-
公开(公告)号：CN119149936A
公开(公告)日：2024-12-17
申请号：CN202410998978.5
申请日：2024-07-24
Applicant: 国家电网有限公司华东分部 , 国电南瑞科技股份有限公司
Abstract: 本申请公开基于深度强化学习的光伏系统电压控制方法、装置及介质，该方法包括：构建马尔可夫决策过程模型；基于预设的训练数据对马尔可夫决策过程模型进行训练，得到电压控制策略网络，其中，马尔可夫决策过程模型中的每个智能体表示一个光伏发电设备；获取光伏发电系统的实际观测数据，将实际观测数据输入至电压控制策略网络，得到每个智能体对应的第一动作策略；对每个智能体对应的第一动作策略进行安全约束处理，获得每个智能体对应的第二动作策略；根据每个智能体对应的第二动作策略，得到光伏发电系统的电压控制策略。通过对第一动作策略进行安全校正，降低了不安全动作施加于电网导致电压越限的概率，提高了电网的安全性和稳定性。
-
公开(公告)号：CN119149936B
公开(公告)日：2025-04-15
申请号：CN202410998978.5
申请日：2024-07-24
Applicant: 国家电网有限公司华东分部 , 国电南瑞科技股份有限公司
Abstract: 本申请公开基于深度强化学习的光伏系统电压控制方法、装置及介质，该方法包括：构建马尔可夫决策过程模型；基于预设的训练数据对马尔可夫决策过程模型进行训练，得到电压控制策略网络，其中，马尔可夫决策过程模型中的每个智能体表示一个光伏发电设备；获取光伏发电系统的实际观测数据，将实际观测数据输入至电压控制策略网络，得到每个智能体对应的第一动作策略；对每个智能体对应的第一动作策略进行安全约束处理，获得每个智能体对应的第二动作策略；根据每个智能体对应的第二动作策略，得到光伏发电系统的电压控制策略。通过对第一动作策略进行安全校正，降低了不安全动作施加于电网导致电压越限的概率，提高了电网的安全性和稳定性。
-
公开(公告)号：CN117154721A
公开(公告)日：2023-12-01
申请号：CN202311193605.2
申请日：2023-09-15
Applicant: 国电南瑞科技股份有限公司
IPC: H02J3/00 , H02J3/38 , G06F18/23213 , G06Q50/06
Abstract: 本发明公开了一种基于代理缩放机制的区域新能源功率预测方法，包括如下步骤：首先使用经验正交函数法解析区域内新能源出力特征；然后采用kmeans无监督聚类法划分子区域，并利用新能源场站的相关系数和预测精度选取代理新能源场站；根据代理新能源场站的预测功率及权重系数完成区域新能源功率的升尺度预测；最终完成区域新能源功率预测。本发明保证了区域新能源功率预测精度，同时减少区域预测模型对单一场站数据完备性和预测精度的依赖。
-
公开(公告)号：CN114298851A
公开(公告)日：2022-04-08
申请号：CN202111332437.1
申请日：2021-11-11
Applicant: 国电南瑞科技股份有限公司
Abstract: 本发明提供一种基于图表征学习的网络用户社交行为分析方法、装置及存储介质，方法包括：获取待预测社交网络的网络信息，利用图表征学习方法提取社交网络中用户的特征矩阵，以及表示社交网络结构信息的邻接矩阵，输入预先训练的图神经网络模型，得到图神经网络模型的输出；根据图神经网络模型的输出确定社交网络中各用户在预测时段的社交行为预测结果；其中，所述预先训练的图神经网络模型的输出为社交网络中各用户在预测时段做出特定社交行为的概率。本发明从提取用户特征与图结构特征的角度出发，运用图嵌入方法对用户的局部网络进行特征提取，能够更准确的了解用户偏好和网络信息传播模式，从而能够更准确的预测社交网络用户的行为。
-
公开(公告)号：CN114169434A
公开(公告)日：2022-03-11
申请号：CN202111486036.1
申请日：2021-12-07
Applicant: 国电南瑞科技股份有限公司 , 国网电力科学研究院有限公司 , 国网上海市电力公司
Abstract: 本发明公开了一种负荷预测方法，包括：获取发电系统出力样本数据集；将出力样本数据集分解为新能源出力负荷数据集与非新能源出力负荷数据集；对新能源出力负荷数据集进行异常处理；根据异常处理后的新能源出力负荷数据集得到新能源组合特征数据集；根据新能源组合特征数据集得到出力负荷训练数据集；根据出力负荷训练数据集得到融合模型备选集；根据出力负荷训练数据集对融合模型备选集中的融合模型进行优化；采用优化后的融合模型对新能源出力负荷进行预测；依据非新能源出力数据集以及预训练好的非新能源出力预测模型对非新能源出力负荷进行预测，将该预测结果与新能源出力结果相加得到最终预测的出力负荷；本发明能够准确对系统负荷进行预测。
-
Patent Agency Ranking
公开(公告)号：CN111507000A
公开(公告)日：2020-08-07
申请号：CN202010303017.X
申请日：2020-04-17
Applicant: 国网江苏省电力有限公司南京供电分公司 , 国电南瑞南京控制系统有限公司 , 南瑞集团有限公司 , 国电南瑞科技股份有限公司 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC: G06F30/20 , G06F111/10
