-
公开(公告)号：CN119250659B
公开(公告)日：2025-03-21
申请号：CN202411792085.1
申请日：2024-12-06
Applicant: 湖南大学
IPC: G06Q10/0639 , G06Q10/04 , G06Q50/06 , G06F18/214 , G06F18/2413
Abstract: 本发明提供的基于#imgabs0#最近邻搜索的风电功率预测误差解耦评估方法，先利用计划和实际开机容量信息，计算功率校正环节导致的预测误差，然后基于#imgabs1#阶最近邻思想，从历史运行数据中寻找与#imgabs2#数据最接近的真实气象数据，通过#imgabs3#阶近邻的平均近似估计#imgabs4#环节导致的预测误差，最后基于总预测误差计算#imgabs5#环节导致的预测误差。本发明无需直接获取风电场的预测风电转换模型，通过对风电功率预测全流程中不同环节的误差进行高可靠的量化评估，进而得到各环节的误差贡献率大小，实现对风电功率预测算法薄弱环节的精准定位。
-
公开(公告)号：CN118336738A
公开(公告)日：2024-07-12
申请号：CN202410185252.X
申请日：2024-02-19
Applicant: 湖南大学
IPC: H02J3/12 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于阻抗信息学习的电网暂态电压稳定评估方法，包括：基于时域仿真提取关键负荷节点的电气量时序轨迹，并对电网暂态电压稳定/失稳状态进行标定；计算得到关键负荷节点的负荷阻抗时序轨迹和戴维南等值阻抗时序轨迹；基于具有物理意义的暂态电压稳定阻抗判据，将电气量时序轨迹、阻抗信息以及电网暂态电压稳定/失稳状态结合；根据得到的暂态样本集对卷积神经网络进行电气量和阻抗信息学习，得到基于阻抗信息学习的暂态电压稳定评估模型；基于暂态电压稳定评估模型对关键负荷节点的阻抗信息进行分析，输出系统暂态电压稳定状态评估结果。本发明能够提高暂态电压稳定评估的性能，实现对暂态电压稳定状态准确高效的在线评估。
-
公开(公告)号：CN118336738B
公开(公告)日：2025-01-07
申请号：CN202410185252.X
申请日：2024-02-19
Applicant: 湖南大学
IPC: H02J3/12 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于阻抗信息学习的电网暂态电压稳定评估方法，包括：基于时域仿真提取关键负荷节点的电气量时序轨迹，并对电网暂态电压稳定/失稳状态进行标定；计算得到关键负荷节点的负荷阻抗时序轨迹和戴维南等值阻抗时序轨迹；基于具有物理意义的暂态电压稳定阻抗判据，将电气量时序轨迹、阻抗信息以及电网暂态电压稳定/失稳状态结合；根据得到的暂态样本集对卷积神经网络进行电气量和阻抗信息学习，得到基于阻抗信息学习的暂态电压稳定评估模型；基于暂态电压稳定评估模型对关键负荷节点的阻抗信息进行分析，输出系统暂态电压稳定状态评估结果。本发明能够提高暂态电压稳定评估的性能，实现对暂态电压稳定状态准确高效的在线评估。
-
公开(公告)号：CN115935264A
公开(公告)日：2023-04-07
申请号：CN202310219066.9
申请日：2023-03-09
Applicant: 湖南大学
IPC: G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08 , H02J3/12
Abstract: 一种基于时空信息同步学习的电网暂态电压稳定评估方法，先对电网在各种运行方式下的各种暂态故障进行时域仿真，从中提取各监测节点时序响应轨迹和电网暂态信息，得到暂态样本集；再利用电网网络阻抗矩阵和不同时间断面下电网状态的关联关系分别构建空间邻接矩阵和时序邻接矩阵，并集成为时空邻接矩阵，综合表征电网暂态过程中不同时间断面下各监测节点间的时空相关性；接着利用图卷积神经网络算法进行时空信息同步学习，训练得到时空信息同步驱动的暂态电压稳定分类评估模型；最后将实时获取各监测节点的暂态时序响应轨迹输入暂态电压稳定分类评估模型中，得到电网暂态电压稳定评估结果。本发明可对电网暂态电压稳定状态进行快速可靠的在线评估。
-
公开(公告)号：CN118445556B
公开(公告)日：2024-09-13
申请号：CN202410909099.0
申请日：2024-07-08
Applicant: 湖南大学 , 国网经济技术研究院有限公司
Abstract: 本发明公开了一种基于多重相关性学习的风电场SCADA数据修复方法，包括：S1.得到风电场标准化数据集#imgabs0#；S2.得到在全局互相关视角下的填补结果#imgabs1#；S3.得到在全局自相关视角下的填补结果#imgabs2#；S4.得到局部互相关视角下的填补结果#imgabs3#；S5.得到局部自相关视角下的填补结果#imgabs4#；S6.利用多元线性回归将#imgabs5#、#imgabs6#、#imgabs7#和#imgabs8#四个填补结果进行整合、去噪和反归一化，得到最终修复结果#imgabs9#。本发明从全局和局部同时分析SCADA多维数据内部的自相关性和互相关性，从多个视角对缺失数据进行初步填补修复；进一步，构建残差网络精细去噪模型，对初步修复后的数据综合进行去噪和精细修复，由此实现SCADA多维数据的完整修复。
-
Patent Agency Ranking
