-
公开(公告)号：CN119558701A
公开(公告)日：2025-03-04
申请号：CN202411476049.4
申请日：2024-10-22
Applicant: 清华大学 , 清华大学无锡应用技术研究院
IPC: G06Q10/0639 , G06Q50/06
Abstract: 本发明提供一种基于韧性供电资源统一建模的配电系统韧性评估方法及系统，包括：获取配电网中节点存活期望、节点负荷损失期望和韧性资源；基于所述节点存活期望和节点负荷损失期望通过韧性资源统一模型计算韧性资源支撑能力，其中所述韧性资源统一模型是基于所述韧性资源及其预设的相关约束构建的；基于所述韧性资源支撑能力计算配电系统韧性指标，完成配电系统韧性评估。本发明解决了现有配电系统韧性评估复杂度高、难度大的问题。
-
公开(公告)号：CN119442853A
公开(公告)日：2025-02-14
申请号：CN202411447582.8
申请日：2024-10-16
Applicant: 清华大学 , 清华大学无锡应用技术研究院
Abstract: 本发明提供一种基于大语言模型的电力系统数字孪生体交互方法及系统，该方法包括：将大语言模型接入电力系统的仿真平台，以执行仿真平台的基础元件生成任务；根据数字孪生体的仿真模型，使用大语言模型生成基于拓扑关系的元件代码；数字孪生体包括多个基础元件；基于大语言模型构建多智能体系统，以使用多智能体系统进行数字孪生体的仿真模型的交互。本发明将大语言模型应用于新型电力系统数字孪生体的仿真交互中，利用大语言模型的自然语言文本的处理能力，依托仿真平台进行基础元件生成、拓扑关系代码生成、智能交互操作，能够满足新型电力系统的需求，具有重要的理论和实践意义。
-
公开(公告)号：CN120010241A
公开(公告)日：2025-05-16
申请号：CN202411814557.9
申请日：2024-12-11
Applicant: 广西电网有限责任公司电力科学研究院 , 清华大学
IPC: G05B13/04 , H02J3/00 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了一种电气参数学习方法及系统包括：构建稳态情况下待测系统目标电气元件对应的第一函数；预设第一神经网络，根据第一神经网络获取不同目标电气元件对应的第一函数的系数，记作第二函数；根据第二函数获取待测系统目标电气元件在暂态情况下的电气参数值。该方法通过使用有限差分法构建不同元件对应的基函数，可以有效提升常微分神经网络的鲁棒性，与此同时，通过采用稳态数据和扰动数据相结合的方式识别部分元件的电气参数值，实现了电气设备的电气参数的高效、准确获取，进而提升了电力系统的运行效率，保障了电力安全。
-
公开(公告)号：CN117668716A
公开(公告)日：2024-03-08
申请号：CN202311401543.X
申请日：2023-10-26
IPC: G06F18/2433 , G06F18/213 , G01R19/00
Abstract: 本发明涉及电力网络技术领域，提供一种异常量测设备的识别方法、装置、电子设备及存储介质，包括：获取预设组数的配电网中第一数目的节点量测设备的电气参数；根据预设组数的第一数目的节点量测设备的电气参数确定所述配电网中所有节点量测设备的电压生成量；基于所有节点量测设备的电压生成量，从所有节点量测设备中确定出第二数目的节点量测设备；根据第二数目的节点量测设备的电气参数确定对应的量测设备的工作状态。本发明提供的一种异常量测设备的识别方法，通过从部分的节点量测数据中生成所有节点的量测数据，再从所有节点的量测数据中挑选出量测精度较高的节点的量测数据，实现最小化的量测布局与高效的异常量测设施的识别的目的。
-
公开(公告)号：CN114609474A
公开(公告)日：2022-06-10
申请号：CN202210271904.2
申请日：2022-03-18
IPC: G01R31/08
Abstract: 本发明提供一种配电网线路故障定位方法及系统，包括：在配电网线路发生故障时，基于配电网线路上各区段上的节点的上游侧估测电压与节点的实测电压，以及下游侧估测电压与节点的下游节点的实测电压间的差值是否小于预设的第一阈值确定故障发生的区段；基于故障区段内任一点的上游侧估测电压和下游侧估测电压确定故障在故障区段上的位置点；基于位置点的上游侧估测电压或下游侧估测电压与故障区段的节点的实测电压或故障区段的节点的下游节点的实测电压间的压差确定位置点在故障区段上的位置。用以解决现有技术中无法快速定位故障位置的缺陷，实现配电网线路故障位置的定位，并为故障类型和出现原因的分析提供数据支持。
-
Patent Agency Ranking
公开(公告)号：CN120031274A
公开(公告)日：2025-05-23
申请号：CN202411842930.1
申请日：2024-12-13
Applicant: 清华大学
