-
公开(公告)号：CN109711435A
公开(公告)日：2019-05-03
申请号：CN201811468216.5
申请日：2018-12-03
Applicant: 三峡大学
Abstract: 一种基于遗传算法的支持向量机在线电压稳定性监测方法，包括通过电网系统向量测量单元(Phasor Measurement Unit，PMU)装置获取初始的数据，并利用这些数据通过常规潮流计算以确定电网电压稳定裕度指标；结合PMU获取的初始数据和电网电压稳定裕度指标生成支持向量机的样本数据，并将样本数据分成训练样本数据和测试样本数据等步骤，本发明是针对传统的电压稳定分析方法最大的缺陷在于最大负载点处的雅克比矩阵的奇异性，并且计算量大、在线应用能力差；而新的机器学习技术比如ANNs在处理非线性回归问题时，受限于训练时间量和学习参数值而提出的。
-
公开(公告)号：CN119134350A
公开(公告)日：2024-12-13
申请号：CN202411137908.7
申请日：2024-08-19
Applicant: 三峡大学
Abstract: 本发明属于电网低碳优化调度领域技术领域，具体提供一种计及储液式碳捕集电厂的含风电系统低碳经济调度方法，包括：基于燃烧后碳捕集技术，加装储液罐，构建储液式碳捕集电厂运行模型；对碳捕集机组的净出力进行量化分析；引入抽水蓄能机组和风电机组模型，以机组出力情况为决策变量，系统综合成本最优为目标，考虑机组运行约束和系统安全性约束，构建考虑碳交易的风电‑碳捕集联合运行的低碳调度模型；采用松弛技术与分段线性化方法将电量不足期望值与弃风期望值分段线性化。该方法一利用储液式碳捕集电厂参与系统调峰解决风电接入场景下的风电消纳问题，提升系统运行的稳定性和经济性。
-
公开(公告)号：CN118863152A
公开(公告)日：2024-10-29
申请号：CN202410894431.0
申请日：2024-07-04
Applicant: 三峡大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/006 , G06N3/08
Abstract: 本发明公开了一种基于误差校正的小水电负荷预测方法，包括，通过集成经验模态分解EEMD将小水电负荷数据进行分解成若干模态分量，降低数据的复杂程度，并利用基于多浣熊目标算法MOCOA对BiLSTM神经网络的超参数进行寻优，得到最佳的参数组合，建立负荷预测模型，得出初步预测数值；然后综合考虑上阶段的真实值和预测值作差所得误差序列和外界影响因素的误差数据集，建立误差校正模型，得到误差校正值，然后叠加两个阶段的预测值，为最终的负荷预测结果。
-
公开(公告)号：CN117829458A
公开(公告)日：2024-04-05
申请号：CN202311634587.7
申请日：2023-11-29
Applicant: 三峡大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q10/047 , G06Q30/0204 , G06Q50/06 , G06Q50/40 , G06N3/006
Abstract: 本发明公开了一种计及电动汽车充电需求分布特性的充电站选址定容方法，该方法基于各类电动汽车出行数据生成不同时段的转移概率矩阵，配合Floyd算法模拟电动汽车一天行驶轨迹，并利用拉丁超立方抽样法预测电动汽车充电需求的时空分布。在此基础上，综合考虑运营商‑用户‑电网三方利益，以综合社会成本最小为目标建立充电站选址定容模型，利用Voronoi图划分充电站服务范围，通过改进粒子群算法对充电站位置和数量进行寻优。本发明计及了不同类型电动汽车的充电需求分布特性，保证了投资的经济性、用户的满意度以及电网的稳定性，具有较好的实用性，可为实际充电站规划提供参考。
-
公开(公告)号：CN117674073A
公开(公告)日：2024-03-08
申请号：CN202311363394.2
申请日：2023-10-18
Applicant: 三峡大学
IPC: H02J3/00 , H02J3/46 , G06Q10/04 , G06Q10/0631 , G06Q30/0201 , G06Q50/06 , G06N7/02
Abstract: 本发明提供了一种计及阶梯型碳交易的风电‑碳捕集虚拟电厂的优化调度方法，包括构建阶梯型碳交易模型、构建风电‑碳捕集虚拟电厂模型、引入模糊机会约束、构建约束条件以及通过MATLAB中的cplex求解器对计及阶梯型碳交易的风电‑碳捕集虚拟电厂的优化调度模型在约束条件下进行求解，得出各机组最优出力分配方案等步骤，优化调度的模型包括阶梯型碳交易成本、火电机组发电成本、灵活运行的碳捕集电厂和风电厂运行维护成本，以系统总运行成本最小为目标优化各机组出力。本发明采用cplex求解器进行求解。算例结果表明，本发明可有效促进风电消纳、降低系统综合成本、实现电力运行低碳化。
-
Patent Agency Ranking
公开(公告)号：CN117635391A
公开(公告)日：2024-03-01
申请号：CN202311356248.7
申请日：2023-10-18
Applicant: 三峡大学
IPC: G06Q50/26 , H02J3/00 , G06Q50/06 , G06Q30/0201 , G06Q40/04 , G06Q10/067 , G06Q10/04
