-
公开(公告)号：CN114580125A
公开(公告)日：2022-06-03
申请号：CN202210223252.5
申请日：2022-03-09
Applicant: 重庆邮电大学
IPC: G06F30/18 , G06F30/20 , G06F111/04 , G06F113/04
Abstract: 本发明涉及一种基于边际电价的配电网动态实时拓扑实现方法，属于自动化领域。该方法包括以下步骤：S1：对现有数据进行处理，基于电价数据、节点位置关系、天气情况和特殊条件建立数据库；S2：建立目标函数和约束条件；S3：基于0‑1规划判断开关及电源状态；S4：根据电源及开关状态绘制拓扑图。本发明能够基于数据驱动，无需额外新增专用的电力设备，可直接嵌入实际的运行系统，生成实时动态拓扑网络，作为现有方法的辅助决策方法，具有一定的前沿探索意义和实际应用价值。
-
公开(公告)号：CN114329861A
公开(公告)日：2022-04-12
申请号：CN202111551526.5
申请日：2021-12-17
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于边际电价的配电网静态拓扑实现方法，属于自动化领域。该方法包括以下步骤：S1：整合以SCADA系统采集的大量配网运行拓扑结构和相对应的历史边际电价和时间数据；S2：基于CNN深度神经网络，将历史电价和时间数据为输入，对应配网拓扑作为期望输出，进行学习模型训练；S3：基于LSTM神经网络模型，对未来一天的电价进行预测，得到分时段的预测价格；S4：基于CNN深度神经网络，预测电价作为训练好的模型输入，输出对应的拓扑结构。从宏观的电力市场角度出发，挖掘出边际电价与配电网络拓扑之间的联系，利用历史边际电价数据预测未来电价，为保障电网系统的稳定性和安全性作基础。
-
Patent Agency Ranking
公开(公告)号：CN112462193A
公开(公告)日：2021-03-09
申请号：CN202011223358.2
申请日：2020-11-05
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于实时故障滤波数据的配电网自动重合闸判断方法，属于电网技术领域。该方法包括以下步骤：S1：建立基于小波变换的故障提取模型；S2：建立故障综合研判‑支持向量机分类模型；S3：仿真建模与分析。利用小波变换提取三相电压三相电流和零序电流作为特征量，并将小波分析后的小波系数重构作为支持向量机的数据集，算法模型训练数据来源于实际录波数据，增加了模型的可靠性和实用性，识别准确率接近90％。算法模型搭建完成后利用仿真数据来测试算法模型，准确率达到95％，进一步证实了本算法模型的可行性。
-
公开(公告)号：CN112462193B
公开(公告)日：2023-10-24
申请号：CN202011223358.2
申请日：2020-11-05
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于实时故障滤波数据的配电网自动重合闸判断方法，属于电网技术领域。该方法包括以下步骤：S1：建立基于小波变换的故障提取模型；S2：建立故障综合研判‑支持向量机分类模型；S3：仿真建模与分析。利用小波变换提取三相电压三相电流和零序电流作为特征量，并将小波分析后的小波系数重构作为支持向量机的数据集，算法模型训练数据来源于实际录波数据，增加了模型的可靠性和实用性，识别准确率接近90％。算法模型搭建完成后利用仿真数据来测试算法模型，准确率达到95％，进一步证实了本算法模型的可行性。
-
公开(公告)号：CN114565419A
公开(公告)日：2022-05-31
申请号：CN202210223256.3
申请日：2022-03-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于历史边际电价的配电网电价预测方法，属于自动化领域。该方法为：基于Kalman‑BP组合模型预测实时电价的方法，首先将得到的实时边际电价数据进行处理；将被预测数据看出是在白噪声作用下一个随机线性系统的输出，并且其输入/输出关系由状态方程和输出方程在时间域内给出，使得预测电价曲线更加平滑，更接近真实值；通过BP神经网络将数据分为训练；利用Kalman滤波去噪后的数据进行BP神经网络建模，对一天后的实时电价进行预测。改进现有的电力设备红外图像状态探测识别方案，能够用于电力设备红外图像状态探测识别与定位标记，通过算法模型自动处理红外图像信息，免去人工判别或用传统机器识别方法。
-
公开(公告)号：CN114564895A
公开(公告)日：2022-05-31
申请号：CN202210223236.6
申请日：2022-03-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种励磁涌流的机器学习识别方法，属于电力技术领域。一种励磁涌流的机器学习识别方法，该方法包括以下步骤：S1：励磁涌流与故障电流分析；S2：建立PSO‑SVM故障识别模型；S3：基于PSO‑SVM模型仿真分析。本发明基于故障波形和励磁涌流的特征，提取最大值，最小值，平均值等7个特征量作为支持向量机的输入向量，同时采用粒子群算法(PSO)优化支持向量机的参数，从而准确识别励磁涌流，为变压器的稳定运行提供了故障检测依据。PSO‑SVM识别模型都能获得颇高的分类准确率，提高了变压器差动保护的可靠性。
-
公开(公告)号：CN113222140A
公开(公告)日：2021-08-06
申请号：CN202110505290.5
申请日：2021-05-10
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于C4.5算法和BP神经元的配电网故障辅助决策方法，属于电力系统领域。该方法包括以下步骤：S1：整合电网各监控平台数据，结合调控人员日常使用需求进行分类优化阶段；S2：基于C4.5算法，确定电网事故等级，制定多层级告警策略；S3：基于BP神经网络，对电网事故进行辅助决策，最后输出辅助决策方案。本发明改进了现有的配电网故障辅助决策方案，能够用于配网故障信息的筛选分类、分层告警以及辅助决策，建立更高效、更快速的辅助决策模型。
-
-
-
-
-
-
Search Results
17
records
(took 0.026 seconds)
