判别方法，属于电力系统稳定性分析领域。本发明针对基于深度学习的电力系统主导失稳模式判别模型，提出一种使其快速适应电力系统运行方式改变的方法。在样本层面，通过正向主动学习从目标域无标注样本中选择少量最不确定的样本交给专家标注，通过反向主动学习从源域样本集中删除偏离目标域分布的源域样本，将所选标注目标域样本和所剩源域样本组成混合样本集。在模型层面，采用微调的迁移学习方法基于混合样本集训练源域模型。如此，本发明能够通过较少的目标域标注样本使得模型迁移到目标域，提高主导失稳模式判别模型适应电网运行方式变化的效率，从而提高电力系统的安全性，适用性较强。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.023 seconds)
