-
公开(公告)号：CN102611101B
公开(公告)日：2014-01-15
申请号：CN201210060440.7
申请日：2012-03-08
IPC: H02J3/00
Abstract: 本发明提出一种互联电网运营的安全性评估方法，包括：计算电网和新建项目分别在每个电网分区的各指标作为原始的样本数据，构建样本空间；采用每个电网分区的负荷大小占总网负荷的比例作为每个电网分区的专家权重值，加权计算得到单个指标的合成值并作为样本数据；计算各个指标的关联度，归一化计算得到各个指标的客观权重值；基于各个指标的客观权重值，计算单个指标的合成值后进行归一化处理，计算关联系数；单个指标的客观权重值与所得关联系数进行加权计算，得到电网和新建项目的优劣排序；以指标的客观权重值加权计算每个电网分区的安全性总指标并作为样本数据，采用灰色关联分析计算各电网分区的关联度，得到各个电网分区的安全性优劣排序。
-
公开(公告)号：CN102611101A
公开(公告)日：2012-07-25
申请号：CN201210060440.7
申请日：2012-03-08
IPC: H02J3/00
Abstract: 本发明提出一种互联电网运营的安全性评估方法，包括：计算电网和新建项目分别在每个电网分区的各指标作为原始的样本数据，构建样本空间；采用每个电网分区的负荷大小占总网负荷的比例作为每个电网分区的专家权重值，加权计算得到单个指标的合成值并作为样本数据；计算各个指标的关联度，归一化计算得到各个指标的客观权重值；基于各个指标的客观权重值，计算单个指标的合成值后进行归一化处理，计算关联系数；单个指标的客观权重值与所得关联系数进行加权计算，得到电网和新建项目的优劣排序；以指标的客观权重值加权计算每个电网分区的安全性总指标并作为样本数据，采用灰色关联分析计算各电网分区的关联度，得到各个电网分区的安全性优劣排序。
-
公开(公告)号：CN103199534A
公开(公告)日：2013-07-10
申请号：CN201310085895.9
申请日：2013-03-18
Applicant: 武汉大学
Inventor： 崔明建
IPC: H02J3/01
Abstract: 本发明提出一种有源滤波器的改进差拍控制方法，包括：利用有源滤波器自带的谐波检测模块，采样得到谐波电流的历史样本数据，构建样本空间；采用灰色系统预测控制理论，克服传统的双步预测计算量大、预测风险高的不足，进而改进为单步预测控制方法，基于历史样本数据，计算谐波电流的单步预测数据；根据经典的电路理论，计算有源滤波器的逆变器侧的双步输出电流的预测值；基于计算得到的谐波电流单步预测数据和有源滤波器的逆变器侧的双步输出电流预测数据，以用户设定的某函数最小值作为目标函数，计算得到下一时刻的差拍输出控制变量执行情况，以此变量执行情况控制有源滤波器的输出电流，进而实现较好的谐波分量补偿能力。
-
Patent Agency Ranking
公开(公告)号：CN103310390A
公开(公告)日：2013-09-18
申请号：CN201310283559.5
申请日：2013-07-05
Applicant: 武汉大学
Inventor： 崔明建
IPC: G06Q50/06
CPC classification number: Y04S10/54
Abstract: 本发明提出一种电网安全综合评价方法，包括：针对电网安全运行评价的需要，构建一套较完整的两级事前综合评价指标体系以及每级安全评价指标的计算方法，进而提出一种基于灰色面积关联分析法和博弈论的电网安全综合评价模型，该模型先对每个一级指标进行初始评价，得到的评价结果再进行综合评价；采用灰色面积关联分析法确定每个一级指标的关联系数矩阵，利用博弈集合模型对层次分析法(AHP)、神经网络法(ANN)和熵权法得到的权重进行客观地组合得到组合权重，对各个一级指标进行初始评价；采用AHP法确定一级指标权重，与初始评价结果加权计算，进而得到电网安全综合评价结果，即电网的安全性优劣排序。
-
公开(公告)号：CN103117546A
公开(公告)日：2013-05-22
申请号：CN201310064615.6
申请日：2013-02-28
Applicant: 武汉大学
Abstract: 本发明涉及一种超短期风电功率滑动预测方法，采用一种具有很强的非平稳信号跟踪、预测能力的原子稀疏分解法，作为神经网络的前置分解方法。将风电功率时间序列分解为原子分量和残差分量，对原子分量进行自预测，残差分量进行神经网络预测，再通过追加最新的风电功率实时数据来更新原子分解的结果，进而滑动预测下一个时刻的风电功率。以实际风场数据进行验证，证明了该模型可以有效地处理风电功率非平稳性，产生更为稀疏的分解效果，能显著地降低绝对平均误差、均方根误差计算值的统计区间。因此，本发明具有如下优点：能够有效地处理风电功率非平稳性，产生更为稀疏的分解效果，能显著地降低绝对平均误差、均方根误差计算值的统计区间。
-
公开(公告)号：CN103955779B
公开(公告)日：2017-10-03
申请号：CN201410221495.0
申请日：2014-05-23
Applicant: 武汉大学
Abstract: 本发明涉及一种风电功率爬坡事件概率场景预测方法，通过构建计及累积密度函数和高阶矩自相关函数的多目标适应度函数实现了分布特征一致性和时序特征一致性。基于多目标适应度函数的遗传算法对概率生成模型参数进行迭代寻优，得到大量预测场景，并通过场景捕捉带内挖掘出的爬坡事件概率特征评价该预测方法。选取国外某风场实际数据进行算例计算和统计分析，结果表明多目标函数较单目标函数的统计结果更为精确，而且该概率场景预测方法可以较准确地估计出爬坡事件的特征量，证明了该方法的正确性，可为概率场景生成方法和爬坡事件预测模型提供指导。
-
公开(公告)号：CN103955779A
公开(公告)日：2014-07-30
申请号：CN201410221495.0
申请日：2014-05-23
Applicant: 武汉大学
Abstract: 本发明涉及一种风电功率爬坡事件概率场景预测方法，通过构建计及累积密度函数和高阶矩自相关函数的多目标适应度函数实现了分布特征一致性和时序特征一致性。基于多目标适应度函数的遗传算法对概率生成模型参数进行迭代寻优，得到大量预测场景，并通过场景捕捉带内挖掘出的爬坡事件概率特征评价该预测方法。选取国外某风场实际数据进行算例计算和统计分析，结果表明多目标函数较单目标函数的统计结果更为精确，而且该概率场景预测方法可以较准确地估计出爬坡事件的特征量，证明了该方法的正确性，可为概率场景生成方法和爬坡事件预测模型提供指导。
-
公开(公告)号：CN103117546B
公开(公告)日：2016-03-16
申请号：CN201310064615.6
申请日：2013-02-28
Applicant: 武汉大学
Abstract: 本发明涉及一种超短期风电功率滑动预测方法，采用一种具有很强的非平稳信号跟踪、预测能力的原子稀疏分解法，作为神经网络的前置分解方法。将风电功率时间序列分解为原子分量和残差分量，对原子分量进行自预测，残差分量进行神经网络预测，再通过追加最新的风电功率实时数据来更新原子分解的结果，进而滑动预测下一个时刻的风电功率。以实际风场数据进行验证，证明了该模型可以有效地处理风电功率非平稳性，产生更为稀疏的分解效果，能显著地降低绝对平均误差、均方根误差计算值的统计区间。因此，本发明具有如下优点：能够有效地处理风电功率非平稳性，产生更为稀疏的分解效果，能显著地降低绝对平均误差、均方根误差计算值的统计区间。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.029 seconds)
