一种基于监督式学习的事件型非侵入式负荷监测方法

    公开(公告)号:CN114884075A

    公开(公告)日:2022-08-09

    申请号:CN202210815278.9

    申请日:2022-07-11

    Abstract: 本发明提出了一种基于监督式学习的事件型非侵入式负荷监测方法,涉及电力负荷监测技术领域,包括:S1、采集负荷运行的电气特征参数数据并进行数据处理;S2、基于处理后的数据,通过滑动窗双边累计和事件监测算法进行监测以得到事件过程的开始时间与进入稳态时间;S3、对事件过程的开始时间与进入稳态时间进行特征提取以得到负荷特征;S4、基于负荷特征进行训练以得到监督式负荷识别模型,并通过监督式负荷识别模型对未知事件进行负荷识别以得到识别结果;本发明提出的一种基于监督式学习的事件型非侵入式负荷监测方法,能够准确监测事件的发生,并利用已经训练好的负荷识别模型对未知事件准确识别。

    一种获取风电潮流模型中潮流变量变化区间的方法及系统

    公开(公告)号:CN109586300A

    公开(公告)日:2019-04-05

    申请号:CN201811569871.X

    申请日:2018-12-21

    CPC classification number: H02J3/06 H02J2003/007

    Abstract: 本发明提供一种获取风电潮流模型中潮流变量变化区间的方法,包括得到风电场的控制模式种类,并构建每一种控制模式的区间潮流模型;将电压幅值和电压相角作为待求解的潮流变量,并分别基于仿射算术表示为与区间潮流模型关联的仿射形式;将电压幅值及电压相角的仿射形式代入节点功率方程中,得到节点有功和无功功率的仿射形式并进一步转换成矩阵;基于矩阵构建优化模型并求最优解,得到优化求解后的电压幅值和电压相角以压缩区间表示的仿射形式;获取风电场的实际运行数据并代入,得到电压幅值和电压相角的区间变化值。实施本发明,不仅考虑风电场的具体控制模式,还能解决现有的区间运算中因区间依赖性而导致计算结果保守的问题和收敛性问题。

    配电网设备需求量预测和定量方法及其系统

    公开(公告)号:CN104573877A

    公开(公告)日:2015-04-29

    申请号:CN201510047566.4

    申请日:2015-01-29

    CPC classification number: G06Q10/04 G06Q50/06

    Abstract: 本发明提供一种配电网设备需求量预测和定量方法及其系统,基于对配电网设备的历史需求情况、现役设备总量、设备可靠性和设备运行气候环境因素量化数据,利用支持向量机对配网抢修物资的月需求量进行预测。针对各类配电网设备对所有设备的资金占用情况,利用主次因分析法将配网设备分为核心设备和重要设备,并分别采用阶段回顾方式和固定订单批量方式确定各类配电网设备的备品备件安全库存和目标库存水平,进行对配电网设备进行定量。该定量数据具有更高准确性和可靠性,该定量数据可以用于进行配电网物资储备定量确定过程中,可以减少库存积压,增强物资储备的效率和时效,以保障电网生产的安全性与经济性,提高利用率。

Patent Agency Ranking