-
公开(公告)号：CN117394449A
公开(公告)日：2024-01-12
申请号：CN202311220610.8
申请日：2023-09-20
Applicant: 华中科技大学 , 国网山东省电力公司电力科学研究院 , 国网山东省电力公司
Abstract: 本发明公开了一种基于关键特征量及因果结构的电力系统暂稳智能判别方法，属于电力系统稳定性分析领域，方法包括：仿真获取第一电力系统在不同故障场景下故障被切除后的多个电力特征以及暂态稳定判别结果；将多个电力特征作为输入，暂态稳定判别结果作为标签，以加权交叉熵损失函数收敛为目标，训练第一电力系统的暂态稳定判别模型；计算各电力特征对第一电力系统的暂态稳定判别模型判别结果的Shapley值，并将Shapley值高于给定值的电力特征作为关键特征；对于与第一电力系统的拓扑相同的目标电力系统，直接利用包含关键特征和暂态稳定判别结果的样本训练目标电力系统的暂态稳定判别模型以后续进行暂态稳定判别。提高电力系统暂态失稳判别的特异度。
-
公开(公告)号：CN115566665A
公开(公告)日：2023-01-03
申请号：CN202211118542.X
申请日：2022-09-13
Applicant: 华中科技大学
IPC: H02J3/00 , G06N3/0464 , G06N3/092 , G06F18/214 , H02H7/26
Abstract: 本发明公开了一种基于知识融合与深度强化学习的紧急切机决策方法，属于电力系统稳定性控制领域，包括：根据任一故障工况相应的当前紧急切机控制策略，仿真得到第一母线电压和第一发电机功角数据；利用BDQ网络智能体决策出新的紧急切机控制策略；根据新的紧急切机控制策略，仿真得到第二母线电压和第二发电机功角数据，计算相应的奖励；将不同故障工况下的第一母线电压、第一发电机功角数据、新的紧急切机控制策略、第二母线电压、第二发电机功角数据和奖励作为第一样本，并训练BDQ网络智能体，重复上述操作直至训练后BDQ网络智能体决策得到的紧急切机控制策略有效。减少离线紧急切机控制措施制定的时间，提升工作效率，实用性强。
-
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：CN113435492B
公开(公告)日：2022-04-22
申请号：CN202110687214.0
申请日：2021-06-21
Applicant: 华中科技大学 , 中国电力科学研究院有限公司
Abstract: 本发明公开了一种基于主动学习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。本发明将主动学习应用到主导失稳模式判别方法中，无需标注所有样本，而仅主动地选择部分最有信息含量的样本来标注，以较少的样本标注来达到较高的判别准确率。同时，在模型不确定性基础上还考虑到样本多样性，以模型输出概率信息熵为权重，通过加权k‑means聚类的方法将样本聚成k簇，分别从每一簇中选择最接近聚类质心的样本，保证了采样的多样性，避免所选样本过于相似造成模型过拟合的问题。如此，本发明能够减少样本标注的成本，提高主导失稳模式判别模型实现效率，从而提高电力系统的安全性，实用性较强。
-
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。
-
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：CN116306267A
公开(公告)日：2023-06-23
申请号：CN202310187543.8
申请日：2023-02-27
Applicant: 华中科技大学
IPC: G06F30/27 , G06N20/00 , G06Q50/06 , G06F111/04 , 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，紧急切负荷决策模型为具有分支竞争Q网络的智能体，模型训练方法包括：将状态sk输入智能体，决策得到更新的紧急切负荷动作ak+1并获取对应的状态sk+1和奖励rk，得到交互样本{sk，ak+1，sk+1，rk}，其中，智能体从贪婪策略和探索策略中随机选择一种策略来决策紧急切负荷动作，随着决策轮次的增加，贪婪策略概率增加，探索策略概率衰减，探索策略从负荷母线电压较低的部分负荷中随机选取紧急切负荷动作；多次迭代以获取当前电网暂态电压失稳故障下的多个交互样本；抽取交互样本更新智能体参数。采用了具有约束的贪婪策略和探索策略结合的方式，可提高BDQ智能体的训练效率和决策性能。
-
公开(公告)号：CN115313400A
公开(公告)日：2022-11-08
申请号：CN202210814458.5
申请日：2022-07-11
Applicant: 华中科技大学
Abstract: 本发明公开了一种暂态电压稳定紧急控制方法、装置和电力控制系统，属于电力系统稳定性控制技术领域，所述方法包括：本发明第一阶段决策切负荷点，第二阶段决策切负荷量。第一阶段：根据电力系统实际运行中当前故障状态信息及映射关系判定当前电压失稳模式；依据当前电压失稳模式确定多个切负荷点的筛选排序；电压失稳模式包括：纯电压失稳模式，耦合电压失稳模式和混合电压失稳模式；第二阶段：将当前故障状态信息输入轻量级梯度提升机LightGBM模型预估切负荷总量；针对当前电压失稳模式，基于筛选排序和切负荷总量进行紧急控制。本发明能减少离线紧急切负荷控制措施制定的时间和专家工作量，提升工作效率，实用性较强。
-
公开(公告)号：CN115313400B
公开(公告)日：2024-12-10
申请号：CN202210814458.5
申请日：2022-07-11
Applicant: 华中科技大学
Abstract: 本发明公开了一种暂态电压稳定紧急控制方法、装置和电力控制系统，属于电力系统稳定性控制技术领域，所述方法包括：本发明第一阶段决策切负荷点，第二阶段决策切负荷量。第一阶段：根据电力系统实际运行中当前故障状态信息及映射关系判定当前电压失稳模式；依据当前电压失稳模式确定多个切负荷点的筛选排序；电压失稳模式包括：纯电压失稳模式，耦合电压失稳模式和混合电压失稳模式；第二阶段：将当前故障状态信息输入轻量级梯度提升机LightGBM模型预估切负荷总量；针对当前电压失稳模式，基于筛选排序和切负荷总量进行紧急控制。本发明能减少离线紧急切负荷控制措施制定的时间和专家工作量，提升工作效率，实用性较强。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.026 seconds)
