考虑多重耦合关系的电力信息物理系统协同攻击预测方法

    公开(公告)号:CN119047728A

    公开(公告)日:2024-11-29

    申请号:CN202410992517.7

    申请日:2024-07-23

    Abstract: 本发明公开了考虑多重耦合关系的电力信息物理系统协同攻击预测方法,属于电网安全运行领域,包括以下步骤:基于电力信息物理系统的结构和功能的双重耦合特性,利用断路器跳闸攻击、物理攻击和DDoS攻击,对电网遭受蓄意攻击的影响效果进行量化分析,构建协同攻击双层优化模型,用于以负荷削减量最小为目标,制定发电机出力以及切负荷方案;基于协同攻击双层优化模型,对电力信息物理系统的协同攻击效果进行预测。本发明提出的预测方法对辨识和保护电力信息物理系统中关键部位有重要的指导意义性。

    一种基于深度学习的变电站电气设备红外故障识别方法

    公开(公告)号:CN114677667A

    公开(公告)日:2022-06-28

    申请号:CN202210269293.8

    申请日:2022-03-18

    Abstract: 本发明公开了一种基于深度学习的变电站电气设备红外故障识别方法,电力设备可见光图像识别模块配合红外线故障识别模块以及电力设备故障预警系统实现对变电站电力设备的监控。本发明所实现的电力设备可见光图像识别和电气设备红外故障识别是基于深度学习概念中的卷积神经网络,通过搭建卷积神经网络并用事先收集好的图片集完成其训练以及验证,最终实现电力设备可见光图像和电气故障的识别。在可见光和红外识别的基础,构建电气设备红外图谱特征数据库对电气设备红外图谱信息进行储存和管理。依靠构建的数据库中储存的相关信息,分析比较不同算法,针对各种算法的特点选用合适的数学模型对各电气设备建立状态预警模型,实现电气设备状态的实时评价与预警,从而能够实际运用到变电站的监控中去。

    一种基于4G/5G通信技术的电网智能化水平评价方法

    公开(公告)号:CN114626714A

    公开(公告)日:2022-06-14

    申请号:CN202210243810.4

    申请日:2022-03-14

    Abstract: 本发明涉及一种基于4G/5G通信技术的电网智能化水平评价方法,其特征在于包括以下步骤。1)根据目前4G/5G通信技术与智能电网的深度融合的发展情况,选择从智能终端投入率、供需互动率、信息网覆盖率和自动化效果四个维度建立基于AHP‑熵权法‑模糊综合分析法的电网智能化评价体系;2)采用主客观权重相结合的方法,主观权重由专家对评价体系中的指标评分按照百分制进行打分,将评价体系中指标分为强烈、明显、同样、较低和低五个等级,利用层次分析法求各自权重,再由线性加权处理得到,客观权重由熵权法计算,并计算综合权重,提高权重因子的准确性;3)利用智能化系数对比两个城市电网的智能化水平,明确5G+智能电网当前发展情况,还能对未来的发展方向提供参考。

    一种基于遗传算法考虑5G基站能效的变电站规划方法

    公开(公告)号:CN114254920A

    公开(公告)日:2022-03-29

    申请号:CN202111572059.4

    申请日:2021-12-21

    Abstract: 本发明提出一种基于遗传算法考虑5G基站能效的变电站规划方法,通过遗传算法以能效最优为目标函数得到5G基站的休眠策略及能耗,在变电站规划年负荷预测中对5G基站的负荷进行预测;根据预测的年负荷总量和已有变电站容量,确定新建变电站个数及所有容量组合方案;采用传统Voronoi图算法划分各变电站供电范围;采用变权Voronoi图算法计算各个变电站的权重值,以负荷矩最小为原则优化站址,得到各变电站新的供电范围和站址,得到容量组合下变电站规划结果,并计算所需投入的费用,在达到最大容量组合数下比较所有容量组合方案下变电站规划所需投入的费用,把投入费用最小的容量组合方案下的变电站规划结果作为该规划区域最终的变电站规划结果。

    一种基于朴素贝叶斯算法的双馈风机风电场并网稳定预测方法

    公开(公告)号:CN114330140A

    公开(公告)日:2022-04-12

    申请号:CN202210004856.0

    申请日:2022-01-05

    Abstract: 本发明公开了一种基于朴素贝叶斯算法的双馈风机风电场并网稳定预测方法,包括以下步骤:根据双馈感应风机的组成结构及原理,得到多台风机的风电场等值简化模型及影响含风电场的电力系统电压稳定程度的主要因素;用PSASP设置不同风速、负荷、出力等工况下进行计算得到系统的潮流,并设置不同故障条件,进行时域仿真法暂态电压稳定计算,获得分类预测所需的原始数据集;构建一个M×2n原始特征矩阵,做归一化变换,按在状态改变时变量值波动的剧烈程度进行排序,取前12组变量作为分类器输入特征量;采用改进AdoBoost‑NBC算法对获取的计算数据集进行算法训练,获得朴素贝叶斯分类器暂态预测模型,提高暂稳预测精度。

Patent Agency Ranking