-
公开(公告)号：CN118279084A
公开(公告)日：2024-07-02
申请号：CN202410595770.9
申请日：2024-05-14
Applicant: 广东电网有限责任公司广州供电局
IPC: G06Q50/06 , G06Q10/04 , G06F18/23213 , G06N3/0442 , G06F18/10
Abstract: 本发明公开了一种光伏日内出力预测方法和装置，针对光伏出力波动性和间歇性的特点，采用K‑medoids聚类算法对不同天气条件下的历史出力数据进行聚类，相比常用的K‑means聚类对于噪音数据更具包容性、且运算速度更快、收敛次数固定，有效地避免了因部分异常点存在而导致的聚类偏差，降低了预测模型的复杂性以及过拟合风险，提高了预测效率；同时，结合分位数回归理论以及深度学习理论采用了双向长短期记忆网络，克服了单向LSTM网络挖掘数据信息不充分的缺陷，为进一步挖掘光伏功率时序的内在关联创造了有利条件，优化了神经网络模型的训练效果，提高了模型的预测精度。
-
公开(公告)号：CN116247742A
公开(公告)日：2023-06-09
申请号：CN202310233509.X
申请日：2023-03-13
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本发明公开了一种基于深度强化学习的电力系统源网荷储联合调控方法、装置、计算机设备及存储介质，所述方法包括：根据电力系统预测信息，以经济性为目标，初步生成源荷储调度方案，所述源荷储调度方案作为智能体调控的基础；设计源网荷储联合调度的强化学习架构，通过深度强化学习训练智能体，以安全性为目标，学习对源荷储调度方案进行修正，实现源网荷储联合调度；其中，所述强化学习架构中的奖赏函数，通过定义线路潮流裕度奖励和储能奖励，指导智能体为不确定性场景预留足够的裕度与充足的备用。本发明通过设计强化学习架构，并利用深度强化学习训练智能体，学习对源荷储调度方案进行修正，以消除预测不精确以及功率不平衡量。
-
公开(公告)号：CN115470844A
公开(公告)日：2022-12-13
申请号：CN202211044436.1
申请日：2022-08-30
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本发明属于电力系统与人工智能交叉领域，为一种电力系统多源异构数据的特征提取及选择方法，该方法包括将电力系统中的多源异构数据作为输入数据，构建训练数据集；为每组多源异构数据设计不同结构的神经网络，采用逐层训练算法对自编码器模型进行训练得到训练好的堆叠自编码器模型，通过训练好的堆叠自编码器模型提取每组多源异构数据的编码特征；构建融合层网络，对整个堆叠自编码器模型的参数进行微调；对得到的同构特征进行稀疏化处理，计算得到各个特征维度的权重，筛选出具有较高权重的特征。本发明能够较为全面挖掘数据特征，同时能够反映实际数据的语义性，所选取得到的特征能够支撑任务需求，大大提高实际任务的完成度。
-
公开(公告)号：CN115470786A
公开(公告)日：2022-12-13
申请号：CN202211044230.9
申请日：2022-08-30
Applicant: 广东电网有限责任公司广州供电局
IPC: G06F40/289 , G06F40/242 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本发明涉及于人工智能与电力系统交叉领域，为基于改进型Transformer编码器对电力缺陷文本的实体信息抽取方法。该方法通过引入预训练语言模型、词典、微调TENER模型和条件随机场模型，搭建CWG‑TENER模型，利用带标注的电力系统二次设备缺陷文本，对模型进行优化训练和测试选择，得到电力设备缺陷文本信息抽取模型，将待抽取信息的电力设备缺陷文本输入电力设备缺陷文本信息抽取模型，得到所抽取的信息。本发明可用于对电力系统二次设备缺陷文本中涉及到的实体信息进行抽取，可以在电力系统二次设备出现故障时提供辅助决策作用。
-
公开(公告)号：CN115422869A
公开(公告)日：2022-12-02
申请号：CN202210909159.X
申请日：2022-07-29
Applicant: 广东电网有限责任公司广州供电局
IPC: G06F30/367 , G06F17/11 , G06F17/16 , G06F113/04 , G06F119/06
Abstract: 本发明公开了一种负荷模型的参数辨识方法、系统、计算机设备及存储介质，所述方法包括：获取预处理后的电力系统扰动数据；将负荷模型转化成状态空间方程的形式并进行简化处理；将预处理后的电力系统扰动数据和每个待辨识参数的初始值输入非线性灰箱模型，实现负荷模型的参数辨识。本发明将物理模型与数据驱动相结合，既可以考虑负荷的物理机理，也可以利用观测到的大量数据，提高了参数辨识的精确性；同时，相较于传统的静态负荷模型和WECC CLM模型而言，ZIP+IM模型不仅可以较好地模拟负荷动态行为，而且参数较少，辨识难度较低。此外，灰箱模型具有明确的物理意义，训练周期短且求解速度快，具有较好的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN115310718A
