公开(公告)号：CN114460481A

公开(公告)日：2022-05-10

申请号：CN202210103432.X

申请日：2022-01-27

Applicant: 重庆邮电大学

Inventor： 杨燕 ,  黎俊伟 ,  王国胤 ,  于洪 ,  余娟 ,  杨知方 ,  王博石

IPC: G01R31/387 ,  G01R31/392

Abstract: 本发明属于储能电池安全预警领域，特别涉及一种基于Bi‑LSTM和注意力机制的储能电池热失控预警方法，包括构建基于Bi‑LSTM与注意力机制的特征挖掘模型，分别训练n个基础模型，计算每个基础模型的重构误差，n个基础模型的重构误差构成基础误差集，根据重构误差集计算重构误差阈值；将n个基础模型的重构误差与重构误差阈值进行比较，若基础误差的重构误差小于重构误差阈值，则基础模型判断电池正常，否则判断电池热失控；综合n个基础模型对电池热失控计算热失控概率P；当热失控概率P超过70％时进行热失控示警；本发明实现储能电池数据特征的精准学习，有效提取热失控过程中储能电池状态信息数据的时变特性。

公开(公告)号：CN114298495B

公开(公告)日：2025-02-11

申请号：CN202111508477.7

申请日：2021-12-10

Applicant: 重庆邮电大学

Inventor： 杨燕 ,  郭兴 ,  于洪 ,  王国胤 ,  余娟 ,  杨知方

IPC: G06F30/27 ,  G06F18/243 ,  G06F18/27 ,  G06N3/045 ,  G06N3/084 ,  G06N3/09 ,  G06N3/0985 ,  G06N7/01 ,  G06F111/08 ,  G06F113/04 ,  G06F119/02

Abstract: 本发明属于电力系统领域，具体涉及一种基于细粒度数据驱动的电网可靠性评估方法；所述方法包括利用蒙特卡洛法随机抽取电网系统状态数据；计算电网系统开断前后系统直流潮流的功率差值；将功率差值和其他电力数据作为待测样本的输入特征向量输入到潮流模块中；计算出待测样本回归结果和分类结果，确定问题样本；将问题样本的输入特征向量输入到最优潮流模块模块中，计算出问题样本的分类结果，确定故障样本；对故障样本进行最小切负荷分析处理，根据分析结果，结合方差系数计算得到故障样本的不确定性，输出故障样本的可靠性评估结果。本发明可广泛应用于大电网的运行可靠性在线计算，特别适用于高比例新能源大规模接入后的场景。

公开(公告)号：CN114297914B

公开(公告)日：2025-03-25

申请号：CN202111524401.3

申请日：2021-12-14

Applicant: 重庆邮电大学

Inventor： 杨燕 ,  段青言 ,  于洪 ,  王国胤 ,  余娟 ,  杨知方

IPC: G06F30/27 ,  G06N3/096 ,  G06F18/214 ,  G06F18/23213 ,  G06F113/04 ,  G06F119/02

Abstract: 本发明属于电力系统领域，具体涉及一种面向大电网可靠性评估的深度神经网络结果可信性保障方法，包括根据数据分布情况确定原始场景与新场景下神经网络模型是否需要更新参数；若需要更新参数，则获取新场景的历史数据基于迁移学习技术对深度神经网络进行快速更新；针对完成更新的神经网络模型，当输入待分析样本时，将待检测样本与历史数据进行比较，若该样本与历史数据存在相似性，则将神经网络的预测结果作为该样本潮流分析结果，否则通过纯模型驱动的数值方法对该样本进行潮流分析；本发明实现深度神经网络的快速更新，节省训练样本和训练时间，且可有效判断单个样本分类的可信度，增加单个样本回归计算的鲁棒性。

公开(公告)号：CN114298495A

公开(公告)日：2022-04-08

申请号：CN202111508477.7

申请日：2021-12-10

Applicant: 重庆邮电大学

Inventor： 杨燕 ,  郭兴 ,  于洪 ,  王国胤 ,  余娟 ,  杨知方

IPC: G06Q10/06 ,  G06Q10/04 ,  G06Q10/00 ,  G06Q50/06 ,  G06K9/62 ,  G06N3/08 ,  G06N7/00

Abstract: 本发明属于电力系统领域，具体涉及一种基于细粒度数据驱动的电网可靠性评估方法；所述方法包括利用蒙特卡洛法随机抽取电网系统状态数据；计算电网系统开断前后系统直流潮流的功率差值；将功率差值和其他电力数据作为待测样本的输入特征向量输入到潮流模块中；计算出待测样本回归结果和分类结果，确定问题样本；将问题样本的输入特征向量输入到最优潮流模块模块中，计算出问题样本的分类结果，确定故障样本；对故障样本进行最小切负荷分析处理，根据分析结果，结合方差系数计算得到故障样本的不确定性，输出故障样本的可靠性评估结果。本发明可广泛应用于大电网的运行可靠性在线计算，特别适用于高比例新能源大规模接入后的场景。

公开(公告)号：CN114297914A

公开(公告)日：2022-04-08

申请号：CN202111524401.3

申请日：2021-12-14

Applicant: 重庆邮电大学

Inventor： 杨燕 ,  段青言 ,  于洪 ,  王国胤 ,  余娟 ,  杨知方

IPC: G06F30/27 ,  G06K9/62 ,  G06N3/08 ,  G06F113/04 ,  G06F119/02

Abstract: 本发明属于电力系统领域，具体涉及一种面向大电网可靠性评估的深度神经网络结果可信性保障方法，包括根据数据分布情况确定原始场景与新场景下神经网络模型是否需要更新参数；若需要更新参数，则获取新场景的历史数据基于迁移学习技术对深度神经网络进行快速更新；针对完成更新的神经网络模型，当输入待分析样本时，将待检测样本与历史数据进行比较，若该样本与历史数据存在相似性，则将神经网络的预测结果作为该样本潮流分析结果，否则通过纯模型驱动的数值方法对该样本进行潮流分析；本发明实现深度神经网络的快速更新，节省训练样本和训练时间，且可有效判断单个样本分类的可信度，增加单个样本回归计算的鲁棒性。