基于VMD分解和机器学习的直流配电网线路故障选极方法

    公开(公告)号:CN118535986A

    公开(公告)日:2024-08-23

    申请号:CN202410961439.4

    申请日:2024-07-18

    Abstract: 本发明属于电力系统继电保护技术领域,具体涉及基于VMD分解和机器学习的直流配电网线路故障选极方法,所述方法包括建立直流配电网模型,获取保护区段正极接地、负极接地、极间短路和区外故障四种状态下预设时间段内保护安装处的单端电流量,利用SABO结合最小样本熵为目标函数,对VMD重要参数模态分解层数和惩罚因子进行最佳寻优,得到电流量的最佳IMF分量,计算均值、方差、峰值、峭度、有效值、峰值因子、脉冲因子、波形因子、裕度因子,生成每个样本的特征向量矩阵,采用CNN对特征向量矩阵进行故障特征提取,将所得结果送入SVM中确定线路故障类型,完成故障选极,本发明能够有效提取和强化故障特征,提高故障检测的灵敏性和准确性。

    基于风光不确定性和P2P交易的微网容量配置方法及系统

    公开(公告)号:CN118137588A

    公开(公告)日:2024-06-04

    申请号:CN202410553307.8

    申请日:2024-05-07

    Abstract: 本发明涉及能源管理技术领域,更具体涉及基于风光不确定性和P2P交易的微网容量配置方法及系统,包括:构建多能微网中能源转换设备模型及电、热负荷需求响应模型;基于距离的经验分布模糊集对不确定性进行建模,并获取不确定性模型;将日均投资建设成本和运行成本之和的最小值作为目标成本,对多能微网内的能源转换设备容量进行配置规划,在运行阶段,建立基于场景概率驱动的多能微网分布鲁棒联合规划模型;基于列与约束生成算法求解分布鲁棒联合规划模型,在第一阶段确定多能微网内能源转换设备容量配置策略,在第二阶段优化最恶劣场景概率分布的多能微网的运行成本。本发明能够提高电网的经济效益,减轻环境压力。

Patent Agency Ranking