-
公开(公告)号：CN115144694B
公开(公告)日：2025-04-29
申请号：CN202210748031.X
申请日：2022-06-29
Applicant: 东北电力大学
IPC: G01R31/08 , G06F18/20 , G06F18/241 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/082 , G06N3/084 , G06F123/02
Abstract: 本发明公开了基于S‑TGCN的有源配电网故障定位方法，引入时‑空注意力机制及时‑空卷积层，从图形结构的时间序列中提取配电网故障时段的全局时‑空特征，提升了模型在高比例分布式电源接入场景下的全局故障特征提取能力，其故障定位精度达到98.76％。通过S‑TGCN的特征汇聚及差异化池化函数，增强了新方法在数据缺失及数据噪声场景下的鲁棒性。
-
公开(公告)号：CN119150670A
公开(公告)日：2024-12-17
申请号：CN202411166693.1
申请日：2024-08-23
Applicant: 东北电力大学
IPC: G06F30/27 , G06F18/214 , G06N3/045 , G06N3/0475 , G06N3/098 , G06F113/06
Abstract: 本发明公开的基于改进LSGAN的多风电场小样本联合场景生成方法，具体按以下步骤实施：S1、定义高风速与低风速场景划分标准，并建立LSGAN模型；S2、在LSGAN模型加入焦点损失函数、Dropout层与卷积层，生成改进LSGAN模型；S3、通过改进LSGAN模型对多风电场数据进行联合场景生成。本发明的基于改进LSGAN的多风电场小样本联合场景生成方法，解决现有技术中存在的采用传统方法对低风速与高风速的小样本数据进行生成时，不同类别的小样本数据概率密度函数差异大，存在模式崩溃危险的问题。
-
公开(公告)号：CN114742342B
公开(公告)日：2024-10-29
申请号：CN202210163570.7
申请日：2022-02-22
Applicant: 东北电力大学
IPC: G06Q10/0639 , G06Q50/06 , G06F18/213 , G06F18/24
Abstract: 本发明公开了基于多标签LightGBM的电能质量复合扰动识别方法，对原始扰动信号进行基于S变换的时‑频域特征提取，对单一扰动标签对应的LightGBM子分类器分别进行基于total_gain特征重要度的原始特征排序，并以各LightGBM子分类器的分类准确率为决策变量开展前向特征选择，确定与各子分类器相匹配的最优特征子集，根据各最优特征子集构建最优LightGBM子分类器来识别信号中所含的单一扰动成分，并构建含多子分类器的多标签LightGBM来识别电能质量复合扰动。本方法识别准确率高、抗噪声能力强，并且能有效识别无训练样本未知类型复合扰动数据，避免将未知类型复合扰动误识别为错误的已知类型。
-
公开(公告)号：CN114707292B
公开(公告)日：2024-05-24
申请号：CN202210071063.0
申请日：2022-01-21
Applicant: 东北电力大学
IPC: G06F30/20 , G06Q10/047 , G06Q50/06 , H02J3/32 , G06F111/08 , G06F113/04
Abstract: 本发明公开了含电动汽车配电网电压稳定性分析方法，具体按照以下步骤实施：首先，计及目的地类型与时刻相关性建立出行链模型，结合蒙特卡洛仿真方法，实现出行模拟，生产海量充电负荷场景；其次，计及多节点空间相关性，基于条件Wasserstein梯度惩罚生成对抗网络建立常规负荷生成模型，生成大量常规负荷场景；然后，筛选出典型、极端充电负荷场景和典型、极端常规负荷场景，并构造潜在小概率极端负荷场景、典型负荷场景；最后，基于快速电压稳定指标和电压稳定裕度指标分析配电网电压稳定性，解决了规划结果与实际需求不平衡，导致充电站容量冗余的问题，能使电动汽车配电网电压稳定性分析结果更可靠。
-
公开(公告)号：CN115409336A
公开(公告)日：2022-11-29
申请号：CN202210978284.6
申请日：2022-08-16
Applicant: 东北电力大学
Abstract: 本发明公开了高比例光伏场景下含氢‑热联储的配电网扩展规划方法。为有效刻画光伏发电与多元负荷用能不确定性，建立了基于供暖季节划分的双层耦合气象聚类模型，基于各气象簇构建了辐照‑负荷‑温度多网格联合场景生成模型。为解决高比例光伏发电场景下传统光伏出力模型精度不足以及高PV出力场景下电力需求不足导致光伏出力难以消纳问题，构建了精细化分布式光伏系统物理模型链。考虑分布式氢‑热联储多能耦合提高了能源利用效率，并且平衡系统典型场景运行经济性、小概率高负荷场景供电可靠性与高PV出力场景光伏消纳三者间的矛盾冲突，得到配电网扩展规划结果能够很好地解决高比例光伏场景对配电网规划运行带来的经济性、可靠性与环保性问题。
