一种电力系统低频振荡的振荡源定位方法

    公开(公告)号:CN103117547A

    公开(公告)日:2013-05-22

    申请号:CN201310068230.7

    申请日:2013-03-04

    Abstract: 本发明公开了一种电力系统低频振荡的振荡源定位方法,属于电力系统分析技术领域,包括:电力系统开始振荡后,监测该电力系统中的发电机、变压器和线路各个元件的有功功率振幅,确定所述各个元件的有功功率的振幅基本稳定的一段时间窗口;获取该时间窗口内所述各个元件的有功功率、无功功率、电压、频率的数据,并对所述各数据进行滤波预处理,然后对该时间窗口内的每个采样点计算振荡能量流;对计算得到的振荡能量流进行线性拟合,得到振荡功率;根据各个元件的振荡功率确定电力系统中的振荡能量流,定位能量源,将能量源作为振荡源。本发明提高了振荡源定位速度和准确性,帮助电网运行人员快速找到振荡的起因,采取有效措施快速平息振荡。

    一种电力调度日报管理系统

    公开(公告)号:CN102609884A

    公开(公告)日:2012-07-25

    申请号:CN201210026289.5

    申请日:2012-02-07

    Abstract: 本发明公开了一种电力调度日报管理系统,属于电力调度日报数据管理技术领域。所述系统包括:采集模块,用于从各个业务系统数据源中将数据仓库所需的数据提取出来;整理模块,用于对提取出的数据进行清洗与确认,建立以调度运行业务指标为主题的数据内容仓库;组织模块,用于对清洗与确认后的数据进行整合和放大,将数据按照指标分类;展现模块,用于根据各种指标数据生成报表,并展示报表。本发明通过多维分析报表,从离散的技术数据中抽取有用的决策支持信息,对各种业务数据进行多层次、多角度的分析和挖掘,揭示内在规律、变化趋势和潜在问题,更好地发挥各类技术系统和运行数据的使用价值,并提供灵活的报表展示、对比分析和决策技术支撑。

    一种基于深度学习特征提取的源荷极端场景辨识方法

    公开(公告)号:CN119089173A

    公开(公告)日:2024-12-06

    申请号:CN202411211801.2

    申请日:2024-08-30

    Abstract: 本发明公开了一种基于深度学习特征提取的源荷极端场景辨识方法。所述方法包括获取风电,光伏,负荷的历史出力数据,划分训练集和测试集,并对其进行标幺化;综合考虑季节信息、气象信息和专家经验等信息,给予场景相应的标签;建立源荷极端场景辨识模型,采用GCNN‑ResNet网络提取风‑光‑荷场景特征并加速极端场景辨识模型收敛速度,利用多头注意力机制突出所提取特征;利用训练集对极端场景辨识模型进行训练;基于测试集对训练完成后的模型进行测试,验证所提方法的有效性。本发明采用基于深度学习方法构建的源荷极端场景辨识模型能全面地提取场景多重特征,实现对源荷极端场景特征的充分学习。

Patent Agency Ranking