-
公开(公告)号：CN111060779B
公开(公告)日：2022-03-11
申请号：CN201911143515.6
申请日：2019-11-20
Applicant: 安徽大学
IPC: G01R31/08
Abstract: 本发明的一种基于概率神经网络的电网分区故障诊断方法及系统，可解决大电网故障诊断难度大的技术问题；本发明通过将大电网划分为小区域进行故障诊断，降低大电网故障诊断的难度。首先利用概率神经网络对分区的电网故障进行诊断，然后利用灰色关联度对重合区域的线路故障进行再分析，实现整个电网的精准故障诊断。本发明不仅能够诊断出非重合区域故障，而且能够准确诊断重合区域的故障。有效降低大电网故障诊断的复杂度，能够处理多种复杂故障情况，具有良好的故障诊断能力。
-
公开(公告)号：CN112016732A
公开(公告)日：2020-12-01
申请号：CN202010209920.X
申请日：2020-03-23
Applicant: 国网安徽省电力有限公司 , 安徽大学
Abstract: 本发明的一种基于IRF和ODBSCAN的电力负荷频域预测方法及系统，可解决现有方法误差较大的技术问题。本发明提出基于改进的随机森林IRF(Improved Random Forest)和ODBSCAN(Optimized Density-Based Spatial Clustering of Applications with Noise)的频域组合预测方法。首先，采用EWT(Empirical Wavelet Transform)分解负荷，得到不同的固有模态分量IMFs(Intrinsic Mode Functions)；其次，根据各分量特征采用合理的方法进行预测。其中，低频、中频分量采用IRF预测；高频分量具有不确定性，使用ODBSCAN根据气象因素温度和湿度聚类，再根据每类的样本特性选择处理方法。最后，叠加各分量的预测值，获取总的预测结果。根据某地市现场负荷数据进行实验，预测结果分别与EWT-IRF、EWT-RF(Random Forest)、EMD(Empirical Mode Decomposition)-IRF模型的预测结果进行对比，可以获得更佳的预测效果，体现实际负荷的变化规律。
-
公开(公告)号：CN111060779A
公开(公告)日：2020-04-24
申请号：CN201911143515.6
申请日：2019-11-20
Applicant: 安徽大学
IPC: G01R31/08
Abstract: 本发明的一种基于概率神经网络的电网分区故障诊断方法及系统，可解决大电网故障诊断难度大的技术问题；本发明通过将大电网划分为小区域进行故障诊断，降低大电网故障诊断的难度。首先利用概率神经网络对分区的电网故障进行诊断，然后利用灰色关联度对重合区域的线路故障进行再分析，实现整个电网的精准故障诊断。本发明不仅能够诊断出非重合区域故障，而且能够准确诊断重合区域的故障。有效降低大电网故障诊断的复杂度，能够处理多种复杂故障情况，具有良好的故障诊断能力。
-
公开(公告)号：CN112561139A
公开(公告)日：2021-03-26
申请号：CN202011395236.1
申请日：2020-12-03
Applicant: 安徽大学
Abstract: 本发明的一种短期光伏发电功率预测方法和系统，本发明从选取数据集和评价指标入手，对所选数据集进行数据预处理，包括数据清洗、特征选择和归一化。数据清洗即使用iForest算法对异常数据清洗；特征选择是根据计算气象因素和光伏发电功率的皮尔逊系数，选择两者相关性强的气象因子作为模型的输入特征；归一化则消除不同类别输入数据数值上的差异对模型的学习训练产生不利的影响。基于Davies‑Bouldin指数的K‑means算法对特征展开聚类分析，在给定主要网络参数的前提下，给出了误差修正后的短期光伏发电功率的预测结果，以单一的BP以及LSTM方法作对比，验证了所提方法的预测精度更理想。
-
-
-
Search Results
4
records
(took 0.016 seconds)