IPC: G06Q10/0631 , G06Q10/0639 , G06Q10/20 , G06Q50/06
Abstract: 本发明提供一种电力系统运维策略的确定方法、装置以及电子设备，涉及电力系统技术领域。其中，电力系统运维策略的确定方法包括：响应于接收到执行目标任务的指令，电力系统运维智能体根据目标任务，确定执行目标任务所需调用的目标电网的运维组件；利用运维组件，执行目标任务，得到第一执行结果；将第一执行结果，转换为自然语言描述的第二执行结果；输出第二执行结果，以使运维人员，根据第二执行结果，确定针对运维需求的运维策略。本发明可以利用大语言模型安全、可靠地确定电力系统运维策略。
-
公开(公告)号：CN120010240A
公开(公告)日：2025-05-16
申请号：CN202411814555.X
申请日：2024-12-11
Applicant: 广西电网有限责任公司电力科学研究院 , 清华大学
IPC: G05B13/04 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06Q50/06
Abstract: 本发明公开了一种电力系统线性模型学习方法及系统包括：构建关于目标电力系统的第一线性模型；预设第一神经网络，第一神经网络的输入为目标电力系统第一状态变量获取到的输入变量，输出为第一状态变量对时间的导数；根据第一神经网络以及目标电力系统当前时刻第一状态变量，求出第一神经网络输出针对输入向量的偏导数，对第一线性模型进行拟合，得到第二线性模型。该电力系统线性模型学习系统能够有效提高电力系统模型的准确性和适应性，尤其在面对复杂多变的电力系统运行环境时，改善了线性微分方程系数拟合效果差的问题，进而大幅提升了电力系统线性化的准确度。
-
公开(公告)号：CN113505525B
公开(公告)日：2024-10-15
申请号：CN202110691963.0
申请日：2021-06-22
Applicant: 清华大学
IPC: G06F30/27 , G06F17/13 , G06Q50/06 , G06F111/04
Abstract: 本发明提供一种基于微分神经网络的电力系统动态元件建模方法及装置，包括：确定待建模电力系统的状态变量；获取系统数据集；其中，通过量测或仿真实验得到系统数据集，系统数据集包括用于模型训练的状态变量、输入变量、输出变量；根据系统数据集训练微分神经网络模型，得到电力系统动态元件模型；电力系统动态元件模型包括微分方程表达及代数方程表达；微分方程表达用于描述电力系统的状态信息，代数方程表达用于描述电力系统输出信息。通过系统数据集对微分神经网络模型进行训练，基于微分神经网络的元件模型易于进行求导操作，可极大便利电力系统运行控制决策，可提供一种全新的对于电力系统结构、动态和控制神经网络化的仿真方法。
-
公开(公告)号：CN117609805A
公开(公告)日：2024-02-27
申请号：CN202311325308.9
申请日：2023-10-12
IPC: G06F18/23 , G06F18/214 , G06F17/16
Abstract: 本发明提供一种基于图信号处理的电力系统数据的质量评估方法及装置，其中的方法包括：获取电力系统拓扑结构对应的邻接矩阵，邻接矩阵映射有相应节点的测量数据；基于邻接矩阵，计算得到测量数据的频域值；对测量数据的频域值进行聚类处理，得到电力系统数据的质量评估结果。该方法通过将电力系统拓扑结构对应邻接矩阵的时域节点特征转换为频域特征，用更少的特征表示原始节点特征，减少了模型复杂度和训练时间，克服了现有电力系统数据辨识方法不能准确识别出低质量数据，且效率低下的缺陷，能够准确识别包含坏数据的测量节点，有利于运行人员排查故障。
-
公开(公告)号：CN116990631A
公开(公告)日：2023-11-03
申请号：CN202310715702.7
申请日：2023-06-15
IPC: G01R31/08 , G06F18/2431 , G06F17/16 , G06F17/18 , G06N3/0464 , G06N3/09
Abstract: 本发明提供一种多源数据融合的微电网群故障诊断方法和装置，包括：根据微电网群正常运行时的节点时序负荷矩阵，确定微电网群的子微网和节点包含关系；根据微电网群临近故障时的节点时序负荷矩阵，确定微电网群的子微网连接关系变化；基于子微网和节点包含关系和子微网连接关系变化，确定微电网群拓扑特征；根据MPNN网络模型、微电网群故障时的节点录波电流以及微电网群拓扑特征，确定微电网群故障诊断结果；MPNN网络模型，是利用微电网群故障样本数据集训练的，用于实现不同微电网群拓扑以及不同节点状态矩阵下的微电网群故障定位和故障类型识别。本发明通过多源数据融合的微电网群拓扑精确辨识，极大提升了微电网群故障诊断的效率。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.019 seconds)
