一种基于深度学习的电力系统暂态稳定性判别系统及方法

    公开(公告)号:CN110609477A

    公开(公告)日:2019-12-24

    申请号:CN201910922923.5

    申请日:2019-09-27

    Applicant: 东北大学

    Abstract: 本发明公开一种基于深度学习的电力系统暂态稳定性判别系统及方法,属于电力系统动态安全评估技术领域,本发明的系统包括样本获取、特征提取、样本扩展和稳定性判别四个模块,同时公开了系统实现的方法,采用深度自编码器提取电力系统样本数据的特征数据降低样本的维度,可以有效的节省计算力及计算时间;采用对抗生成网络生成伪样本数据,扩展样本集规模,使稳定性判别模块可以更好的判断电力系统的暂态稳定性,提高稳定性判断的准确率;采用深度卷积神经网络构建电力系统暂态稳定性判别模块,可以更为实时、准确的判断电力系统的暂态稳定性。

    一种含超临界压缩空气储能的冷热电联产系统及方法

    公开(公告)号:CN109944650A

    公开(公告)日:2019-06-28

    申请号:CN201910221748.7

    申请日:2019-03-22

    Applicant: 东北大学

    Abstract: 本发明提供一种含超临界压缩空气储能的冷热电联产系统及方法,涉及冷热电联产系统优化技术领域。本发明包括发电机、超临界压缩空气储能模块、压缩热利用模块、太阳能预热模块、电制冷机、吸收式制冷机、余热锅炉和电锅炉;发电机为系统中的装置和用户供电;超临界压缩空气储能模块将空气压缩后释放电能,输出端与电制冷机、电锅炉和用户输入端连接;压缩热利用模块将空气冷却,储存吸收热能的水,输出端与超临界压缩空气储能模块和用户连接;太阳能预热模块对空气进行升温后输出至超临界压缩空气储能模块;余热锅炉、吸收式制冷机、电制冷机和电锅炉的输出端与用户连接。本发明充分满足系统中能量需求的变化,提高系统在变工况条件下的稳定性。

    一种电蓄热锅炉与太阳能联合采暖的系统与方法

    公开(公告)号:CN106382668B

    公开(公告)日:2019-04-23

    申请号:CN201610748574.6

    申请日:2016-08-29

    Applicant: 东北大学

    Abstract: 本发明提供一种电蓄热锅炉与太阳能联合采暖的系统与方法,涉及供暖技术领域。系统包括太阳能集热单元、蓄热单元、电锅炉单元、用户管网单元和系统控制单元,采用BP神经网络优化PID控制参数,并采用粒子群算法对其进行优化,控制单元将最优PID控制参数转变为控制第四电磁阀开度的信号,根据实际温度与设定稳定温度值的偏差,来调节第四电磁阀的阀门开度,从而实现调节室内温度的效果。本发明的系统结构紧凑合理,能在整个供暖期内形成能源互补,实现相对稳定的联合供暖,采用PSO‑BP神经网络的控制方法得到最优PID控制参数,既能充分利用低谷电能,提高电网负荷率,又能弥补太阳能供暖系统单独使用时的缺点,有效保证供暖质量。

    降噪自编码和深度支持向量机的电力系统状态估计方法

    公开(公告)号:CN109256773A

    公开(公告)日:2019-01-22

    申请号:CN201811218395.7

    申请日:2018-10-19

    Applicant: 东北大学

    Abstract: 本发明提出降噪自编码和深度支持向量机的电力系统状态估计方法,包括:获取电网节点中电压幅值的量测值和电压相角的量测值的历史数据;标准化处理;输入到1维降噪自编码中进行降噪处理;降噪后的数据在输入到深度支持向量机进行状态估计;判断状态估计误差是否满足要求;输出1维降噪自编码和深度支持向量机的状态估计模型参数;把一个大电网分解成p个子网;一个GPU对一个子网进行计算,CPU进行汇总,输出全网的状态估计结果;本发明采用GPU+CPU的混合结构对电力系统进行状态估计,缩短了计算时间;采用的降噪自编码和深度支持向量机模型,提高了状态估计的精度,并在训练过程中采用变学习率的梯度下降法,有效地寻找到最优参数,且缩短了训练时间。

