-
公开(公告)号：CN113746087B
公开(公告)日：2023-03-21
申请号：CN202110955115.6
申请日：2021-08-19
Applicant: 浙江大学 , 国网浙江省电力有限公司
IPC: H02J3/00 , G06F30/20 , G06F113/04
Abstract: 基于CTGAN的电网暂稳样本可控生成以及评估方法，首先，将电网数据处理为表格型数据，以母线、发电机、节点的属性值为特征；然后，使用拼接或相乘的方法将暂态稳定性和负荷水平等多个条件转换为一个独热编码作为控制生成的条件向量，并使用变分高斯混合模型对数据的连续值进行拟合和归一化处理，作为数据生成模型的输入；最后，搭建基于CTGAN的数据生成模型并进行训练，将训练得到的模型应用于电网暂稳样本可控生成任务；提出了从条件控制效果、合成数据与真实数据相似度、合成数据用于训练暂稳评估模型的效果这三个方面对电网数据生成模型进行有效评估的评估框架。本发明还包括基于CTGAN的电网暂稳样本可控生成以及评估系统。
-
公开(公告)号：CN113746087A
公开(公告)日：2021-12-03
申请号：CN202110955115.6
申请日：2021-08-19
Applicant: 浙江大学 , 国网浙江省电力有限公司
IPC: H02J3/00 , G06F30/20 , G06F113/04
Abstract: 基于CTGAN的电网暂稳样本可控生成以及评估方法，首先，将电网数据处理为表格型数据，以母线、发电机、节点的属性值为特征；然后，使用拼接或相乘的方法将暂态稳定性和负荷水平等多个条件转换为一个独热编码作为控制生成的条件向量，并使用变分高斯混合模型对数据的连续值进行拟合和归一化处理，作为数据生成模型的输入；最后，搭建基于CTGAN的数据生成模型并进行训练，将训练得到的模型应用于电网暂稳样本可控生成任务；提出了从条件控制效果、合成数据与真实数据相似度、合成数据用于训练暂稳评估模型的效果这三个方面对电网数据生成模型进行有效评估的评估框架。本发明还包括基于CTGAN的电网暂稳样本可控生成以及评估系统。
-
公开(公告)号：CN113725853B
公开(公告)日：2022-10-11
申请号：CN202111017503.6
申请日：2021-08-30
Applicant: 浙江大学 , 国网浙江省电力有限公司
Abstract: 基于主动性人在回路强化学习的电网拓扑控制方法，首先，将电网数据的节点特征进行对齐从而构建可训练的同构图数据，并采用图卷积神经网络来聚合提取图表示特征。然后，在强化学习的行动器‑评判器网络架构基础上加入动作询问器和自适应状态选择器以实现主动性人在回路框架：利用动作扩展器赋予智能体可主动询问人类专家的动作；使用自适应状态选择器筛选过滤训练过程中的不稳定电网状态，提高这些电网状态的专家询问需求概率，并起到对动作扩展器的补充增强作用。最后，智能体能通过该框架来主动寻求人类专家的干涉，利用专家拓扑控制动作加快其学习效率并保持较低的人类专家依赖性。本发明还包括基于主动性人在回路强化学习的电网拓扑控制方法的系统。
-
Patent Agency Ranking
公开(公告)号：CN113240105B
公开(公告)日：2022-01-07
申请号：CN202110375699.X
申请日：2021-03-30
Applicant: 浙江大学 , 国网浙江省电力有限公司
Abstract: 本发明属于电力系统潮流计算和图表示学习领域，综合考虑电网拓扑结构和图网络结构的特性，提出了一种基于图神经网络池化的电网稳态判别方法。首先，将电网数据处理为图网络结构数据并通过引入图同构网络(GraphIsomorphismNetwork)来实现电网图中各个节点信息的预处理。然后，使用最大似然估计方法将得到的特征矩阵建模为高斯模型，并分别对高斯模型中的均值和协方差两部分分量进行池化操作。最后，将池化后的两部分分量进行融合得到最终的表示形式，应用于电网运行状态判别。本发明结合人工智能领域的研究热点和电网领域的经典问题，在电网的潮流计算领域做出了新的尝试并取得了较好的效果，具有较高的应用价值和发展前景。
