-
公开(公告)号：CN118944064A
公开(公告)日：2024-11-12
申请号：CN202410983642.1
申请日：2024-07-22
Applicant: 北京中恒博瑞数字电力科技有限公司
Inventor： 王新花 , 仇向东 , 于嘉骐 , 崔屹峰 , 李雪冬 , 郑朋 , 崔晓慧 , 孟伟 , 赵少飞 , 庞蕊 , 马青山 , 张军 , 吴珊珊 , 王云飞 , 洪健 , 王婷婷 , 邢辰辰 , 陈新 , 董丽薇
Abstract: 一种基于改进粒子群算法的线路后备定值调优方法，在开关设备的预设定值基础上，以继电保护的速动性、灵敏性以及选择性为原则，通过多次迭代找到继电保护性能最优的定值，所述的调优方法借助改进的粒子群算法、并迭代计算得到全部定值，再与继电保护性能目标函数进行对比，最终找到最优的定值组，本发明结合了范围定值的连续性和时间定值的离散性，通过设置合适的惯性权重因子、定值组的数量和迭代次数，提出了的改进粒子群算法，能够一次性、更快速地找出全局电网定值配合的最优解。
-
公开(公告)号：CN114675138B
公开(公告)日：2024-06-25
申请号：CN202210468616.6
申请日：2022-04-29
Applicant: 北京中恒博瑞数字电力科技有限公司
Abstract: 本发明涉及电力系统技术领域，提出了一种含分布式光伏电源的配电网故障电流计算方法及系统，包括对同一母线下的每个出线间隔执行第一模型简化操作，得到简化后的线路参数模型；在简化后的线路参数模型基础上，计算各出线间隔的等效受控电流源模型，并存储每个出线间隔的等效电流源系数；对故障出线间隔执行第二模型简化操作，得到简化后的故障线路参数模型，所述故障出线间隔为故障点所在的出线间隔。通过求解线性方程组来完成最终的故障计算，在保证精确度的前提下，极大提高了计算速度，且不会出现计算不收敛的情况。解决了现有技术中含分布式光伏电源的配电网继电整定计算无法兼顾计算速度与准确度，计算效果不佳的问题。
-
公开(公告)号：CN118114178A
公开(公告)日：2024-05-31
申请号：CN202410308059.0
申请日：2024-03-18
Applicant: 北京中恒博瑞数字电力科技有限公司 , 杭州中恒电气股份有限公司
IPC: G06F18/2433 , G06F18/15 , G06F18/213
Abstract: 本发明涉及能源互联网异常数据处理技术领域，具体是涉及了一种面向能源互联网的异常数据识别与处理方法。所述方法包括以下步骤，S1、获取采集数据，S2、计算标准差，S3、异常值判断，S4、异常数据处理，所述S3步骤还包括，S3.1、提取采集数据样本的特征因子，S3.2、计算基于采集数据样本的预测值，S3.3、基于标准差和预测值进行异常值判断，本方法在数据采集的过程中，通过对异常数据识别、处理，实现对异常数据的分析处理，剔除异常数据；并采用数据修正方法对原始采集数据进行修正，处理后的数据可存储在边缘侧支撑边缘应用数据分析，或发布到系统端，提供给业务应用。
-
公开(公告)号：CN112464420B
公开(公告)日：2023-12-01
申请号：CN202011302829.9
申请日：2020-11-19
Applicant: 北京中恒博瑞数字电力科技有限公司
Abstract: 一种根据典型配置自动生成站内图方法及装置，无需人工在软件上一个个进行绘制，将电气系统图典型场景进行抽取，参数化、配置化输入配置就能自动生成电器图，节省资源。方法包括：(1)通过参考分析CIME文件，分析出站内图的固有特性；(2)根据统计的母线接线方式及间隔信息，确定需要输入的配置参数；(3)根据统计的母线接线方式及间隔信息，结合输入的配置信息，确定站内图中设备节点与边的集合对象，生成站内图的布局。
-
公开(公告)号：CN116129459A
公开(公告)日：2023-05-16
申请号：CN202211717978.0
申请日：2022-12-29
Applicant: 北京中恒博瑞数字电力科技有限公司
IPC: G06V30/422 , G06V30/413 , G06F16/11 , G06Q50/06
Abstract: 本发明公开了一种厂站模型自动生成方法，以电力一次接线图为基础，借助计算机及配套软件程序实现，通过自动识别PDF/JPG格式的电气一次主接线图纸中工程类型、一二次设备图元、图元标识、图元及标识匹配关系、图元拓扑连接关系，并生成约定的XML文件，然后自动解析XML数据、生成站内图，并正确生成拓扑连接关系等，生成整定计算用电网模型。本发明采用图纸自动识别智能解析自动建模的方法，代替整定计算软件传统人工手动建模，大幅提高继电保护整定计算软件电网建模效率、准确性。
-
Patent Agency Ranking
公开(公告)号：CN114925931A
公开(公告)日：2022-08-19
申请号：CN202210654086.4
申请日：2022-06-10
Applicant: 北京中恒博瑞数字电力科技有限公司
