-
公开(公告)号：CN111766781A
公开(公告)日：2020-10-13
申请号：CN202010373106.1
申请日：2020-05-06
Applicant: 东北电力大学 , 重庆电力高等专科学校 , 吉林省电力科学研究院有限公司
IPC: G05B13/04
Abstract: 本发明公开了基于复合学习和DOB的多机电力系统自适应动态面控制器，控制器是基于以下步骤实现的：1)构造具有SVC装置的大型电力系统的数学模型；2)设计多机电力系统模糊逻辑系统逼近器，使其逼近得出步骤1)中多机电力系统模型内的未知函数；3)设计状态预测器，在更新律设计中加入预测误差，并引入补偿信号，将干扰观测器和模糊逻辑系统相结合，设计出基于复合学习和干扰观测器的多机电力系统自适应模糊动态面控制器。本发明所述控制器在更新律设计中加入了预测误差，并结合干扰观测器和模糊逻辑系统，对系统的广义扰动进行了估计，从而提高了逼近精度，在控制律的设计中引入了补偿信号，从而消除了在动态面方法中由于使用滤波器而产生的滤波误差。
-
公开(公告)号：CN111766781B
公开(公告)日：2022-09-27
申请号：CN202010373106.1
申请日：2020-05-06
Applicant: 东北电力大学 , 重庆电力高等专科学校 , 吉林省电力科学研究院有限公司
IPC: G05B13/04
Abstract: 本发明公开了基于复合学习和DOB的多机电力系统自适应动态面控制器，控制器是基于以下步骤实现的：1)构造具有SVC装置的大型电力系统的数学模型；2)设计多机电力系统模糊逻辑系统逼近器，使其逼近得出步骤1)中多机电力系统模型内的未知函数；3)设计状态预测器，在更新律设计中加入预测误差，并引入补偿信号，将干扰观测器和模糊逻辑系统相结合，设计出基于复合学习和干扰观测器的多机电力系统自适应模糊动态面控制器。本发明所述控制器在更新律设计中加入了预测误差，并结合干扰观测器和模糊逻辑系统，对系统的广义扰动进行了估计，从而提高了逼近精度，在控制律的设计中引入了补偿信号，从而消除了在动态面方法中由于使用滤波器而产生的滤波误差。
-
公开(公告)号：CN106027122A
公开(公告)日：2016-10-12
申请号：CN201610522947.8
申请日：2016-07-05
Applicant: 重庆电力高等专科学校 , 国家电网公司 , 华北电力大学
CPC classification number: H04B3/46 , G06F17/5009 , H04B3/487
Abstract: 本发明公开了一种低压电力线信道背景噪声建模方法，包括以下步骤：A.使用MATLAB软件仿真有色背景噪声和窄带噪声，得到两种噪声的时域仿真图并计算其频谱和功率谱密度；B.利用峰式马尔科夫链为所述仿真噪声建模；C.采用小波包变换对仿真的噪声信号进行n层小波包分解；D.对2n个小波包系数进行峰式马尔科夫链建模；E.由峰式马尔科夫链统计得到幅值上升状态转移矩阵和幅值下降状态转移矩阵，构造新的小波包系数；F.逐层重构一维噪声信号，得到新的噪声序列；G.使用均方根误差验证仿真的噪声数据与建模后的噪声是否一致。
-
公开(公告)号：CN105933035A
公开(公告)日：2016-09-07
申请号：CN201610521918.X
申请日：2016-07-05
Applicant: 重庆电力高等专科学校 , 国家电网公司 , 华北电力大学
IPC: H04B3/54 , H04L12/24 , H04B17/391
CPC classification number: H04L41/145 , H04B3/54 , H04B17/3912 , H04L41/50
Abstract: 本发明公开了一种基于网络参数的电力线信道特性分析方法，其特征在于，包括以下步骤：A.通过将电力线信道的传输矩阵H(f)进行傅里叶反变换得出对应的时域响应h(t)；B.利用已知电力线的网络拓扑结构建立信道模型；C.研究电力线各种网络拓扑结构和系统网络参数对电力线信道产生的影响，计算信道的衰减特性A(f，d)。
-
公开(公告)号：CN217590103U
公开(公告)日：2022-10-14
申请号：CN202221468239.8
申请日：2022-06-10
Applicant: 重庆电力高等专科学校 , 重庆电专能创勘察设计有限公司
IPC: H02G3/04
Abstract: 本实用新型涉及电力设备技术领域，具体涉及绝缘阻燃型低压配电电力线槽，包括主线槽、分线槽、多个隔板和防护组件，主线槽具有连接缺口，防护组件包括主盖板、分盖板、主螺栓和分螺栓。布线时，根据使用需要将零线和火线布置于主线槽和分线槽内，通过隔板隔开，预防或减少不同配电线之间因负荷过载或短路使线路热量累积造成绝缘热击穿而损坏引发电气火灾事故。完成布线后转动主盖板和分盖板，能够方便将主线槽和分线槽封闭，并能对主盖板和分盖板进行限位，避免主盖板和分盖板随意打开，人为外力破坏影响线材的使用寿命，从而解决主线槽和分线槽中的线材露天放置，导致有腐蚀性异物进入主线槽和分线槽引起线材老化影响线材使用寿命的问题。