Abstract: 本发明公开了一种配电网信息物理系统模型、该模型的建立方法以及应用，所述模型包括物理层、二次设备层、通信层、控制决策层；二次设备层和通信层内部采用邻接矩阵表示层内节点间的关系；不同层采用关联特性矩阵表示层间节点的关系；关联特性矩阵包括：二次设备节点到物理节点的关联特性矩阵S-P、物理节点到二次设备节点的关联特性矩阵P-S、二次设备节点到信息应用节点的关联特性矩阵S-I、信息应用节点到二次设备节点的关联特性矩阵I-S、二次设备节点与通信节点的关联特性矩阵S-C、物理节点与信息应用节点的关联特性矩阵P-I，信息应用节点与物理节点的关联特性矩阵I-P。该模型融合了离散的信息通信系统和连续时域的物理系统，能够统一表征配电网信息物理系统。
-
公开(公告)号：CN117200222A
公开(公告)日：2023-12-08
申请号：CN202311302517.1
申请日：2023-10-09
Applicant: 国电南瑞科技股份有限公司 , 南瑞集团有限公司
IPC: H02J3/00 , G06F18/214 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开了一种基于double‑input CNN‑LSTM的系统负荷预测方法及系统，该方法包括：获取数值天气预报和实测历史负荷数据，对数据中存在的异常值、缺失值异常点清洗和填充；对清洗后的负荷和天气数据构造成时序特征集，进而划分特征集为训练集、验证集和测试集，输入double‑input CNN‑LSTM时序网络进行训练得到模型；利用训练好的double‑input CNN‑LSTM时序预测模型对电力系统进行系统负荷预测。本发明综合考虑历史负荷的周期性、趋势性变化和预测日的气象影响，模型将特征输入划分为历史特征和预测特征，解决历史特征和预测日特征尺度不对称的问题，提高了系统负荷预测精度和曲线形态准确性，系统负荷预测结果满足电网负荷预测计划要求，能够更好地应用于之后的负荷调度决策中。
-
公开(公告)号：CN112906390B
公开(公告)日：2023-11-24
申请号：CN202110182134.X
申请日：2021-02-08
Applicant: 国网电力科学研究院有限公司 , 国电南瑞科技股份有限公司
IPC: G06F40/289 , G06F40/216 , G06F18/214 , G06Q50/06
Abstract: 本发明公开了电力语料自动补全标注方法和装置，获取基础电力语料，获取所述基础电力语料对应的分词；对获取的所述基础电力语料对应的分词完成电力语料自动补全标注。完成自动化标注，减少重复且繁琐的人工标注过程，降低了工作人员的工作量，缩短电力文本的处理时间，积累大量可利用的标注处理的电力语料。
-
公开(公告)号：CN116842405A
公开(公告)日：2023-10-03
申请号：CN202310793077.8
申请日：2023-06-30
Applicant: 国电南瑞科技股份有限公司 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司电力科学研究院 , 南瑞集团有限公司
Abstract: 本发明公开了一种电力负荷数据聚类方法、系统、设备及存储介质，本发明聚类时，首先建立居民用户日负荷曲线；其次，分解活跃时段负荷及非活跃时段负荷分量，提取特征向量对居民用户日负荷曲线进行粗聚类；再次，分别解耦气象及季节因素对居民用电行为及负荷量的影响，生成基于季节分类的用户工作日典型负荷曲线；然后，使用离散小波分解法对用户工作日典型负荷曲线进行分解，构建用户用电趋势特征和用户用电特征；最后将用户用电趋势特征和用户用电特征作为用户用电数据的聚类依据，对用电用户进行基于DDTW距离的层次聚类分析。本发明方法降低了季节及其变换对聚类的影响，规避了数据处理的插值填充问题，提升了聚类效果。
-
公开(公告)号：CN116805173A
公开(公告)日：2023-09-26
申请号：CN202310576086.1
申请日：2023-05-22
Applicant: 国电南瑞科技股份有限公司 , 国网电力科学研究院有限公司 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司南京供电分公司
IPC: G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/049 , G06F18/214 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种基于多尺度时序卷积神经网络的母线负荷预测方法，获取若干母线的历史负荷数据以及对应的历史天气数据集并进行初步处理，提取相关特征分别作为训练集和验证集；根据训练集中相关特征与母线负荷预测的相关程度，确定训练数据集；将训练数据集分别输入单向LSTM模型、密集链接TCN模型、多尺度CNN模型中进行训练；通过验证集分别验证训练好的三种模型，根据三种模型预测的精确程度确定似然函数系数并构建融合预测模型；通过融合预测模型对母线负荷进行预测。采用多模型混合决策，从多尺度去学习时序数据的分布特性，提升了母线负荷预测的精确性和稳定性，降低了因分布式资源影响而导致的时序规律不确定性而产生的模型难以学习的问题。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.045 seconds)
