-
公开(公告)号：CN110826795B
公开(公告)日：2023-06-09
申请号：CN201911056173.4
申请日：2019-10-31
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
IPC: G06Q10/04 , G06Q50/06 , G06F18/2431 , H02J3/00
Abstract: 一种极端温度气象日母线日前负荷预测方法，属于电力系统母线负荷预测技术领域，该预测方法为根据母线负荷历史数据和气象因素历史数据进行统计分析，确定极端温度气象日；构建XGBoost预测模型，将原始特征集合经过特征选择后的最优特征子集所包含的全部特征作为XGBoost模型的输入训练模型，确定极端温度气象待测日母线负荷；所述原始特征集合由待预测时刻温度、电价、风速、风向、相对湿度、日期类型、气压，以及待预测时刻前一周母线历史负荷组成；所述最优特征子集所包含的全部特征是原始特征集合的部分或者整体。采用本发明的方法能够提高极端温度气象条件下母线负荷日前预测的精度。
-
公开(公告)号：CN116070458A
公开(公告)日：2023-05-05
申请号：CN202310166832.X
申请日：2023-02-24
Applicant: 国网内蒙古东部电力有限公司经济技术研究院 , 国网内蒙古东部电力设计有限公司 , 国家电网有限公司 , 东北电力大学
Inventor： 唐健 , 刘建飞 , 刘宏扬 , 王鑫陶 , 张伟 , 赵立军 , 王俊生 , 金国锋 , 康赫然 , 张昭 , 张涛 , 张秀路 , 杨世峰 , 王姣 , 刑敬舒 , 武靖涵 , 黄南天
IPC: G06F30/20 , G06F18/23213 , G06F111/08 , G06F113/06
Abstract: 本发明公开了基于RAC‑GAN的新建风电场场景生成方法，具体按照如下步骤实施：步骤1、采用Pearson系数对气象因素进行筛选，获取对风电出力影响较大的气象因素；步骤2、利用气象因素，采用灰色关联度法对多个出力数据充足的风电场与新建风电场的气象历史数据时序变化一致性进行分析，将气象相关性高的风电场作为源电站；步骤3、采用K‑means方法对源电站气象数据进行聚类；步骤4、以簇信息作为RAC‑GAN模型的标签，以源电站出力数据为依据开展目标电站场景生成。本发明采用源电站选取方法，更具有效性；能够较好地实现新建风电场的风电出力场景生成，有效填补新建风电场的数据空缺；具有一定的实用意义。
-
公开(公告)号：CN115275999A
公开(公告)日：2022-11-01
申请号：CN202210951120.4
申请日：2022-08-09
Applicant: 东北电力大学
IPC: H02J3/00 , H02J7/00 , H02J7/04 , G06Q10/04 , G06F30/27 , G06N3/00 , G06F17/16 , G06Q50/06 , B60L53/00 , B60L53/60 , B60L53/63 , B60L53/64 , G06F111/06
Abstract: 本发明公开了计及电动汽车时变道路阻抗的配电网优化调度方法，具体按照以下步骤实施：建立计及时变道路阻抗的电动汽车出行路径选择模型，通过增强型Dijkstra路径搜索算法确定电动汽车出行路径；建立计及时变温度、交通路况因素的电动汽车充电负荷模型，结合电动汽车出行路径确定电动汽车充电功率；建立考虑配网经济运行的多目标优化调度模型，向该模型中输入电动汽车充电功率，采用基于动态学习因子的多目标粒子群算法对考虑配网经济运行的多目标优化调度模型求解含电动汽车充电功率分布；通过本发明配电网优化调度方法能够减小配电网负荷标准差、联络线功率标准差，降低配电网调度运行成本。
-
公开(公告)号：CN114465256A
公开(公告)日：2022-05-10
申请号：CN202210079212.8
申请日：2022-01-24
Applicant: 东北电力大学
Abstract: 本发明公开了多节点电动汽车充电负荷联合对抗生成区间预测方法，包括分析待预测日和历史日联合充电场景中多节点充电负荷间时‑空相关性，确定描述多节点电动汽车充电行为的原始多节点多相关日联合充电场景集；利用梯度惩罚Wasserstein生成对抗网络刻画充电负荷时‑空分布强随机性，对抗生成海量与原始场景集具有相似概率分布但时序分布存在差异的联合充电场景；根据生成的多节点多相关日联合充电场景集，采用加权2‑D相关系数筛选出与待预测日强相关联合场景集；根据待预测日强相关联合场景集获得多节点充电负荷区间预测结果；能更有效预测配网空间内电动汽车充电负荷时‑空分布，更有利于提高配电网运行的稳定性与经济性。
-
公开(公告)号：CN109886465B
公开(公告)日：2022-03-18
申请号：CN201910050608.8
申请日：2019-01-20
Applicant: 东北电力大学
