一种面向运行调控的自适应模块化电网安全评价方法

    公开(公告)号:CN106548284B

    公开(公告)日:2020-06-02

    申请号:CN201610959208.5

    申请日:2016-10-27

    Abstract: 本发明公开了一种面向运行调控的自适应模块化电网安全预警评价方法,包括:构建交直流混联电网稳定性评价指标体系并形成安全预警评价模块,基于德尔菲专家会议机制,利用专家经验确定初始模块指标构成;并得到稳定性评价指标体系中指标评价结果序列和安全预警评价模块的评价结果序列;基于灰色关联分析法获取模块评价结果序列与全体指标计算结果序列之间的关联度;如果关联度超过阈值的指标与安全预警评价模块原有指标组成不同,则选取这些高关联度的指标对安全预警评价模块进行更新;否则基于最小距离模型将安全预警评价模块中指标的主观权重与客观权重融合获得综合权重,最终得到安全预警评价模块综合评价结果,并给出电网安全预警。

    基于CEEMDAN-QFOA-LSTM的输电线覆冰厚度预测方法

    公开(公告)号:CN112116162B

    公开(公告)日:2022-11-29

    申请号:CN202011026983.8

    申请日:2020-09-26

    Abstract: 本发明公开了一种基于CEEMDAN‑QFOA‑LSTM的输电线覆冰厚度预测方法,涉及输电线状态评估与深度学习结合的领域。本方法包括下列步骤:①数据获取和预处理(11);②对覆冰厚度历史数据序列进行CEEMDAN分解(12);③量子果蝇算法优化LSTM的超参数(13);④LSTM模型训练(14);⑤预测输电线覆冰厚度并分析结果(15)。本发明使用CEEMDAN分解算法,将难以直接预测的序列转换为多个可预测的分量序列,根据分解得到的多维度特征信息可以使神经网络更加准确地把握序列的规律;使用QFOA优化算法来获取超参数,避免了复杂的人为调参过程,更有效地训练网络模型;使用的LSTM神经网络不存在一般网络的梯度消失问题,保证模型能够最优收敛,有效解决短期和长期时间序列预测的问题。

    基于CEEMDAN-QFOA-LSTM的输电线覆冰厚度预测方法

    公开(公告)号:CN112116162A

    公开(公告)日:2020-12-22

    申请号:CN202011026983.8

    申请日:2020-09-26

    Abstract: 本发明公开了一种基于CEEMDAN‑QFOA‑LSTM的输电线覆冰厚度预测方法,涉及输电线状态评估与深度学习结合的领域。本方法包括下列步骤:①数据获取和预处理(11);②对覆冰厚度历史数据序列进行CEEMDAN分解(12);③量子果蝇算法优化LSTM的超参数(13);④LSTM模型训练(14);⑤预测输电线覆冰厚度并分析结果(15)。本发明使用CEEMDAN分解算法,将难以直接预测的序列转换为多个可预测的分量序列,根据分解得到的多维度特征信息可以使神经网络更加准确地把握序列的规律;使用QFOA优化算法来获取超参数,避免了复杂的人为调参过程,更有效地训练网络模型;使用的LSTM神经网络不存在一般网络的梯度消失问题,保证模型能够最优收敛,有效解决短期和长期时间序列预测的问题。

    一种面向运行调控的自适应模块化电网安全预警评价方法

    公开(公告)号:CN106548284A

    公开(公告)日:2017-03-29

    申请号:CN201610959208.5

    申请日:2016-10-27

    Abstract: 本发明公开了一种面向运行调控的自适应模块化电网安全预警评价方法,包括:构建交直流混联电网稳定性评价指标体系并形成安全预警评价模块,基于德尔菲专家会议机制,利用专家经验确定初始模块指标构成;并得到稳定性评价指标体系中指标评价结果序列和安全预警评价模块的评价结果序列;基于灰色关联分析法获取模块评价结果序列与全体指标计算结果序列之间的关联度;如果关联度超过阈值的指标与安全预警评价模块原有指标组成不同,则选取这些高关联度的指标对安全预警评价模块进行更新;否则基于最小距离模型将安全预警评价模块中指标的主观权重与客观权重融合获得综合权重,最终得到安全预警评价模块综合评价结果,并给出电网安全预警。

Patent Agency Ranking