-
公开(公告)号：CN114266290B
公开(公告)日：2025-04-22
申请号：CN202111414916.8
申请日：2021-11-25
Applicant: 国网河南省电力公司电力科学研究院 , 重庆大学 , 国网河南省电力公司 , 国家电网有限公司
IPC: G06F18/2433 , G06F16/215 , H02J3/24 , G06Q50/06
Abstract: 一种针对相量测量单元(PMU)频率数据异常的检测方法。所述方法包括：根据参考站与量测站监测的采样点，分别生成各自的频率序列数据；根据频率序列数据中元素的频率值，分别提取出由时间序号组成的极大值序列与极小值序列；根据参考站极大值序列与极小值序列，对量测站的极大值序列与极小值序列进行适配；分别合并参考站与量测站的极大值序列与极小值序列，以生成参考站与量测站的关键特征点序列；将参考站的关键特征点序列中的元素与量测站的关键特征点序列中的对应元素相减，得到差值序列；若差值序列的任一元素的绝对值均超过时延阈值，输出异常为频率存在时延。本公开可以精细化的检测各种异常情况。
-
公开(公告)号：CN118883320A
公开(公告)日：2024-11-01
申请号：CN202410905670.1
申请日：2024-07-08
Applicant: 重庆大学
Abstract: 本发明公开了模拟扰动荷载作用下断层型冲击地压的试验系统和方法包括模拟装置、计算机控制台、扰动荷载控制单元和智能监测系统，所述智能监测系统设置于模拟装置上，且模拟装置和智能监测系统同时与计算机控制台相连，所述扰动荷载控制单元安装于计算机控制台上，且通过计算机控制台控制模拟装置对于扰动荷载形式的模拟状态；所述智能监测系统包括动态应变仪、声发射仪、电磁辐射仪、红外热像仪、超声波监测设备和高速摄像机，用于采集试样的应力应变信息、声电热信号以及裂纹情况，本发明公开的模拟扰动荷载作用下断层型冲击地压的试验系统和方法具有实现对于断层型冲击地压的有效模拟，以及扰动手段的丰富的效果。
-
公开(公告)号：CN115014933B
公开(公告)日：2024-07-05
申请号：CN202210690774.6
申请日：2022-06-17
Applicant: 重庆大学
Abstract: 本发明涉及一种用于冲击地压模拟试验的装置和方法，该装置包括试验腔室，试验腔室内设有第一油缸、第二油缸和第三油缸，三者的活塞杆分别沿X、Y、Z三个方向伸出或者缩回，试验腔室内还设有分别与第一油缸、第二油缸和第三油缸的活塞杆一侧相对设置的第一反力座、第二反力座和第三反力座，还包括由第四油缸和第五油缸构成的剪切加载单元，第四油缸和第五油缸位于同一轴线上且两者的活塞杆一侧相对设置，第四油缸和第五油缸的活塞杆均沿X方向或者Y方向或者Z方向伸出或者缩回，结合试验方法，可以对试件产生剪切力，进行断层错断引发扰剪切动荷载条件下的冲击地压物理模拟试验；试验时通过制样台和试件承载车上料，方便快捷，节省人力。
-
公开(公告)号：CN116050153A
公开(公告)日：2023-05-02
申请号：CN202310069394.5
申请日：2023-02-06
Applicant: 国网河南省电力公司电力科学研究院 , 国网河南省电力公司 , 重庆大学
IPC: G06F30/20 , G06Q50/06 , G06F119/02
Abstract: 本发明提供了一种二次设备可靠性评估方法，属于二次设备评估技术领域。包括：构建二次设备可靠性评估集成模型，所述集成模型包括多个并行的个体判别器，所述个体判别器利用正常二次设备的运行数据进行训练，所述个体判别器训练的优化目标为最小化输入输出数据的重构误差；优化二次设备可靠性评估集成模型，剔除准确率较低的所述个体判别器，获得最优集成模型；将二次设备当前运行数据输入最优集成模型进行可靠性评估。本发明利用Bagging集成学习方法生成并行多个基础模型，综合多个个体判别器的判定结果来进行二次设备故障判定，能够提高模型整体的稳定性；并且本发明还通过集成模型优化方法对集成模型进行优化，能够提高二次设备可靠性评估的准确度。
-
公开(公告)号：CN109599872B
公开(公告)日：2022-11-08
申请号：CN201811633643.4
申请日：2018-12-29
IPC: H02J3/06
Abstract: 本发明公开了基于堆栈降噪自动编码器的电力系统概率最优潮流计算方法，主要步骤为：1)建立SDAE最优潮流模型。2)获取SDAE最优潮流模型输入层的输入样本X。3)对SDAE最优潮流模型进行初始化。4)对SDAE最优潮流模型进行训练，从而得到训练后的SDAE最优潮流模型。5)采用MCS法对待计算概率潮流的电力系统的随机变量进行抽样，从而获取计算样本。6)将步骤5得到的训练样本数据一次性输入步骤4中训练完成的SDAE最优潮流模型中，从而计算出最优潮流在线概率。7)对所述最优潮流在线概率进行分析，即绘制SDAE最优潮流模型的输出变量的概率密度曲线。本发明可广泛应用于电力系统的概率最优潮流求解，特别适用于新能源渗透率高导致系统不确定性增强的在线分析情况。
-
Patent Agency Ranking
公开(公告)号：CN114266290A
公开(公告)日：2022-04-01