Abstract: 本发明公开一种基于富氧燃烧‑P2G与递变阶梯碳交易机制的低碳运行方法，包括步骤1：分别将富氧燃烧模型与电转气模型引入到综合能源系统，研究富氧燃烧‑电转气耦合的工作机理以及对富氧燃烧‑电转气联合运行模式进行建模；步骤2：将递变阶梯碳交易机制引入到综合能源系统，并构建递变阶梯碳交易机制模型；步骤3：根据综合能源系统的实际运行情况，建立综合能源系统的能量转化设备和能量存储设备的运行模型，列写电、热、气、氢的多能流平衡方程；步骤4：构建以系统总运行成本最小的低碳经济运行目标，并调用CPLEX求解器对设置的不同场景进行求解分析；本发明能够有效拓展风电消纳空间，提高系统的经济性以及降低碳排放水平。
-
公开(公告)号：CN114926392A
公开(公告)日：2022-08-19
申请号：CN202210352274.1
申请日：2020-07-03
Applicant: 三峡大学
IPC: G06T7/00 , G06T7/11 , G06T7/13 , G06T7/136 , G06T7/155 , G06T7/187 , G06T7/194 , G06T7/66 , G06T7/90 , G06T5/50 , G06T5/00 , G06V20/10 , G06K9/62 , G06V10/74 , G06T7/73 , G06T3/00 , G06T7/62
Abstract: 基于图像融合的高光区域去除方法，包括如下步骤：利用SIFT算法对基准图和辅助图进行特征点检测，生成特征描述向量，并用最近邻法对基准图和辅助图进行特征匹配；通过得到的特征匹配点，求取透视变换矩阵，采用透视变换对辅助图进行视角、尺寸调整，使其与基准图一致；根据基准图中检测到的高光区域位置，用透视变换后的辅助图相对应区域位置，对其进行纹理填补修复，进而去除基准图中的高光。本发明利用改进的OTSU二维阈值分割方法快速检测图像中的高光干扰，降低噪声的影响，使基准图中高光区域检测更加精准。
-
公开(公告)号：CN114926391A
公开(公告)日：2022-08-19
申请号：CN202210352267.1
申请日：2020-07-03
Applicant: 三峡大学
IPC: G06T7/00 , G06T7/11 , G06T7/13 , G06T7/136 , G06T7/155 , G06T7/187 , G06T7/194 , G06T7/66 , G06T7/90 , G06T5/50 , G06T5/00 , G06V20/10 , G06K9/62 , G06V10/74 , G06T7/73 , G06T3/00 , G06T7/62
Abstract: 基于改进RANSAC算法的透视变换方法，利用SIFT算法已经求得基准图和辅助图特征匹配点的坐标，为此只需随机选取4对特征匹配点就可求得变换矩阵，利用变换矩阵即可对辅助图进行透视变换。在计算变换矩阵时只需4对匹配点，提出了一种改进的RANSAC算法。本发明可有助于更好地辅助智能巡检机器人识别图像中压板的运行状态，提升其抗干扰的能力。
-
公开(公告)号：CN111751671A
公开(公告)日：2020-10-09
申请号：CN202010605765.3
申请日：2020-06-29
Applicant: 三峡大学
Abstract: 基于VMD-DTW聚类的小电流接地系统故障选线方法，包括以不同线路的零序电流为样本，采用VMD分解法提取和增强零序电流原始信号，将零序电流原始信号分解成高中低三个频段的模态分量；然后使用DTW法计算不同线路模态分量的相似性，实现不同线路零序电流相似性测度；根据相似性测度结果更新HAC聚类簇中心，以实现零序电流特征的聚类；根据聚类结果区分故障线路和健康线路，最终实现对小电流接地系统的故障选线目的。本发明方法可以避免由电网调度监控人员使用拉路法区分故障线路而产生的一系列问题，辅助监控人员及时发现故障线路，保证配电网的安全稳定运行。
-
公开(公告)号：CN111736084A
公开(公告)日：2020-10-02
申请号：CN202010605779.5
申请日：2020-06-29
Applicant: 三峡大学
IPC: G01R31/392 , G01R31/379 , G01R31/367 , G06N3/04 , G06N3/08
Abstract: 基于改进LSTM神经网络的阀控铅酸蓄电池健康状态预测方法，通过在线监测装置每日测量得到蓄电池的浮充电压、均充电流、均充时长、放电截止电压、放电时长输入数据，蓄电池容量通过每两个月一次的核对性均衡充电测得。以n天为时间跨度，建立n维的样本输入x(ti)。以蓄电池容量数据序列h(ti)作为输出，x(ti)作为输入，建立一个包含多个LSTM神经网络单元的神经网络模型。初始状态下，通过随机生成0到1之间的小数，为网络中的权重矩阵W和偏置矩阵b进行赋值。引入Dropout算法改进LSTM神经网络模型，对其训练过程进行改进。本发明可以减少因数据样本不足导致的预测精度过低和欠拟合问题，对变电站蓄电池健康状态进行准确预测，提高蓄电池利用率。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.032 seconds)
