-
公开(公告)号：CN119720772A
公开(公告)日：2025-03-28
申请号：CN202411802839.7
申请日：2024-12-09
Applicant: 云南电网有限责任公司电力科学研究院
Abstract: 一种负荷参数辨识方法、装置、介质及设备，涉及电力设备领域；能够对模型的参数进行优化，提高参数辨识的准确性。该负荷参数辨识方法包括：获取电力系统的实测录波数据，实测录波数据中包括负荷节点的电流、电压、有功功率和无功功率；构建动态负荷模型与静态负荷模型并联的综合负荷模型，确定综合负荷模型的目标函数；将实测录波数据中的电流、电压输入综合负荷模型，得到综合负荷模型的输出数据，基于输出数据与实测录波数据中的有功功率和无功功率计算目标函数的函数值；基于蜣螂优化算法对综合负荷模型进行优化，直到目标函数的函数值符合预设条件，得到电力系统的辨识参数。
-
公开(公告)号：CN119669905A
公开(公告)日：2025-03-21
申请号：CN202411763625.3
申请日：2024-12-03
Applicant: 云南电网有限责任公司电力科学研究院
IPC: G06F18/2415 , H02J3/00 , G06F18/214
Abstract: 本发明实施例公开了一种负荷建模参数辨识方法及相关装置，方法包括：获取电力系统的负荷数据集合，负荷数据集合包括各个时间点的负荷数据样本，负荷数据样本包括电流、电压、有功功率和无功功率；采用支持向量机建立负荷模型，负荷模型的输入数据为电压电流，负荷模型的输出数据为有功功率和无功功率；基于留一交叉验证法及负荷数据集合对负荷模型的模型参数进行辨识，得到最优负荷模型参数。通过上述方式，采用一种基于留一交叉验证法(Leave‑One‑Out Cross Validation,LOOCV)优化支持向量机(SVM)构建的负荷模型的模型参数的方法，以实现电力系统负荷模型的高精度辨识。
-
公开(公告)号：CN119557577A
公开(公告)日：2025-03-04
申请号：CN202411782205.X
申请日：2024-12-05
Applicant: 云南电网有限责任公司电力科学研究院
Abstract: 本发明实施例公开了一种负荷曲线信号分解方法，所述方法包括：采集原始负荷曲线信号X(t)并对其添加高斯白噪声δ0ωn(t)，得到负荷曲线信号Xn(t)；根据完全集合多元变分模态分解对所述负荷曲线信号进行处理，得到模态数量和对应的若干个模态分量；设置预设条件，并判断所述模态数量和对应的若干个模态分量是否满足预设条件；若所述模态数量和对应的若干个模态分量满足预设条件，则将所述若干个模态数量和对应的若干个模态分量作为负荷曲线的分解结果。本发明通过应用完全集合多元变分模态对信号进行分解、设置预设条件进行筛选和验证的步骤，获得负荷曲线的有效分解结果，有助于理解负荷曲线的内在结构和特征，为后续预测支持提供数据基础。
-
Patent Agency Ranking
公开(公告)号：CN119719738A
公开(公告)日：2025-03-28
申请号：CN202411763629.1
申请日：2024-12-03
Applicant: 云南电网有限责任公司电力科学研究院
IPC: G06F18/213 , H02J3/00 , G01R31/00 , G06F18/25 , G06N3/0464 , G06N3/08 , G06F17/18
Abstract: 本发明公开了一种同步相量数据的特征提取方法、模型训练方法、介质和设备，利用动态卷积核自适应捕捉同步相量数据的多维特征，并引入注意力机制突出关键特征，且融合全局及局部特征信息，结合动态加权特征损失函数进行优化，最终生成准确的特征表达。其核心优势在于能够有效区分不同通道间的特征差异，并突出关键故障信息，从而提高故障检测的准确性和响应速度，克服传统方法难以处理多维复杂特征的局限性，为电力系统的高效故障诊断提供了创新解决方案。
-
公开(公告)号：CN119691431A
公开(公告)日：2025-03-25
申请号：CN202411763631.9