Inventor： 黄南天 , 王文婷 , 蔡国伟 , 杨冬锋 , 黄大为 , 杨德友 , 孔令国 , 王燕涛 , 杨学航 , 包佳瑞琦 , 吴银银 , 张祎祺 , 李宏伟 , 陈庆珠 , 刘宇航 , 张良 , 刘博
Abstract: 一种基于智能电表用户聚类分析的配电网负荷预测方法，其特征是，包括：分析智能电表用户的负荷波动性，按照波动程度将一天24小时分成3个波动程度有差异的时段；确定预测器输入特征集，并分析该特征集合下，不同用户的特征重要度；以特征重要度集合描述用户差异，并对用户进行SDCKM聚类，将输入特征具有相似响应程度的用户分为一类，日内不同配网总负荷波动程度时段最优聚类结果采用统计实验确定；选取基于集成学习的随机森林预测器，针对不同波动程度时段最优聚类结果，分别构建滚动预测模型。解决了聚类中心初始点选取具有随机性，容易陷入局部最优的问题，降低了滚动预测模型的预测误差，提高基于智能电表用户的配电网负荷预测精度。
-
Patent Agency Ranking
公开(公告)号：CN109886464B
公开(公告)日：2022-03-18
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。
-
公开(公告)号：CN112414713A
公开(公告)日：2021-02-26
申请号：CN202011217106.9
申请日：2020-11-04
Applicant: 吉电(滁州)章广风力发电有限公司 , 东北电力大学
IPC: G01M13/045
Abstract: 本发明公开了一种基于实测信号的滚动轴承故障检测方法，首先，采用阶比跟踪技术将滚动轴承故障时域振动信号转换到角域；然后，利用天牛须搜索算法对变分模态分解进行参数优化，对滚动轴承各状态振动信号进行分解，得到一系列固有模态函数，轴承发生不同故障时，不同本征模态函数内的频带能量会发生变化；然后，从包含有主要故障信息的模态分量中提取Renyi熵特征，构建特征子集；最后，使用易于获取的正常状态振动信号训练，提取了故障特征量并建立了故障数据样本与增量学习数据样本，采用单类支持向量机增量学习算法训练得到了故障识别模型，准确判断滚动轴承是否发生故障，实现故障预警。
-
公开(公告)号：CN112241610A
公开(公告)日：2021-01-19
申请号：CN202011139434.1
申请日：2020-10-22
Applicant: 杭州电力设备制造有限公司 , 东北电力大学
IPC: G06F30/27 , G06F113/16 , G06F119/02 , G06F119/04
Abstract: 本发明一种交联聚乙烯电缆的健康状态评估方法，针对交联聚乙烯电缆健康状态数据集中存在噪声数据，且各维特征重要度难以确定导致健康状态评估存在误差，提出了将基于Relief‑F特征加权的模糊支持向量机分类算法应用于交联聚乙烯电缆健康状态评估。该方法通过Relief‑F特征选择算法对特征进行选择，并利用特征选择后的数据集设计了模糊支持向量机的隶属度函数，赋予了噪声数据和非最重要特征更小的隶属度，提高交联聚乙烯电缆健康状态评估的准确率。
-
公开(公告)号：CN110567720B
公开(公告)日：2020-12-18
申请号：CN201910727433.X
申请日：2019-08-07
Applicant: 东北电力大学
Abstract: 本发明是一种非平衡小样本场景下风机轴承故障深度对抗诊断方法，其特点是，包括风电机组轴承振动信号采集、改进AC‑GAN模型构建、改进AC‑GAN样本构建、风电机组轴承振动信号样本生成和各场景下风电机组轴承故障诊断步骤：解决了基于振动信号的风机故障诊断存在的振动信号噪声干扰复杂、故障样本少且类别间样本数非平衡等问题，提高了小样本非平衡场景下故障识别准确率，能够在高噪声干扰、样本数量不足及不同类型样本训练集规模非平衡等复杂场景下具有较好的故障识别准确率，具有科学合理，适应性强，实用价值高，可为风机研发、风电场运行维护、风机研究等相关人员提供参考。
-
公开(公告)号：CN110826795A
公开(公告)日：2020-02-21
申请号：CN201911056173.4
申请日：2019-10-31
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
Abstract: 一种极端温度气象日母线日前负荷预测方法，属于电力系统母线负荷预测技术领域，该预测方法为根据母线负荷历史数据和气象因素历史数据进行统计分析，确定极端温度气象日；构建XGBoost预测模型，将原始特征集合经过特征选择后的最优特征子集所包含的全部特征作为XGBoost模型的输入训练模型，确定极端温度气象待测日母线负荷；所述原始特征集合由待预测时刻温度、电价、风速、风向、相对湿度、日期类型、气压，以及待预测时刻前一周母线历史负荷组成；所述最优特征子集所包含的全部特征是原始特征集合的部分或者整体。采用本发明的方法能够提高极端温度气象条件下母线负荷日前预测的精度。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.031 seconds)
