-
公开(公告)号：CN113690892A
公开(公告)日：2021-11-23
申请号：CN202110983514.3
申请日：2021-08-25
Applicant: 国网安徽省电力有限公司经济技术研究院 , 武汉大学
Inventor： 张辉 , 朱刘柱 , 荣秀婷 , 赵洁 , 沈玉明 , 贾陈伊洋 , 吴润东 , 王绪利 , 麻高源 , 施天成 , 周帆 , 高廷峰 , 朱灿 , 唐佳杰 , 方宇迪 , 何育钦 , 李蕊 , 沙广林 , 张姚
Abstract: 本发明涉及一种计及能量路由器的混合配电网络潮流模型及求解方法，与现有技术相比解决了难以建立计及能量路由器混合配电网络潮流模型的缺陷。本发明包括以下步骤：混合配电网络信息典型结构的建模；建立能量路由器稳态模型；混合配电网络潮流模型的建立；求解混合配电网络潮流模型。本发明基于对交直流混合配电网络拓扑结构的分析，建立了计及能量路由器的交直流混合配电网模型，提出了适应性更强的考虑修正步长‑自适应乘子优化的交替迭代法，可用于交直流混合配电网络运行状态优化分析计算，具有重要的理论意义和实际应用工程价值，且计算所需参数获取简便，实用性强。
-
公开(公告)号：CN216625304U
公开(公告)日：2022-05-27
申请号：CN202122242520.1
申请日：2021-09-15
Applicant: 国网安徽省电力有限公司经济技术研究院
Inventor： 张辉 , 荣秀婷 , 朱刘柱 , 赵洁 , 沈玉明 , 贾陈伊洋 , 王绪利 , 麻高源 , 施天成 , 周帆 , 高廷峰 , 朱灿 , 申方 , 唐佳杰 , 方宇迪 , 何育钦 , 李蕊 , 沙广林 , 张姚
IPC: H02J1/10
Abstract: 本实用新型公开了一种交直流混合配电网络，属于配电系统技术领域，包括：第一交直流混合供电模块和第一能量路由器，第一交直流混合供电模块连接至第一能量路由器的输出直流母线上；第一交直流混合供电模块包括直流供电单元一和交直流混合供电单元一，直流供电单元一和交直流混合供电单元一经接入第一能量路由器的输出直流母线。通过以能量路由器为节点构建基础供电单元，通过各供电单元灵活组合为城市商业网格交直流负荷提供供电服务，可显著提升光伏就地消纳水平，降低能量传输、转换损耗。
-
公开(公告)号：CN116090615A
公开(公告)日：2023-05-09
申请号：CN202211689037.0
申请日：2022-12-27
Applicant: 国网浙江省电力有限公司台州供电公司 , 武汉大学
Abstract: 本发明公开了一种基于序列分解的母线负荷降噪预测方法，包括以下步骤：步骤一：采用变分模态分解方法对母线负荷噪声序列进行分解处理，得到分解后子的序列与余项；步骤二：利用局部加权回归方法对分解后的余项进行平滑处理；步骤三：将平滑处理后的余项与分解后的子序列进行重构，得到母线负荷降噪序列；步骤四：利用循环神经网络对母线负荷降噪序列进行训练，并对时间维度上的母线负荷值进行预测。采用该方案去除了母线负荷序列噪声的同时，可以保证序列趋于光滑且不失去原始母线负荷序列的特征，保障了优良的预测曲线和精确的预测结果。
-
公开(公告)号：CN114118552A
公开(公告)日：2022-03-01
申请号：CN202111353368.2
申请日：2021-11-16
Applicant: 武汉大学
Abstract: 本发明提出了基于变分模态分解和长短期记忆网络的母线负荷预测方法。将原始母线负荷序列通过变分模态分解得到分解后母线负荷序列，分解后母线负荷序列由固有模态函数与余项构成，将分解后母线负荷序列去除余项后得到降噪后母线负荷序列，将降噪预处理后母线负荷序列均匀划分为多组负荷样本序列，通过多组负荷样本序列构建长短期记忆网络的训练集，将长短期记忆网络训练集引入长短期记忆网络进行训练，选择平方和误差函数作为损失函数，利用梯度下降法对训练集进行迭代预测得到短期日内负荷预测集；本发明对新型电力系统下的母线负荷噪声特性进行降噪优化，对降噪后负荷利用长短期记忆网络进行训练，母线负荷预测的精确度得到有效提升。
-
公开(公告)号：CN112785117A
公开(公告)日：2021-05-11
申请号：CN202011508929.7
申请日：2020-12-18
Applicant: 国网浙江省电力有限公司台州供电公司 , 台州宏达电力建设有限公司 , 武汉大学
Abstract: 本发明公开了一种输电线路全线雷电绕击跳闸风险多维分析方法，首先对需进行雷电绕击跳闸风险分析的输电线路雷暴日、杆塔尺寸、地形比例、海拔、绝缘配置数据进行收集，依次计算击距、暴露距离、修正海拔因素的线路耐压水平、单基塔的雷电绕击风险。基于计算模型研究不同杆塔呼高、雷电日、地形等情况下的雷电绕击特性，能够识别全线薄弱环节；选取代表组合条件计算典型杆塔雷电绕击跳闸风险，基于同区域全线地形比例及杆塔使用情况，提取权重系数计算全线雷电绕击跳闸风险，能够快速通过典型组合的加权平均对全线雷电绕击跳闸风险进行分析，为线路的防雷提供有效建议，具有较好的准确性性和客观性。
-
Patent Agency Ranking