申请日：2024-12-03
Applicant: 云南电网有限责任公司电力科学研究院
IPC: G06F18/213 , G06F18/25 , G06F18/214 , G06N3/0464 , G06N3/0985 , G06F18/2415 , G06F18/27
Abstract: 本发明公开了一种同步波形数据的特征提取方法、模型训练方法、介质和设备，首先使用尺寸较大的滑动窗口第一滑动窗计算每个样本同步波形数据的波动特征，进而筛选出疑似故障区域，这样定位故障区域，有效提高了故障区域的识别精度。接着在疑似故障区域内，使用尺寸较小的第二滑动窗提取局部特征，逐点卷积融合不同样本的局部特征，以实现跨样本特征的高效融合。最后将提取到的局部特征通过全连接层转换为特征向量，再通过特征损失函数计算损失值。通过对损失函数的迭代优化，模型不断调整，直至收敛，从而最终输出高精度的故障特征。本发明解决了传统方法在故障特征提取效率低、识别精度不足、跨通道信息融合不充分的问题。
-
公开(公告)号：CN119646689A
公开(公告)日：2025-03-18
申请号：CN202411763626.8
申请日：2024-12-03
Applicant: 云南电网有限责任公司电力科学研究院
IPC: G06F18/2431 , G01M13/00 , G06F18/25 , G06N5/01 , G06N3/0455 , G06N3/08
Abstract: 一种发电机故障检测方法、发电机故障检测装置、介质及设备，涉及电力设备领域；能够提高电力设备故障检测的精度。该发电机故障检测方法包括：获取发电机的不同数据源的故障数据；通过自变分自编码网络提取所述故障数据的第一特征；生成各所述第一特征的初始权重，基于模拟退火算法对所述初始权重进行优化，得到目标权重；通过所述目标权重将所述第一特征进行融合，得到第二特征；将所述第二特征输入分类模型，获得所述发电机的故障类型。
-
公开(公告)号：CN119740469A
公开(公告)日：2025-04-01
申请号：CN202411782209.8
申请日：2024-12-05
Applicant: 云南电网有限责任公司电力科学研究院
Abstract: 本发明实施例公开了一种用于电力系统的数据建模方法，所述方法包括：获取电力系统负荷数据，所述电力系统负荷数据包括功率和电流；对所述电力系统负荷数据进行分解，获取若干个模态函数；基于所述若干个模态函数对功率和电流进行匹配；对匹配成功的若干个功率、电流进行电力系统负荷多模型并联建模，获取对应的负荷模型；对未匹配成功的若干个功率、电流采用神经网络进行建模，获取对应的神经网络模型；根据所述对应的负荷模型、对应的神经网络模型确定电力系统的数据综合模型。本发明通过结合模态分解和神经网络技术，有效地提高了电力系统负荷建模的准确性和可靠性。
-
公开(公告)号：CN119691430A
公开(公告)日：2025-03-25
申请号：CN202411763628.7
申请日：2024-12-03
Applicant: 云南电网有限责任公司电力科学研究院
IPC: G06F18/213 , G06F18/25 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084 , G06F18/22
Abstract: 本发明公开了一种融合特征提取方法、模型训练方法、介质和设备，通过逐步筛选同步波形数据和同步相量数据中的重要特征，并将其拼接成特征矩阵，构建特征之间的相似度关系，并利用注意力机制对特征进行加权融合，最终通过损失函数优化网络，达到高效融合两类数据的目的。与传统故障诊断方法相比，该方法能够通过动态筛选和特征交互，克服了同步波形数据和同步相量数据在特征维度、特征分布差异上的问题，从而提高了数据融合的效率和故障诊断的准确性。通过注意力机制的加权更新，模型能够自动聚焦于重要特征，强化两类数据的互补性，提升诊断性能。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.039 seconds)
