-
公开(公告)号：CN119209513A
公开(公告)日：2024-12-27
申请号：CN202411345727.3
申请日：2024-09-25
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
IPC: H02J3/00 , H02J3/16 , H02J3/24 , G06F30/27 , G06Q50/06 , G06N3/09 , G06N3/0455 , G06N3/092 , G06N3/096
Abstract: 本申请提供了一种电力系统的优化方法、装置、计算机程序产品和优化系统，该方法包括：获取电力系统的离线相关数据，其中，离线相关数据至少包括电流、电压、功率、相位差中的一个或者多个；采用Deep Q‑network算法，提取离线相关数据的数据特征；采用监督学习算法，基于离线相关数据的数据特征进行优化控制。该方案解决了现有技术中传统的无功优化方法在复杂实际电力系统中的应用性较差的问题。
-
公开(公告)号：CN119105287A
公开(公告)日：2024-12-10
申请号：CN202411292848.6
申请日：2024-09-14
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
IPC: G05B13/04
Abstract: 本申请公开了一种控制策略样本生成方法、装置、设备及可读存储介质，该方法可获取系统运行点，以及，经过交互训练的策略智能体及对抗智能体，对抗智能体以控制极端运行点的生成概率为目标训练得到；利用对抗智能体，对系统运行点进行处理，生成对抗运行状态；将对抗运行状态输入至策略智能体，生成与对抗运行状态匹配的控制策略，对抗运行状态及控制策略形成控制策略样本。基于此，本申请可以利用对抗智能体生成各式各样的对抗运行状态甚至是极端化的运行状态，并引导策略智能体为不同运行状态提供匹配的控制策略，保证对抗运行状态及其匹配的控制策略的极端性及泛用性。可见，本申请可以生成各式各样保证极端性及泛用性的控制策略样本。
-
公开(公告)号：CN119089223A
公开(公告)日：2024-12-06
申请号：CN202411286134.4
申请日：2024-09-13
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
IPC: G06F18/23 , G06F18/24 , G06F18/213 , G06F123/02
Abstract: 本申请提供了一种基于时序轨迹特征挖掘的紧急控制故障场景简化方法，通过有效提取并利用电力系统中故障后电压恢复过程中的关键时序轨迹特征，对轨迹特征进行聚类分析，把具有相似模式的故障场景划分为同一类，进一步的实施例利用u‑shapelet算法完成序列特征提取和序列距离矩阵的环节，本发明提供的简化方法实现了对大量复杂故障场景的简化，准确识别并区分不同的故障恢复模式，增强对故障场景的分类效果，相比于传统的故障场景分析方法，极大地减少了需要分析的场景数量，提升了应急控制策略制定的效率。
-
公开(公告)号：CN119029852A
公开(公告)日：2024-11-26
申请号：CN202411120526.3
申请日：2024-08-14
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
IPC: H02J3/00 , G06F18/24 , G06N3/0464 , G06N3/08 , H02J3/24
Abstract: 本申请提供了一种电力系统电压稳定在线的预决策方法和预决策装置，该方法包括：将电力系统的当前运行状态和当前故障信息输入至预决策策略模型中，得到当前预决策策略和当前预决策动作；将电力系统的当前运行状态、当前故障信息和当前预决策动作输入至预决策风险评估模型中，以利用预决策风险评估模型对当前预决策策略进行风险评估，得到风险概率；在风险概率大于或等于风险阈值的情况下，将对预决策策略模型和预决策风险评估模型进行结合对当前预决策动作进行安全修正，并更新当前预决策策略，得到目标预决策策略；根据目标预决策策略进行预决策。本申请解决了现有技术中暂态电压稳定预决策策略的安全性低下的问题。
-
公开(公告)号：CN119598453A
公开(公告)日：2025-03-11
申请号：CN202411759788.4
申请日：2024-12-03
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
IPC: G06F21/55 , G06F18/213 , G06F18/23
Abstract: 一种电力数据后门检测方法、装置、设备、存储介质及程序产品，其方法包括：将待检测电力数据输入到特征提取网络中，得到待检测电力数据的数据特征；特征提取网络中包括多个隐藏层；对数据特征进行特征降维处理，得到低维度数据特征；确定低维度数据特征和预先确定的干净电力数据集对应的多个类别簇分别的基准聚类中心之间的第一欧式距离；基于多个第一欧式距离和预先确定的每个类别簇的距离约束，确定待检测电力数据的检测结果；检测结果为干净电力数据，或中毒电力数据。采用该方法，可减小检测电力数据的计算开销，从而实现对大规模电力数据的实时检测。
