-
公开(公告)号：CN110829434A
公开(公告)日：2020-02-21
申请号：CN201910938908.X
申请日：2019-09-30
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
Abstract: 本发明公开了一种提高深度神经网络潮流模型扩展性的方法，主要步骤为：1)获取电力系统基本数据；2)确定特征向量；3)建立原始DNN潮流模型；4)对原始DNN潮流模型进行训练，得到训练后的原始DNN潮流模型；5)对原始DNN潮流模型进行扩建，得到扩建DNN潮流模型；6)对扩建系统概率潮流进行解算，得到概率潮流结果。本发明可广泛应用于电力系统的概率潮流求解，特别适用于因系统扩建导致原始系统DNN无法适用的情况。
-
-
公开(公告)号：CN109784692A
公开(公告)日：2019-05-21
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：CN109599872A
公开(公告)日：2019-04-09
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。
-
公开(公告)号：CN109167348A
公开(公告)日：2019-01-08
申请号：CN201810970536.4
申请日：2018-08-24
Applicant: 重庆大学
Abstract: 本发明公开了基于多参数规划理论的联络线功率可行域确定方法，主要包括以下步骤：1)获取交流联络线下的电力网络基本参数和直流联络线下的电力网络基本参数。2)根据交流联络线下的电力网络基本参数，建立交流联络线下的外网最优潮流模型。3)根据直流联络线下的电力网络基本参数，建立直流联络线下的外网最优潮流模型。4)求解交流联络线功率可行域。5)求解直流联络线功率可行域。本发明可以准确地刻画直流联络线以及交流联络线功率的可行域，为区域电网的优化提供准确的联络线边界条件，保证了区域电网优化结果的安全性和经济性。
-
Patent Agency Ranking
公开(公告)号：CN108734391A
公开(公告)日：2018-11-02
申请号：CN201810430636.8
申请日：2018-05-08
Applicant: 重庆大学
Abstract: 本发明公开一种基于堆栈降噪自动编码器的电-气综合能源系统概率能流量计算方法。首先借助SDAE的深层堆栈结构以及编码解码过程，建立基于SDAE的能量流模型以有效挖掘非线性能量流方程的高阶特征。在此基础上，结合能量流输入输出的数值特点，提出基于ReLU激活函数、离差标准化归一化以及小批量梯度下降法的训练方法，以提高训练精度与速度。然后，结合MCS法抽样出待解样本，使用训练后的SDAE能量流模型直接映射出所有抽样样本的能量流值，从而在不增加硬件成本的前提下实现概率能量流的高精度在线计算。
-
公开(公告)号：CN108336739A
公开(公告)日：2018-07-27
申请号：CN201810033786.5
申请日：2018-01-15
Applicant: 重庆大学
IPC: H02J3/06
Abstract: 本发明公开了一种基于RBF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RBF神经网络概率潮流模型。2)获取所述RBF神经网络概率潮流模型的训练样本x。3)对所述训练样本数据x进行处理。4)对所述RBF神经网络概率潮流模型进行训练。5)获取计算样本。6)将步骤5得到的计算样本数据一次性输入步骤4中训练完成的RBF神经网络概率潮流模型中，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。将计算样本数据进行反归一化处理。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：CN114676619A
公开(公告)日：2022-06-28
申请号：CN202111429219.X
申请日：2021-11-28
Applicant: 重庆大学
IPC: G06F30/27 , G01D21/02 , G06F119/08
Abstract: 本发明公开基于自编码器和集成学习储能电池热失控预警方法，步骤为：1)基于不同训练样本数据，建立若干基于自编码器的储能电池热失控预警基础模型；2)对若干基于自编码器的储能电池热失控预警基础模型进行集成训练，得到储能电池热失控预警模型；3)获取储能电池实时运行数据，并分别输入到每个储能电池热失控预警基础模型中，得到每个储能电池热失控预警基础模型输出的储能电池热失控状态判断结果；4)将所有储能电池热失控状态判断结果输入到储能电池热失控预警模型中，计算储能电池热失控概率。本发明通过建立端到端的数据模型以实现对潜在热失控储能电池的提前预警，弥补了该领域实验方法和机理模型方法的缺陷。
-
公开(公告)号：CN108734391B
公开(公告)日：2021-07-20
申请号：CN201810430636.8
申请日：2018-05-08
Applicant: 重庆大学
Abstract: 本发明公开一种基于堆栈降噪自动编码器的电‑气综合能源系统概率能流量计算方法。首先借助SDAE的深层堆栈结构以及编码解码过程，建立基于SDAE的能量流模型以有效挖掘非线性能量流方程的高阶特征。在此基础上，结合能量流输入输出的数值特点，提出基于ReLU激活函数、离差标准化归一化以及小批量梯度下降法的训练方法，以提高训练精度与速度。然后，结合MCS法抽样出待解样本，使用训练后的SDAE能量流模型直接映射出所有抽样样本的能量流值，从而在不增加硬件成本的前提下实现概率能量流的高精度在线计算。
-
公开(公告)号：CN110829434B
公开(公告)日：2021-04-06
申请号：CN201910938908.X
申请日：2019-09-30
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
Abstract: 本发明公开了一种提高深度神经网络潮流模型扩展性的方法，主要步骤为：1)获取电力系统基本数据；2)确定特征向量；3)建立原始DNN潮流模型；4)对原始DNN潮流模型进行训练，得到训练后的原始DNN潮流模型；5)对原始DNN潮流模型进行扩建，得到扩建DNN潮流模型；6)对扩建系统概率潮流进行解算，得到概率潮流结果。本发明可广泛应用于电力系统的概率潮流求解，特别适用于因系统扩建导致原始系统DNN无法适用的情况。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.127 seconds)