-
公开(公告)号：CN113725853A
公开(公告)日：2021-11-30
申请号：CN202111017503.6
申请日：2021-08-30
Applicant: 浙江大学 , 国网浙江省电力有限公司
Abstract: 基于主动性人在回路强化学习的电网拓扑控制方法，首先，将电网数据的节点特征进行对齐从而构建可训练的同构图数据，并采用图卷积神经网络来聚合提取图表示特征。然后，在强化学习的行动器‑评判器网络架构基础上加入动作询问器和自适应状态选择器以实现主动性人在回路框架：利用动作扩展器赋予智能体可主动询问人类专家的动作；使用自适应状态选择器筛选过滤训练过程中的不稳定电网状态，提高这些电网状态的专家询问需求概率，并起到对动作扩展器的补充增强作用。最后，智能体能通过该框架来主动寻求人类专家的干涉，利用专家拓扑控制动作加快其学习效率并保持较低的人类专家依赖性。本发明还包括基于主动性人在回路强化学习的电网拓扑控制方法的系统。
-
公开(公告)号：CN113240105A
公开(公告)日：2021-08-10
申请号：CN202110375699.X
申请日：2021-03-30
Applicant: 浙江大学 , 国网浙江省电力有限公司
Abstract: 本发明属于电力系统潮流计算和图表示学习领域，综合考虑电网拓扑结构和图网络结构的特性，提出了一种基于图神经网络池化的电网稳态判别方法。首先，将电网数据处理为图网络结构数据并通过引入图同构网络(GraphIsomorphismNetwork)来实现电网图中各个节点信息的预处理。然后，使用最大似然估计方法将得到的特征矩阵建模为高斯模型，并分别对高斯模型中的均值和协方差两部分分量进行池化操作。最后，将池化后的两部分分量进行融合得到最终的表示形式，应用于电网运行状态判别。本发明结合人工智能领域的研究热点和电网领域的经典问题，在电网的潮流计算领域做出了新的尝试并取得了较好的效果，具有较高的应用价值和发展前景。
-
公开(公告)号：CN110658818B
公开(公告)日：2020-08-21
申请号：CN201910934799.4
申请日：2019-09-29
Applicant: 浙江大学
Abstract: 本发明公开了一种面向新型供电列车的多目标优化智能运行控制预测方法。由新型供电列车的静态动态大数据得到原始数据，参数化/正则化和归一化获得列车信息序列数据；利用列车信息序列数据中的局部数据得到理想条件下的列车运行状态数据；输入到长短期记忆网络中进行训练得到基础模型，将列车信息序列数据划分为多个部分，依次输入到基础模型中依次并再次进行训练得到了带有知识的基础模型；建立平方损失训练；真实采集的速度输入到带有知识的基础模型中进行预测输出获得下一时刻的牵引力。本发明不依赖大量数据，降低了训练数据量，得到符合现实列车运行数据分布的模型，提高了模型准确率并方便直接用于现实应用。
-
公开(公告)号：CN110658818A
公开(公告)日：2020-01-07
申请号：CN201910934799.4
申请日：2019-09-29
Applicant: 浙江大学
Abstract: 本发明公开了一种面向新型供电列车的多目标优化智能运行控制预测方法。由新型供电列车的静态动态大数据得到原始数据，参数化/正则化和归一化获得列车信息序列数据；利用列车信息序列数据中的局部数据得到理想条件下的列车运行状态数据；输入到长短期记忆网络中进行训练得到基础模型，将列车信息序列数据划分为多个部分，依次输入到基础模型中依次并再次进行训练得到了带有知识的基础模型；建立平方损失训练；真实采集的速度输入到带有知识的基础模型中进行预测输出获得下一时刻的牵引力。本发明不依赖大量数据，降低了训练数据量，得到符合现实列车运行数据分布的模型，提高了模型准确率并方便直接用于现实应用。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