公开(公告)日：2022-11-08
申请号：CN202211109388.X
申请日：2022-09-13
Applicant: 广东电网有限责任公司广州供电局
IPC: G06Q10/04 , G06Q50/06 , G06F30/20 , G06F111/04 , G06F119/06
Abstract: 本发明公开了一种基于冗余安全约束削减的SCUC优化方法，包括：建立SCUC模型，以机组出力成本最小构建目标函数并确定约束条件；进行两阶段约束削减：一阶段削减基态网络安全约束和故障态网络安全约束；对一阶段约束削减后得到的UC模型进行求解，得到机组出力作为二阶段约束削减的基础；二阶段削减一阶段剩余的基态安全约束和一阶段剩余的故障态安全约束；对二阶段削减后的SCUC模型进行优化求解，得到优化结果。本发明同时考虑了基态网络安全约束和故障态网络安全约束，并且故障态安全约束是根据基态安全约束削减获得的边界值进行削减；通过两阶段约束削减，有效减少了约束个数，大幅度减小SCUC问题的规模，提高电力系统机组组合优化效率和运行稳定性。
-
公开(公告)号：CN115063392A
公开(公告)日：2022-09-16
申请号：CN202210780861.0
申请日：2022-07-04
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本发明公开了一种水平旋转式刀闸合闸到位识别装置及合闸状态判断方法，用于识别变电站的水平旋转式刀闸是否准确合闸到位。该装置包括：摄像头、水平旋转式刀闸识别前端装置、水平旋转式刀闸识别后台学习训练装置、数据及控制总线。水平旋转式刀闸是变电站中极其重要的设备，长期的使用会导致水平旋转式刀闸结构的异常，从而造成合闸不到位，引起发热乃至爆炸等严重事故。本发明采用云边融合的架构，利用YOLO‑V5算法进行目标识别，再使用HED方法进行边缘提取，并在此基础上提出了一个检测合闸不到位的方法，从而实现了水平旋转式刀闸状态的精确识别，可以替代人工巡检，节约人力，提高安全性；本发明还可用于监视变电站的其他设备。
-
公开(公告)号：CN110783923B
公开(公告)日：2021-10-29
申请号：CN201911172736.6
申请日：2019-11-26
Applicant: 广东电网有限责任公司广州供电局
IPC: H02J3/00
Abstract: 本申请涉及一种变电站主变中性点接地处理方法及系统。该处理方法包括检测变电站的电压等级；判断变电站的电压等级所处的等级区间，根据所述等级区间设置所述变电站的主变中性点接地。上述变电站主变中性点接地处理方法，可以保证变电站中至少存在一台中性点接地的主变，且排除了变压器中性点刀闸状态与实际状态并不一致的影响，提高了电力系统故障分析的准确性。
-
公开(公告)号：CN112542886A
公开(公告)日：2021-03-23
申请号：CN202011386642.1
申请日：2020-12-01
Applicant: 广东电网有限责任公司广州供电局
IPC: H02J13/00
Abstract: 本申请涉及电网控制技术领域，具体公开一种电网一体化控制系统。控制系统包括：监控终端，包括输电监控终端、变电监控终端以及配电监控终端；若干分中心服务云节点，各分中心服务云节点通过前置通信服务器连接输电监控终端、变电监控终端以及配电监控终端，前置通信服务器支持数据采集和各类协议转换；监控云平台，连接若干分中心服务云节点，用于分析和处理各分中心服务云节点获取到的输电监控信息、变电监控信息以及配电监控信息并提供服务。由此通过云边结合的分布式云架构，实现对输变电各环节监控数据的统一获取和管理，无需分别建设输电监控系统、变电监控系统和输电监控系统，避免信息孤岛现象和技术资源的浪费，同时降低后期维护成本。
-
公开(公告)号：CN119892108A
公开(公告)日：2025-04-25
申请号：CN202510242962.6
申请日：2025-03-03
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本发明公开的一种电力调度系统网省协同监视用数据处理方法，包括：获取数据流的变化趋势，采用增量学习和遗忘机制自适应调整所述压缩字典；针对非平稳电力数据，通过持续更新所述压缩字典实现自适应压缩；采用自相关分析、互信息计算、主成分分析和深度学习方法构建多尺度时空压缩模型；将所述多尺度时空压缩模型与图模型结合实现电力系统拓扑结构与数据特征的融合表示；将图结构特征融入压缩过程的预测编码和差分编码；构建统一的压缩算法选择框架实现复杂电力数据的高适应性压缩；采用强化学习方法自主学习和优化各压缩算法的参数配置；根据电力应用的精度容忍度自适应调节压缩率阈值和重构质量目标。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.04 seconds)