    一种考虑传输损耗的电热综合能源系统经济优化调度方法

    公开(公告)号:CN109190271A

    公开(公告)日:2019-01-11

    申请号:CN201811067153.2

    申请日:2018-09-13

    Applicant: 东北大学

    Abstract: 本发明提出一种考虑传输损耗的电热综合能源系统经济优化调度方法,流程包括:建立电热综合能源系统经济优化调度模型;采用Lagrange函数法分析转换优化调度问题;设计迭代算法求解优化调度问题,输出最优解;计算电热综合能源系统经济优化调度模型的最优值,即总成本最小值。本发明中考虑了传输损耗对系统供需平衡和机组出力优化的重要影响;考虑了电力网络、热力管网、电热多能耦合、机组出力限制和运行限制多种约束条件;在计及网络传输损耗的前提下,满足用户负荷需求的同时减少企业的产能成本,从而提高经济效益和保障系统安全稳定运行;采用快速迭代算法将电出力等式二次约束转化为仿射约束,降低了模型求解的复杂程度并具有较快的收敛速度。

    一种基于边界融合的电网状态估计系统及方法

    公开(公告)号:CN108376983A

    公开(公告)日:2018-08-07

    申请号:CN201810239661.8

    申请日:2018-03-22

    Applicant: 东北大学

    Abstract: 本发明提供一种基于边界融合的电网状态估计系统及方法,涉及电网状态估计技术领域。系统包括获取各节点的量测量的电网数据采集模块以及包括本地数据单元、状态估计单元的通信模块及数据融合模块,状态估计单元包括存储有基于边界融合的状态估计程序的存储器和显示程序运行输出状态变量的显示器;状态估计程序被执行以便实现基于边界融合的电网状态估计;估计方法为,对区域电网的划分后,建立各区域的量测方程,求取内部量和边界量,对两区域的边界量进行融合后修正边界量,对中间变量进行非线性变换后以最小二乘法求取其状态变量的估计值并输出。本发明系统通信量少,状态估计方法在不失准确性的情况下,提高了电网状态估计的运算速度。

    一种基于设备故障概率和电网运行风险的差异自愈控制方法

    公开(公告)号:CN107516170A

    公开(公告)日:2017-12-26

    申请号:CN201710765450.3

    申请日:2017-08-30

    Applicant: 东北大学

    Abstract: 本发明公开了一种基于设备故障概率和电网运行风险的差异自愈控制方法,其包括:1、采集运行数据以及天气数据并计算各配电网设备各自对应的综合故障概率;2、确定出风险阈值;3、判断综合故障概率是否超过该配电网设备对应的风险阈值,若是则基于第一多目标函数,优化电网运行方式;否则基于第二多目标函数,优化电网运行方式;同时设置电网运行方式优先级;4、基于多分类回归树算法预测电网下一时刻的负荷大小并计算下一时刻设备的综合停运概率和综合故障风险;5、确定是否执行优化措施。本发明充分考虑了设备故障概率和电网的运行风险,同时采用差异自愈控制,实现了在尽量不甩负荷的情况下保证了电网的经济可靠运行。

    基于特征映射迁移学习的电网故障分类方法

    公开(公告)号:CN107491792A

    公开(公告)日:2017-12-19

    申请号:CN201710756382.4

    申请日:2017-08-29

    Applicant: 东北大学

    Abstract: 本发明公开了一种于特征映射迁移学习的电网故障分类方法,其包括:1、选定目标领域数据以及辅助源领域数据;2、分别对目标领域数据和辅助源领域数据进行基于微增量小波奇异熵的故障特征提取,并将各所述微增量小波奇异熵作为故障特征,进而分别组成目标领域相对应的特征向量空间以及辅助源领域相对应的特征向量空间;3、基于特征映射迁移学习方法,找到轴特征、辅助源领域特有特征、目标领域特有特征各自相对应的基向量;4、将所获得的辅助源领域相对应的基向量作为支持向量;同时设定相似性惩罚项并加入支持向量训练集的约束条件,以共同训练分类器获得相应的分类结果。本发明能够准确快速找到最能体现故障类别的三组基向量。

    一种基于改进OPA模型的电网连锁故障确定方法

    公开(公告)号:CN104793107B

    公开(公告)日:2017-12-01

    申请号:CN201510214022.2

    申请日:2015-04-29

    Applicant: 东北大学

    Abstract: 本发明一种基于改进OPA模型的电网连锁故障确定方法,属于电气工程领域,本发明运用最优潮流模型在OPA模型快动态过程中计算系统潮流分布,利用生成介数指标尽量减小由于切除系统负荷给电网的连通性带来的损失;电网拓扑演化模型是从电网本身的演化机理而得到的,主要研究了新的变电站和发电厂的建设时机、选址、容量、接入电网等问题,很好地反映电网拓扑的演化规律;在模拟电网升级和线路改造时运用了差异性规划的思想,为保证重要负荷的持续供电而对关键线路进行扩容改造;与原有OPA模型相比较,本发明中的改进模型在模拟电网连锁故障和电网升级演化过程中更加具有正式性,全面性,更加符合实际情况。

Patent Agency Ranking