申请号：CN202111414916.8
申请日：2021-11-25
Applicant: 国网河南省电力公司电力科学研究院 , 重庆大学 , 国网河南省电力公司 , 国家电网有限公司
IPC: G06K9/62 , G06F16/215 , H02J3/24 , G06Q50/06
Abstract: 一种针对相量测量单元(PMU)频率数据异常的检测方法。所述方法包括：根据参考站与量测站监测的采样点，分别生成各自的频率序列数据；根据频率序列数据中元素的频率值，分别提取出由时间序号组成的极大值序列与极小值序列；根据参考站极大值序列与极小值序列，对量测站的极大值序列与极小值序列进行适配；分别合并参考站与量测站的极大值序列与极小值序列，以生成参考站与量测站的关键特征点序列；将参考站的关键特征点序列中的元素与量测站的关键特征点序列中的对应元素相减，得到差值序列；若差值序列的任一元素的绝对值均超过时延阈值，输出异常为频率存在时延。本公开可以精细化的检测各种异常情况。
-
公开(公告)号：CN109117951B
公开(公告)日：2021-11-16
申请号：CN201810033758.3
申请日：2018-01-15
Applicant: 重庆大学
IPC: G06N3/08
Abstract: 本发明公开了一种基于BP神经网络的概率潮流在线计算方法，主要包括以下步骤：1)建立BP神经网络潮流模型。2)初始化BP神经网络潮流模型的基本参数。3)获取训练样本数据。4)确定训练目标。采用所述训练样本数据，对所述BP神经网络潮流模型进行训练，从而得到训练后的BP神经网络潮流模型。5)获取计算样本。6)将步骤3得到的训练样本数据一次性输入步骤4中训练完成的BP神经网络潮流模型中，得到所述训练目标，从而判断所有训练样本的潮流可解性；计算可解样本的潮流值。7)统计概率潮流指标。本发明可广泛应用于电力系统的概率潮流在线计算，特别适用于新能源高比例接入导致电力系统不确定性增强的情况。
-
公开(公告)号：CN113406503A
公开(公告)日：2021-09-17
申请号：CN202110607933.7
申请日：2021-06-01
Applicant: 重庆大学
IPC: G01R31/378 , G01R31/367 , G01R31/392
Abstract: 本发明公开基于深度神经网络的锂电池SOH在线估算方法，步骤为：1)建立基于深度神经网络的锂电池SOH估算模型；2)对所述基于深度神经网络的锂电池SOH估算模型进行训练，得到锂电池SOH估算优化模型；3)获取待评估锂电池的近全充电过程的锂电池充电片段数据，并输入到锂电池SOH估算优化模型中，完成锂电池SOH估算。本发明提出了基于深度神经网络的SOH在线估算方法，通过随机抽样、标准化等数据预处理方式对输入输出数据进行处理，并通过训练得到最终的SOH估算模型，代入验证集输入，即可得到所对应的SOH值，实现锂电池SOH在线估算，且其估算精度较基于模型的方法提高约10％，满足车企实际应用所需达到的估算精度。
-
公开(公告)号：CN109784692B
公开(公告)日：2020-11-24
申请号：CN201811631297.6
申请日：2018-12-29
Abstract: 本发明公开了一种基于深度学习的快速安全约束经济调度方法，主要步骤为：1)确定适用于安全约束经济调度模型的深度神经网络。2)对堆栈降噪自动编码器SDAE进行训练。3)建立基于深度学习的安全约束经济调度模型。4)令k＝1，将电力系统运行条件输入到深度神经网络中，得到安全约束经济调度模型的起作用约束集J(1)。5)将约束集J(1)。输入到安全约束经济调度模型中，得到安全约束经济调度方案。6)对安全约束经济调度方案进行N‑1检验，若有新约束J(new)，则令k＝k+1,约束集更新为J(k)＝J(k)∪J(new)，并返回步骤5。若无新约束，则输出安全约束经济调度方案。本发明可广泛应用于电力系统各个行业的安全约束经济调度分析。
-
公开(公告)号：CN111914405A
公开(公告)日：2020-11-10
申请号：CN202010662092.5
申请日：2020-07-10
Applicant: 重庆大学 , 国网重庆市电力公司电力科学研究院 , 国家电网有限公司
IPC: G06F30/20 , G06F17/18 , G06F111/04 , G06F111/10
Abstract: 本发明公开基于Copula方法的线性潮流模型独立变量形式选取方法，包括以下步骤：1)设定非线性电压幅值项为vivj；2)建立非线性电压幅值项vivj的状态变量函数 3)计算在不同状态变量函数 下，非线性电压幅值项vivj的线性化误差函数；4)用Copula函数分析方法模拟出潮流方程状态变量的数值联合概率分布，建立Copula优化模型；5)基于非线性电压幅值项vivj的线性化误差函数和Copula优化模型，建立误差最小的线性潮流模型。本发明讨论了 不同公式下vivj的线性化误差，并通过Copula函数对联合概率密度函数进行拟合，得到最小化的线性化误差，进而建立误差最小的潮流模型。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.034 seconds)
