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

    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

    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。

    一种基于因果特征选择的电力系统故障因素识别方法

    公开(公告)号:CN118070046A

    公开(公告)日:2024-05-24

    申请号:CN202410335954.1

    申请日:2024-03-22

    Abstract: 本发明属于电力系统故障因素识别领域,具体涉及一种基于因果特征选择的电力系统故障因素识别方法;包括:获取电力系统数据;对故障结果和故障影响因素进行处理,得到故障结果的第一超集、初始候选配偶集以及初始候选配偶集中每个故障影响因素与故障结果的分离集;对初始候选配偶集进行第一次筛选,得到第一候选配偶集;对第一候选配偶集进行第二次筛选并更新分离集,得到第二候选配偶集和新分离集;对故障结果、第一超集、第二候选配偶集和新分离集进行处理,得到最终的父子特征集和配偶集;将最终的父子特征集和配偶集作为故障结果对应的故障影响因素集合并输出;本发明有效地提升了因果特征选择算法的效率以及准确性,具有良好的应用前景。

    基于细粒度数据驱动的电网可靠性评估方法

    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

    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。

    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

    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

    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。

    一种基于分层多模块的流程工业时序异常检测方法

    公开(公告)号:CN119512041A

    公开(公告)日:2025-02-25

    申请号:CN202411633360.5

    申请日:2024-11-15

    Abstract: 本发明属于流程工业异常检测领域,具体涉及一种基于分层多模块的流程工业时序异常检测方法,包括:对多元时序数据进行划分,并通过输入层将划分后的数据分别输入到分层编码层中,得到低维特征向量;将低维特征向量输入到掩盖流程注意力层中获取数据中各个子流程间的耦合关系;将具有耦合关系的低维特征向量输入到流程信息记忆层中,挖掘相邻子流程特征间的耦合关系;将具有各个子流程间耦合关系和相邻子流程特征间耦合关系的低维特征向量输入到分层解码器中,得到重构后的特征;将重构特征输入到输出层,得到识别结果;本发明采用掩盖注意力层和流程信息记忆层以捕捉各个子流程间全局和局部的耦合关系,从而提高了检测结果的准确度。

Patent Agency Ranking