-
Patent Agency Ranking
公开(公告)号：CN114742342A
公开(公告)日：2022-07-12
申请号：CN202210163570.7
申请日：2022-02-22
Applicant: 东北电力大学
Abstract: 本发明公开了基于多标签LightGBM的电能质量复合扰动识别方法，对原始扰动信号进行基于S变换的时‑频域特征提取，对单一扰动标签对应的LightGBM子分类器分别进行基于total_gain特征重要度的原始特征排序，并以各LightGBM子分类器的分类准确率为决策变量开展前向特征选择，确定与各子分类器相匹配的最优特征子集，根据各最优特征子集构建最优LightGBM子分类器来识别信号中所含的单一扰动成分，并构建含多子分类器的多标签LightGBM来识别电能质量复合扰动。本方法识别准确率高、抗噪声能力强，并且能有效识别无训练样本未知类型复合扰动数据，避免将未知类型复合扰动误识别为错误的已知类型。
-
公开(公告)号：CN114021799A
公开(公告)日：2022-02-08
申请号：CN202111270931.X
申请日：2021-10-29
Applicant: 国网辽宁省电力有限公司经济技术研究院 , 国家电网有限公司 , 东北电力大学
Inventor： 潘霄 , 张明理 , 赵琳 , 张娜 , 宋卓然 , 黄南天 , 高靖 , 吕旭明 , 李华 , 程孟增 , 吉星 , 商文颖 , 侯依昕 , 杨朔 , 杨博 , 刘禹彤 , 满林坤 , 徐熙林 , 杨海峰 , 杨方圆 , 刘凯 , 李金起 , 王宗元
Abstract: 本发明公开的风电场日前风电功率预测方法及系统，属于风力发电技术领域，包括：根据待预测日风电功率、数值天气预报气象特征和历史日风电功率的相关性，构建原始数据集；除去原始数据集中的待预测日风电功率，得到聚类数据集开展k‑means聚类，获得带簇标签的原始数据集，并根据鲁棒性辅助分类生成对抗网络，生成海量带标签场景；根据已知历史日风电功率和数值天气预报气象特征，确定待预测日的簇标签类别，并根据簇标签类别筛选出与待预测日风电功率相似度高的多个场景；根据相似场景中待预测日风电功率的平均值、上限值及下限值，分别获得待预测日多个设定时刻的风电功率的预测结果。本发明提高了风电功率的点预测与区间预测精度。
-
公开(公告)号：CN111932012A
公开(公告)日：2020-11-13
申请号：CN202010807686.0
申请日：2020-08-12
Applicant: 国网黑龙江省电力有限公司哈尔滨供电公司 , 国家电网有限公司 , 东北电力大学
Abstract: 本发明公开了储能系统-分布式电源-电容器综合控制无功优化方法，建立目标函数，按照预设算法进行定容选址计算，得到预设函数的候选解，并对第一最优解优化处理，挖掘出第二最优解，根据多策略融合的粒子群优化算法获得的最优帕累托前沿，确定当前优化问题的目标理想点以及每个第二最优解到理想点的欧式距离平方，得出决策折中解；本发明使用多种元件组合优化电能质量，提高配电网对分布式电源的消纳能力，并改善系统无功功率分布及电压水平，降低网络损耗；本发明引入多策略融合的粒子群优化算法对陷入局部最优的个体执行彻底搜索，具备较强的全局搜索能力，以及局部搜索能力，粒子跳出局部能力较强，大幅度地降低了种群陷入早熟收敛的概率。
-
公开(公告)号：CN110334875A
公开(公告)日：2019-10-15
申请号：CN201910617929.1
申请日：2019-07-10
Applicant: 东北电力大学
Abstract: 一种计及评估指标冲突的风电功率组合概率预测方法，其特点是，通过基于能量守恒定律优化的变分模态分解确定分解参数K且将原始风电功率信号分解为一系列的本征模函数分量，剔除幅值最小的一个本征模态函数，剩余的本征模态函数组合得到降低波动性和随机性后的风电功率序列；利用该风电功率序列构建包含96维历史特征的输入特征集合，并使用10个协方差函数构建不同的GPR模型；采用面积灰关联决策方法基于5种指标计算面积灰关联贴近度以综合评价各个预测模型性能、解决评估指标间的冲突；根据面积灰关联贴近度计算不同GPR概率预测模型在组合模型中的权重，构建组合模型，并以该组合概率预测模型开展风电功率概率组合预测。
-
公开(公告)号：CN109886464A
公开(公告)日：2019-06-14
申请号：CN201910050602.0
申请日：2019-01-20
Applicant: 东北电力大学
Abstract: 本发明是一种基于优化奇异值分解生成特征集的低信息损失短期风速预测方法，其特点是，包括：风速序列降噪处理、降维特征集生成、特征重要度计算、特征选择和模型验证等步骤，具有科学合理，适应性强，实用价值高，低信息损失和高精度预测的特点。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.043 seconds)