Abstract: 本发明涉及配电自动化技术领域，提出了台区负荷预测方法及系统，包括获取历史数据；采用Prophet模型对所述历史数据进行特征分析提取，得到训练集特征数据集A和测试集特征数据集B；利用自动编码器无监督学习算法，对训练集特征数据集A进行自动化特征提取以及非线性降维处理，得到特征数据集Z；利用自动编码器无监督学习算法，对训练集特征数据集B进行自动化特征提取以及非线性降维处理，得到特征数据集Z’；根据特征数据集Z和特征数据集Z’，训练LightGBM模型；所述LightGBM模型用于台区负荷预测。通过上述技术方案，解决了现有技术中台区负荷预测准确性差的问题。
-
公开(公告)号：CN112366665B
公开(公告)日：2022-07-12
申请号：CN202011225657.X
申请日：2020-11-05
Applicant: 北京中恒博瑞数字电力科技有限公司
IPC: H02H7/26 , H02J3/00 , G06F30/20 , G06F17/16 , G06F113/04
Abstract: 一种继电保护整定计算中线路N‑1轮断快速方法及装置，能够快速地生成不同运行方式的数学模型，极大地提升计算效率。方法包括：(1)基于当前计算模型的系统基础方式形成节点阻抗矩阵；(2)选取需要进行N‑1轮断的线路集合；(3)从线路集合中选取一条未标记线路；(4)计算Zif与Zjf的差值与Zif的比值，如此比值小于0.01，则标记此线路为不检修支路，否则标记为检修支路；(5)如线路集合中的线路均遍历过，则转步骤(6)，否则，查找步骤(3)未标记支路，跳转到步骤(4)；(6)循环所有线路集合中的非标记线路进行检修轮断，应用支路追加法对节点阻抗矩阵进行修正，基于修正后的模型进行故障计算；(7)结束。
-
公开(公告)号：CN113627028A
公开(公告)日：2021-11-09
申请号：CN202110961929.0
申请日：2021-08-20
Applicant: 北京中恒博瑞数字电力科技有限公司
IPC: G06F30/20 , G06F113/04 , G06F119/02
Abstract: 本发明涉及配电网技术领域，提出了一种基于四分位负荷分布的降损规划方法，利用四分位时序分析和基于拓扑深度优先搜索对配电网负荷分布合理性及降损规划优化分析。以配线理论线损数模为基础，包括档案参数、拓扑数据、运行数据，基于四分位数法及拓扑深度优先搜索实现对配线公专变负荷时空分布的平面化分布分析，以科学化、可视化为降损规划提供有力辅助参考；通过差异化能效评估、配线健康指数辅助分析降损潜力点，利用降损专家经验库实现常规降损措施智能化分析，深入分布式电源、负荷切改的降损优化分析，以“数字化”为源端业务部门提供一线一策优化方案和区域优化方案。解决了现有技术中配电网降损方法效果差的问题。
-
公开(公告)号：CN112527788A
公开(公告)日：2021-03-19
申请号：CN202011513385.3
申请日：2020-12-17
Applicant: 北京中恒博瑞数字电力科技有限公司
IPC: G06F16/215 , G06F16/2458 , G06K9/62 , G06Q10/06 , G06Q10/00 , G06Q50/06
Abstract: 变压器监测数据异常值检测与清洗的方法及装置，能够完成在线监测数据异常检测，完成修正噪声点填补缺失值的清洗工作，排除外界噪声值或突变值对后续变压器状态评估和故障诊断的影响，提高准确率，实现对后期时间序列数据预测分析，及时发现趋势异常，在数据异常检测中有较高使用价值。方法包括：(1)对在线监测数据的多元时间序列进行关联度挖掘，提取出关联性强的序列为后续多元序列异常数据监测提供依据；(2)建立异常数据检测模型；(3)在线监测数据时间序列表征；(4)基于时间序列数据填充模型；(5)基于时间序列数据预测。
-
公开(公告)号：CN112103996A
公开(公告)日：2020-12-18
申请号：CN202010906967.1
申请日：2020-08-31
Applicant: 北京中恒博瑞数字电力科技有限公司
IPC: H02J3/38 , G06F30/27 , G06F113/04
Abstract: 基于火电机组与新能源厂站联合并网的整定方法，其包括：(1)采用改进的在线序列极限学习机IOS‑ELM模型，网络结构包括：第一列为输入层，输入量为影响光伏出力的主要影响因子，影响因子的值通过预先安装的各类传感器采集的数据实时地传送到网络中；第二列为隐含层；第三列为输出层，输出值为网络预测的光伏出力；(2)初始训练阶段，使用量子粒子群QPSO算法优化网络的权值和阈值；(3)线训练阶段，根据当前训练数据中隐含层对网络输出的贡献度的大小调节网络的拓扑结构；(4)在线学习阶段，根据隐层输出对预测值的贡献值CV大小来决定该隐层分裂或合并，同时调整网络结构参数。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.051 seconds)
