-
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：CN116956017A
公开(公告)日：2023-10-27
申请号：CN202310499258.X
申请日：2023-05-06
IPC: G06F18/214 , G06F18/24 , G06F17/16 , G06N3/0464 , G06N3/08
Abstract: 基于图彩票假设理论的电网暂态失稳子结构定位方法和系统，包括：首先本发明将电网暂态数据处理为带有暂态稳定性标签的图结构数据，引入图卷积神经网络对图的表示特征进行提取。然后通过基于幅值的联合稀疏化方法，实现对电网图中冗余信息的丢弃，并且考虑到稀疏化过程中，元素的重要性会随着模型结构和图结构的动态改变而发生变化的问题，在每次进行进一步稀疏之前，重新考虑被丢弃元素的重要性，并设计对抗互补擦除框架对识别的关键子结构进行修正。本发明能明确造成电网暂态失稳的原因，为电网暂态失稳的调控提供准确和高效的解决方案。
-
公开(公告)号：CN118072888A
公开(公告)日：2024-05-24
申请号：CN202410283589.4
申请日：2024-03-13
Applicant: 浙江大学
IPC: G16C60/00 , G06F30/27 , G06N3/042 , G06N3/0442 , G06N3/084 , G06F119/14
Abstract: 基于时空自适应图神经网络的多晶体应力场演变预测方法和装置，其方法包含如下步骤：步骤1.构建模拟高温合金应力场数据集；步骤2.构建适配多晶材料的图结构数据；步骤3.构建基于多晶图神经网络的空间自适应模块，构建适配多晶结构的图神经网络，根据晶界特征自适应地聚合晶粒及其邻居节点的信息；步骤4.构建基于多头GRU的时间自适应模块；步骤5.进行应力场演变预测任务。本发明能够在不使用预先选择的特征而仅使用晶粒尺寸、取向等原始特征的情况下高效稳定的进行长期应力场演变预测。
-
公开(公告)号：CN116502380A
公开(公告)日：2023-07-28
申请号：CN202310499262.6
申请日：2023-05-06
IPC: G06F30/18 , G06F30/27 , G06F17/16 , G06F119/02
Abstract: 用于定位暂态失稳子结构的可解释图神经网络方法和系统，包括：首先，将电网数据处理为图结构数据，引入了第一图卷积神经网络作为编码层学习电网中间节点嵌入；然后通过计算图结构的电网数据的节点特征相似度和局部拓扑结构相似度，获得边采样权重；根据边采样权重采样解释子图获取采样掩码矩阵，通过此矩阵控制第二图神经网络运行和分类任务，并在反向传播过程中自定义采样梯度计算方法；最后根据采样掩码矩阵定位电网暂态失稳子结构，根据分类器获得电网数据稳态情况。本发明还包含基于可解释图神经网络的电网暂态失稳定位方法的系统。本发明在使用图神经网络判断电网暂态稳定性的基础上，运用子图可解释技术定位电网暂态失稳子结构。
-
Patent Agency Ranking
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。
-
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：CN118427720A
公开(公告)日：2024-08-02
申请号：CN202410300080.6
申请日：2024-03-15
Applicant: 浙江大学
IPC: G06F18/243 , G06F18/27 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/08 , G06N5/01
Abstract: 基于可解释图神经树的电力系统暂稳判别方法和系统，其方法包含：S1.构建电网状态样本数据集；S2.对电网数据进行图表示与特征提取；S3.构建电网状态预测图卷积网络模型；S4.构建图神经网络可解释增强的决策树模型；S5.对决策树模型进行可视化渲染与可解释性增强；S6.根据模型进行电力系统判稳决策，实时监控和故障诊断，在电力系统实时监控和故障诊断应用中，模型接收来自电力系统的实时数据，输出暂稳判别结果。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.023 seconds)