-
Patent Agency Ranking
公开(公告)号：CN204190501U
公开(公告)日：2015-03-04
申请号：CN201420752425.3
申请日：2014-12-05
Applicant: 重庆电力高等专科学校 , 国网重庆市电力公司电力科学研究院
IPC: H02J13/00
CPC classification number: Y02E60/723 , Y04S10/16
Abstract: 本实用新型公开了一种智能变电站控制系统。该系统包括至少一个待巡视电力设备，每一个待巡视电力设备均与一个对应的测控设备电连接，并且在每一个待巡视电力设备处还设置有控制该待巡视电力设备与其对应的测控设备之间的电连接线路在接通、断开状态下切换的指纹开关。本实用新型能够很好的监控巡视检查人员检查有效到位问题，同时还能够识别巡视检查人员的合法身份；并且，本实用新型在待巡视电力设备、测控设备之间的电连接线路上设有延时电路，在每一个待巡视电力设备处还设有存储器，可使得测控设备中的数据更准确和完整。
-
公开(公告)号：CN110544047A
公开(公告)日：2019-12-06
申请号：CN201910854363.4
申请日：2019-09-10
Applicant: 东北电力大学
Abstract: 本发明公开了一种不良数据辨识方法，包括以下步骤：S1，使用凝聚层次聚类算法和真实Index的模型评估指标，确定PAM算法的初始聚类个数；S2，使用PAM算法对正常数据进行聚类，并计算每类的均方差，得出正常数据的类均方差范围；S3，运用间隙统计算法对待测数据进行聚类并得出结果；S4，比较待测数据所得聚类个数与正常数据通过HC-Center聚类算法所得聚类个数是否一致，若一致即不存在不良数据，否则需计算每个类的均方差，判断其是否在正常数据的类均方差范围之内，若不在，则类中数据视为不良数据。本发明解决了PAM算法需要人为设定初始聚类个数的缺陷，提高了聚类的准确度；能够高效、准确地对数据进行聚类运算。
-
公开(公告)号：CN110748877A
公开(公告)日：2020-02-04
申请号：CN201911047740.X
申请日：2019-10-30
Applicant: 国电电力发展股份有限公司 , 东北电力大学 , 烟台龙源电力技术股份有限公司 , 神华国华(北京)电力研究院有限公司 , 河北国华沧东发电有限责任公司
Abstract: 本申请公开了燃煤锅炉及控制方法。该燃煤锅炉包括：设置于给煤装置和锅炉炉膛之间的煤粉预处理装置，煤粉预处理装置包括点火器、煤粉预热解装置、浓相输送管道以及稀相输送管道，其中：煤粉预热解装置的入口管道与给煤装置连接；浓相输送管道和稀相输送管道分别与锅炉炉膛连接；点火器设置于煤粉预热解装置的入口管道中；煤粉预热解装置的入口管道与煤粉预热解装置的出口管道垂直连接，并且煤粉预热解装置的出口管道两端分别连接浓相输送管道和稀相输送管道。由于该燃煤锅炉中包括设置于给煤装置和锅炉炉膛之间的煤粉预处理装置，在燃煤进入锅炉炉膛中燃烧发电之前进行预处理，因此能解决现有技术中的问题。
-
公开(公告)号：CN111401785A
公开(公告)日：2020-07-10
申请号：CN202010274132.9
申请日：2020-04-09
Abstract: 本发明公开了一种基于模糊关联规则的电力系统设备故障预警方法，涉及故障预警方法，包括以下步骤：由K均值和信息熵混合迭代确定电力设备数据的最佳分区数，以实现动态自适应边界划分；引入模糊集以软化属性边界划分，使用模糊C均值进行模糊区间划分；使用Apriori算法，选取一组最佳的最小支持度和信任度作为挖掘算法的主参数，以此参数挖掘出关联规则构建规则库，以分析预测电力设备的故障状态。本发明的方法能够定量地得到属性离散化时的最佳分区数，实现动态自适应属性边界划分；相较传统的关联规则方法能够快速准确地检测到设备的故障状态。
-
公开(公告)号：CN109978079A
公开(公告)日：2019-07-05
申请号：CN201910285971.8
申请日：2019-04-10
Applicant: 东北电力大学
IPC: G06K9/62 , G06F16/215 , G06N3/04
Abstract: 本发明公开了一种改进的堆栈降噪自编码器的数据清洗方法，首先，引入Adam和SGD的混合算法，以不断调整堆栈降噪自编码器模型的网络参数；其次，利用模型训练正常状态数据，获取数据的隐藏特征，得到正常状态下的重构误差；再次，用该模型检测异常状态数据，根据其重构误差分析各种类型的数据对模型的影响，并对“脏数据”和反映设备故障的异常数据快速分类清洗修复。本发明的AS‑SDAE可以直接智能分析监测数据，能更好地挖掘数据隐藏的高阶特征，保证了“脏数据”清洗的高效性，保留了反映设备本身异常情况的有用数据，提高了数据分析效率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.124 seconds)
