一种电力系统建模方法、系统、可读存储介质及服务器

    公开(公告)号:CN114139377A

    公开(公告)日:2022-03-04

    申请号:CN202111449960.2

    申请日:2021-11-30

    摘要: 一种电力系统建模方法、系统、可读存储介质及服务器,方法包括:基于反馈式融合模式构建单一设备外部特性模型;根据电网拓扑结构及线路参数连接各设备形成电力系统接线图;基于电力系统接线图连接各设备的单一设备外部特性模型构建机理数据融合驱动的电力系统模型;利用融合驱动的电力系统模型进行系统仿真并根据实时数据进行在线更新。本发明充分利用了电力系统发展过程中积累的丰富的物理知识以及电网数字化建设以来积累的庞大历史数据,突破了单一建模方法存在的复杂度与准确度矛盾、缺乏可解释性等缺点,可通过传感器采集的运行数据,构建与物理实体一一对应的电力仿真系统,实现更快、更准确地预测和检测物理系统中存在的故障及问题。

    基于数据与模型驱动的低压配电台区拓扑辨识方法及系统

    公开(公告)号:CN117559393A

    公开(公告)日:2024-02-13

    申请号:CN202311465747.X

    申请日:2023-11-06

    摘要: 本发明属于电力系统低压台区拓扑辨识技术领域,具体涉及一种基于数据与模型驱动的低压配电台区拓扑辨识方法及系统,首先获取台变、表箱、用户的原始电压和表箱、用户的用电量的实测序列数据;接下来用电压序列减去其均值再乘以放大系数;再利用分层聚类算法,分别聚类表箱和用户电压序列;然后采用皮尔逊相关系数,辨识表箱和用户的所述相别;通过数学规划模型,实现用户与表箱之间的分线拓扑辨识;最终根据台区分相分线辨识结果生成低压台区拓扑结构。本发明有效降低了低压配电台区拓扑辨识的人力成本,无需增加专用识别设备,且其辨识准确率高、效率高,更具备实用性,对于提高低压配电台区的智能化管理水平具有较大的实践应用价值和推广前景。

    一种考虑隐私保护的绝缘子自爆缺陷检测方法及系统

    公开(公告)号:CN116630291A

    公开(公告)日:2023-08-22

    申请号:CN202310671561.3

    申请日:2023-06-07

    摘要: 本发明属于电力系统输电线路设备缺陷检测技术领域,公开一种考虑隐私保护的绝缘子自爆缺陷检测方法及系统;所述方法,包括:获取待检测输电线路中绝缘子巡检影像;将所述待检测输电线路中绝缘子巡检影像输入预先训练好的绝缘子自爆缺陷检测模型中,获得待检测输电线路中绝缘子的自爆检测结果;其中,所述预先训练好的绝缘子自爆缺陷检测模型为多个参与方通过横向联邦学习的绝缘子自爆缺陷检测模型;所述绝缘子自爆缺陷检测模型采用YOLO模型。本发明在数据安全共享条件下,解决了现有基于人工智能的绝缘子自爆缺陷检测方法面临样本不均衡、故障或缺陷样本相对稀少、样本数量不足等问题,提升了绝缘子自爆缺陷检测精度。

    一种台区级电力短期负荷预测方法及系统

    公开(公告)号:CN115730740A

    公开(公告)日:2023-03-03

    申请号:CN202211527225.3

    申请日:2022-11-30

    摘要: 本发明涉及一种台区级电力短期负荷预测方法及系统,属于电力系统负荷预测技术领域。方法包括:根据低压配变的三相负荷序列,建立相应节点的特征序列和邻接矩阵,构建面向低压配电台区负荷预测的时空图数据和图数据样本;基于多源条件数据,构建相应的多源条件数据特征;根据构建的所述时空图数据与所述多源条件数据特征,训练条件自适应时空同步图卷积神经网络CASTSGCN模型;应用训练完成的所述CASTSGCN模型,预测低压配变三相负荷预测值;聚合所述配变三相的负荷预测值,获得下一时刻的低压配电台区的总负荷预测值。本方法有效解决了目前低压配电台区负荷预测忽视台区内用户用电行为之间存在的潜在空间相关性的问题,显著提升了低压配电台区负荷预测的精度。

    一种基于横向联邦学习的销钉缺失缺陷检测方法及系统

    公开(公告)号:CN116664536A

    公开(公告)日:2023-08-29

    申请号:CN202310673690.6

    申请日:2023-06-07

    摘要: 本发明属于电力系统输电线路设备缺陷检测技术领域,公开一种基于横向联邦学习的销钉缺失缺陷检测方法及系统;所述检测方法,包括:获取待检测输电设备巡检影像;将所述待检测输电设备巡检影像输入预先训练好的销钉缺失缺陷检测模型中,获得待检测输电设备的销钉缺失缺陷检测结果;其中,所述预先训练好的销钉缺失缺陷检测模型为通过横向联邦学习的销钉缺失缺陷检测模型。本发明检测方法,预先训练好的销钉缺失缺陷检测模型为通过横向联邦学习的销钉缺失缺陷检测模型;各参与方在数据安全共享条件下,通过横向联邦学习共同训练销钉缺失缺陷检测模型,不会存在数据隐私泄露的情况,同时显著提升销钉缺失缺陷检测精度。