-
公开(公告)号：CN120016497A
公开(公告)日：2025-05-16
申请号：CN202510092281.6
申请日：2025-01-21
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种考虑VSC控制策略的交直流混合配电网电压预测方法，属于配电网技术领域。该方法包含以下步骤：S1：获取交直流混合配电网运行数据包括节点电压、节点有功功率、节点无功功率、时间特征、天气特征、VSC控制策略等数据，并对VSC节点进行处理；S2：对配电网运行数据与待预测节点电压进行相关性分析，选取与待预测节点电压具有强相关性的数据作为预测模型输入样本数据，并将样本数据按比例划分为训练集和测试集；S3：建立考虑VSC控制策略的电压预测模型，并分别在混合配电网的交流侧与直流侧使用训练集数据进行训练，同时使用测试集数据对预测效果进行验证。
-
公开(公告)号：CN118381003A
公开(公告)日：2024-07-23
申请号：CN202410461872.1
申请日：2024-04-17
Applicant: 重庆邮电大学
IPC: H02J3/00 , G01R19/165 , G01R21/00 , G01D21/02 , G06F18/2113 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/084 , G06N3/086 , H02J3/16 , H02J3/18
Abstract: 本发明涉及一种台区电压自适应的预测及治理方法，属于配电网技术领域。该方法包含以下步骤：S1：获取待测台区数据；S2：计算待测台区电压对待测台区有功功率、待测台区无功功率、10kV母线电压、其他台区有功功率、其他台区无功功率、温度、湿度的灵敏度；S3：将灵敏度绝对值进行降序排序，选取绝对值最大的前k个变量作为输入，台区电压作为输出，对PSO‑BP神经网络模型进行自适应训练，并利用已训练好的PSO‑BP神经网络模型预测台区在未来某一时刻的电压值；S4：预测配电网中所有台区的电压，对台区电压实施“点面结合”的治理策略。本发明选择对台区电压具有强敏感性的变量作为模型输入，保证了预测结果的准确性。
-
公开(公告)号：CN118040657A
公开(公告)日：2024-05-14
申请号：CN202410057088.4
申请日：2024-01-15
Applicant: 重庆邮电大学
IPC: H02J3/00 , H02J3/12 , H02J3/24 , G06Q10/0637 , G06Q10/0639 , G06Q50/06 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及一种面向静态电压稳定和小干扰功角稳定的联合预测方法，属于电力系统分析技术领域，包括以下步骤：S1：采用连续潮流法和特征值分析法分别对电力系统当前运行点的静态电压稳定和小干扰功角稳定进行分析，从中提取相关信息，生成用于预测模型的样本数据；S2：基于样本数据训练电力系统静态电压稳定和小干扰功角稳定联合预测模型，计算静态电压稳定指标和小干扰功角稳定指标，根据这两部分指标实时判断电力系统当前的静态电压稳定程度和小干扰功角稳定程度。本发明使用一个预测模型同时对静态电压稳定和小干扰功角稳定进行在线评估，有效缩短了稳定评估的建模和实施进程，具有较强的工程实用性。
-
公开(公告)号：CN118656696A
公开(公告)日：2024-09-17
申请号：CN202410714776.3
申请日：2024-06-04
Applicant: 重庆邮电大学
IPC: G06F18/241 , G06F18/213 , G06N3/0499 , G06N3/084 , G06N3/0985 , G06N3/09 , G06Q50/06
Abstract: 本发明涉及一种配电网电压薄弱台区预测方法，属于配电网技术领域。该方法包含以下步骤：S1：获取配电网中台区数据；S2：根据电压将台区分类为正常台区和电压薄弱台区，并打上标签；S3：将台区数据作为输入，台区分类结果作为输出，对BP神经网络模型进行训练；S4：利用已经训练好的BP神经网络模型对配电网中其他台区进行预测，从而找出电压薄弱台区。本发明通过带标签的监督学习算法，对配电网台区电压薄弱点进行预测，保证了预测结果的准确性。
-
-
-
Search Results
4
records
(took 0.017 seconds)