公开(公告)号：CN112785117B
公开(公告)日：2023-04-07
申请号：CN202011508929.7
申请日：2020-12-18
Applicant: 国网浙江省电力有限公司台州供电公司 , 台州宏达电力建设有限公司 , 武汉大学
IPC: G06Q10/0635 , G06Q50/06 , G06F17/15 , G06F17/18
Abstract: 本发明公开了一种输电线路全线雷电绕击跳闸风险多维分析方法，首先对需进行雷电绕击跳闸风险分析的输电线路雷暴日、杆塔尺寸、地形比例、海拔、绝缘配置数据进行收集，依次计算击距、暴露距离、修正海拔因素的线路耐压水平、单基塔的雷电绕击风险。基于计算模型研究不同杆塔呼高、雷电日、地形等情况下的雷电绕击特性，能够识别全线薄弱环节；选取代表组合条件计算典型杆塔雷电绕击跳闸风险，基于同区域全线地形比例及杆塔使用情况，提取权重系数计算全线雷电绕击跳闸风险，能够快速通过典型组合的加权平均对全线雷电绕击跳闸风险进行分析，为线路的防雷提供有效建议，具有较好的准确性性和客观性。
-
公开(公告)号：CN113452021B
公开(公告)日：2022-06-03
申请号：CN202110759659.5
申请日：2021-07-06
Applicant: 武汉大学
IPC: H02J3/00 , H02J3/48 , G06F30/18 , G06F30/27 , G06K9/62 , G06N3/12 , G06F111/02 , G06F111/04
Abstract: 本发明提出了一种考虑机组分组及有功平衡的电网恢复分区方法。本发明对待分区恢复的电网构建电网拓扑图，基于谱聚类算法构建电网恢复分区目标函数；建立机组节点的分组优化模型，以每个分组内部署一套黑启动电源为约束条件，考虑分组内机组出力及待启动机组成功率构建目标函数，利用遗传算法求解得到机组最佳分组结果；采用Must‑link和Cannot‑link约束隶属同一分组子集的机组节点，同时考虑分区有功平衡影响，在切图权重中引入线路传输功率，从而建立考虑机组分组及有功平衡的电网恢复分区模型；采用K‑means算法求解得到电网恢复分区方案。本发明减小分区结果受到黑启动电源分布是否合理的影响，且能有效降低分区内的不平衡功率，提高分区并行恢复的可靠性。
-
公开(公告)号：CN113962874A
公开(公告)日：2022-01-21
申请号：CN202110790638.X
申请日：2021-07-13
Applicant: 武汉大学
Abstract: 本申请公开了一种母线负荷模型的训练方法、装置、计算机设备及计算机可读存储介质，通过基于Sgolay平滑滤波器对待训练数据集进行平滑处理，得到降噪后的待训练的母线负荷序列，其中，所述待训练数据集包括多条待训练的母线负荷序列；根据所述待训练的母线负荷序列对预置网络进行训练，生成母线负荷短期预测模型，实现将降噪后的母线负荷序列来训练模型，从而提高模型预测母线负荷值的精确度。
-
公开(公告)号：CN113326968A
公开(公告)日：2021-08-31
申请号：CN202110424577.5
申请日：2021-04-20
Applicant: 国网浙江省电力有限公司台州供电公司 , 武汉大学
Abstract: 本发明提出了一种基于调整PSO惯性权重的母线短期负荷预测方法及装置，包括：S100：构建用于预测母线短期负荷的BP神经网络，初始化BP神经网络的参数，初始化PSO算法的惯性权重；S200：将母线侧的历史数据作为训练集输入BP神经网络，基于惯性权重对PSO算法中的粒子进行迭代寻优，迭代结束后根据寻优结果更新BP神经网络的参数；S300：评价更新参数后的BP神经网络的输出结果，若评价结果超过预设阈值，调整惯性权重，基于调整后的惯性权重重复S200；S400：若评价结果符合预设条件，将母线侧的实时数据输入更新参数后的BP神经网络，得到母线短期负荷的预测结果。结合BP神经网络的训练效果对惯性权重进行合理的优化，提高了BP神经网络的预测精度。
-
公开(公告)号：CN112580853A
公开(公告)日：2021-03-30
申请号：CN202011306110.2
申请日：2020-11-20
Applicant: 国网浙江省电力有限公司台州供电公司 , 武汉大学
Abstract: 本发明提出了一种基于径向基神经网络的母线短期负荷预测方法，包括：对电力系统中各个指标与母线短期负荷之间的相关性进行分析，根据分析结果筛选出影响母线短期负荷的相关指标；根据筛选出的相关指标，结合相关性的分析结果构建径向基神经网络；根据所述相关指标的历史数据对径向基神经网络进行训练，得到训练后的径向基神经网络；将相关指标的实时数据输入训练后的径向基神经网络，得到母线短期负荷的预测结果。在电力系统的母线侧进行短期负荷预测，引入pearson系数进行相关性分析，有利于准确构建径向基神经网络，进而实现对母线负荷的短期精确预测，提高短期负荷预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.044 seconds)