-
Patent Agency Ranking
公开(公告)号：CN119598151A
公开(公告)日：2025-03-11
申请号：CN202411757875.6
申请日：2024-12-03
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
IPC: G06F18/21 , G06F18/214 , H02J3/00
Abstract: 本申请涉及一种模型评估方法、装置、计算机设备、存储介质和程序产品。所述方法包括：通过基于样本生成约束和电力系统的历史负荷监测数据，生成对抗样本，将对抗样本输入至负荷预测模型进行对抗攻击，以得到对抗样本对应的负荷预测样本，根据负荷预测样本，评估负荷预测模型的鲁棒性指标，从而实现对负荷预测模型的鲁棒性进行评估，进而可以在鲁棒性指标显示负荷预测模型的鲁棒性较差时，对负荷预测模型进行优化，以提高负荷预测模型在负荷预测时的准确性。
-
公开(公告)号：CN119167639A
公开(公告)日：2024-12-20
申请号：CN202411292853.7
申请日：2024-09-14
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
Abstract: 本申请提供了一种基于虚拟导纳的电力系统暂态仿真方法，包括：获取待仿真的电力系统中各动态元件在当前时刻的节点电压和相角值；基于各动态元件的节点电压和相角值计算各动态元件的节点注入电流，根据各动态元件的节点电压和节点注入电流计算各动态元件的虚拟导纳矩阵；利用所述虚拟导纳矩阵修正当前时步的网络方程，得到新的网络方程；利用所述新的网络方程进行当前时步的电力系统暂态仿真，直至满足仿真收敛条件。本发明提出的仿真方法利用虚拟导纳矩阵修正系统的网络方程，从而改善暂态仿真的收敛性，尤其对于新能源并网的系统，能够实现以收敛性改善为目标的全系统仿真模型的等效变换，解决仿真不收敛的问题。
-
公开(公告)号：CN119089310A
公开(公告)日：2024-12-06
申请号：CN202411292847.1
申请日：2024-09-14
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
IPC: G06F18/2415 , G06F17/15 , G06F17/13 , G06N3/04 , G06F18/214 , G06Q50/06 , G01R31/00
Abstract: 本申请公开一种电力系统在大扰动下的稳定状态检测方法，通过建立神经微分方程估计误差函数以及能量估计误差函数；结合神经微分方程估计误差函数以及能量估计误差函数，建立联合损失函数；建立联合神经网络模型，并获取时域大扰动数据；将时域大扰动数据作为训练样本，输入至联合神经网络模型中，并以联合损失函数最小化为目标训练联合神经网络模型，得到训练好的联合神经网络模型；获取待测电力系统在大扰动下的状态量，并利用训练好的联合神经网络模型处理状态量，得到待测电力系统在大扰动下的稳定状态。本方案得到一个可以输出准确检测结果的联合神经网络模型，运用该模型处理状态量，即可快速准确的得到待测电力系统在大扰动下的稳定状态。
-
公开(公告)号：CN119026472A
公开(公告)日：2024-11-26
申请号：CN202411116111.9
申请日：2024-08-14
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
Abstract: 本申请提供了一种电力系统的建模方法、装置、计算机程序产品和建模系统。该方法包括：获取电力系统的相关信息；构建智能生成模型；将相关信息输入至智能生成模型，得到相关信息对应的虚拟模型数据；根据相关信息对应的虚拟模型数据进行建模，得到虚拟模型，其中，虚拟模型为电力系统的虚拟的模型。该方案解决了现有技术中构建的电力系统的模型的准确性较差的问题。
-
公开(公告)号：CN119939351A
公开(公告)日：2025-05-06
申请号：CN202510066138.X
申请日：2025-01-16
Applicant: 南方电网科学研究院有限责任公司 , 中国南方电网有限责任公司
IPC: G06F18/241 , G06F18/10 , G06F18/214 , G06N20/20 , G06Q50/06
Abstract: 一种面向电力系统人工智能模型后门攻击的自学习防御方法、装置、设备、存储介质及程序产品，其中方法包括：通过前置过滤器对当前电力数据中的信息进行筛选，并确定是否筛选出异常信息；在确定筛选出异常信息的情况下，对当前电力数据进行存储，并将当前电力数据输入到数据检测模型中，得到针对当前电力数据的预测类别；基于预测类别，确定针对当前电力数据的标签；在标签为异常电力数据的情况下，基于异常电力数据对集成学习模型进行训练和更新；更新后的集成学习模型用于对下一次输入的电力数据进行检测。这样，可在保证智能电网人工智能模型精度的情况下，提高模型的安全性。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.059 seconds)