公开(公告)号：CN116565865B
公开(公告)日：2023-09-26
申请号：CN202310843436.6
申请日：2023-07-11
Applicant: 湖南大学
IPC: H02J3/00 , H02J3/38 , G06Q10/04 , G06N3/0442 , G06F18/214
Abstract: 本发明提供了一种基于深度误差反馈学习的风电功率预测方法，该方法包括步骤S1，构建基于XGBoost的以天气预报数据为输入、预测误差为输出的预测误差估计模型；步骤S2，构建基于双层LSTM的以天气预报数据为主输入、预测误差为反馈输入、风电功率预测值为输出的风电功率二次预测模型；步骤S3，将当前的天气预报数据送入预测误差估计模型中，得到未来的预测误差，再将当前的天气预报数据和未来的预测误差一起送入所述风电功率二次预测模型中，得到最终的风电功率预测值。本发明可以有效提高风电场预测精度，减小风电场出力不确定性，利于风资源利用效率的提高。
-
公开(公告)号：CN115935264B
公开(公告)日：2023-05-12
申请号：CN202310219066.9
申请日：2023-03-09
Applicant: 湖南大学
IPC: G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08 , H02J3/12
Abstract: 一种基于时空信息同步学习的电网暂态电压稳定评估方法，先对电网在各种运行方式下的各种暂态故障进行时域仿真，从中提取各监测节点时序响应轨迹和电网暂态信息，得到暂态样本集；再利用电网网络阻抗矩阵和不同时间断面下电网状态的关联关系分别构建空间邻接矩阵和时序邻接矩阵，并集成为时空邻接矩阵，综合表征电网暂态过程中不同时间断面下各监测节点间的时空相关性；接着利用图卷积神经网络算法进行时空信息同步学习，训练得到时空信息同步驱动的暂态电压稳定分类评估模型；最后将实时获取各监测节点的暂态时序响应轨迹输入暂态电压稳定分类评估模型中，得到电网暂态电压稳定评估结果。本发明可对电网暂态电压稳定状态进行快速可靠的在线评估。
-
公开(公告)号：CN119250659A
公开(公告)日：2025-01-03
申请号：CN202411792085.1
申请日：2024-12-06
Applicant: 湖南大学
IPC: G06Q10/0639 , G06Q10/04 , G06Q50/06 , G06F18/214 , G06F18/2413
Abstract: 本发明提供的基于#imgabs0#最近邻搜索的风电功率预测误差解耦评估方法，先利用计划和实际开机容量信息，计算功率校正环节导致的预测误差，然后基于#imgabs1#阶最近邻思想，从历史运行数据中寻找与#imgabs2#数据最接近的真实气象数据，通过#imgabs3#阶近邻的平均近似估计#imgabs4#环节导致的预测误差，最后基于总预测误差计算#imgabs5#环节导致的预测误差。本发明无需直接获取风电场的预测风电转换模型，通过对风电功率预测全流程中不同环节的误差进行高可靠的量化评估，进而得到各环节的误差贡献率大小，实现对风电功率预测算法薄弱环节的精准定位。
-
公开(公告)号：CN118445556A
公开(公告)日：2024-08-06
申请号：CN202410909099.0
申请日：2024-07-08
Applicant: 湖南大学 , 国网经济技术研究院有限公司
Abstract: 本发明公开了一种基于多重相关性学习的风电场SCADA数据修复方法，包括：S1.得到风电场标准化数据集#imgabs0#；S2.得到在全局互相关视角下的填补结果#imgabs1#；S3.得到在全局自相关视角下的填补结果#imgabs2#；S4.得到局部互相关视角下的填补结果#imgabs3#；S5.得到局部自相关视角下的填补结果#imgabs4#；S6.利用多元线性回归将#imgabs5#、#imgabs6#、#imgabs7#和#imgabs8#四个填补结果进行整合、去噪和反归一化，得到最终修复结果#imgabs9#。本发明从全局和局部同时分析SCADA多维数据内部的自相关性和互相关性，从多个视角对缺失数据进行初步填补修复；进一步，构建残差网络精细去噪模型，对初步修复后的数据综合进行去噪和精细修复，由此实现SCADA多维数据的完整修复。
-
公开(公告)号：CN116565865A
公开(公告)日：2023-08-08
申请号：CN202310843436.6
申请日：2023-07-11
Applicant: 湖南大学
IPC: H02J3/00 , H02J3/38 , G06Q10/04 , G06N3/0442 , G06F18/214
Abstract: 本发明提供了一种基于深度误差反馈学习的风电功率预测方法，该方法包括步骤S1，构建基于XGBoost的以天气预报数据为输入、预测误差为输出的预测误差估计模型；步骤S2，构建基于双层LSTM的以天气预报数据为主输入、预测误差为反馈输入、风电功率预测值为输出的风电功率二次预测模型；步骤S3，将当前的天气预报数据送入预测误差估计模型中，得到未来的预测误差，再将当前的天气预报数据和未来的预测误差一起送入所述风电功率二次预测模型中，得到最终的风电功率预测值。本发明可以有效提高风电场预测精度，减小风电场出力不确定性，利于风资源利用效率的提高。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
