-
公开(公告)号：CN112710925A
公开(公告)日：2021-04-27
申请号：CN202011529296.8
申请日：2020-12-22
Applicant: 三峡大学
IPC: G01R31/08
Abstract: 基于改进VMD和S变换的高渗透率主动配电网故障测距方法，首先，利用瞬时频率判断法确定分解层数k值，对故障行波信号进行VMD分解；然后利用峭度准则选择合适的模态分量(IMFS)进行S变换，得到具有高分辨率的S矩阵，提取该矩阵中的高频分量，从而确定故障行波波头到达的时刻；最后，通过不用波速的距离计算公式求出故障距离。本发明方法可以准确测量高渗透率主动配电网中输电线路的故障距离，且测量误差在200m以内。
-
公开(公告)号：CN113437756B
公开(公告)日：2023-03-31
申请号：CN202110688202.X
申请日：2021-06-21
Applicant: 三峡大学
Abstract: 考虑配电网静态电压稳定性的微电网优化配置方法，首先，对现有配电网静态电压稳定性指标进行改进得到综合电压质量评估指标，并以此作为微电网定容选址的目标函数之一；然后，利用K‑means++聚类方法对可再生能源全年出力进行场景缩减，计算风力发电、光伏发电、储能装置的最佳容量配置比例；结合Tent混沌映射、拥挤度和非支配排序策略对平衡优化器算法进行改进，用来求解微电网定容选址问题；最后，在IEEE‑33系统上对所建模型及改进后的多目标平衡优化器算法进行验证。本发明通过风光储微电网系统的形式能够实现高比例可再生能源并网，利用改进后的多目标平衡优化器算法可以解决以配电网静态电压稳定性和运行经济性为目标的微电网定容选址问题。
-
公开(公告)号：CN111142001A
公开(公告)日：2020-05-12
申请号：CN202010027155.X
申请日：2020-01-10
Applicant: 三峡大学
Abstract: 基于平行特征域的变压器多源局部放电模式识别方法，提取多源局部放电信号构造多源局部放电时域信号集和时频域信号集；将多个单一神经网络自动编码器组合成两个堆叠编码器。选择sigmoid函数作为堆叠编码器网络层之间的激活函数，并利用激活函数获得下一网络层的激活值。对堆叠编码器中调节每层网络参数的损失函数添加正则化项。设置损失函数的优化求解方法为近端导向随机子梯度算法。添加softmax作为神经网络的分类层；使用堆叠编码器对多源局部放电时域信号集和时频域信号集进行并行训练。特征矩阵数据有着相应的标签，对比分类结果对网络参数进行微调。该方法分类精度高，深度学习模型泛化能力强等优点，适用对变压器进行多源局部放电模式识别等场合。
-
公开(公告)号：CN113437756A
公开(公告)日：2021-09-24
申请号：CN202110688202.X
申请日：2021-06-21
Applicant: 三峡大学
Abstract: 考虑配电网静态电压稳定性的微电网优化配置方法，首先，对现有配电网静态电压稳定性指标进行改进得到综合电压质量评估指标，并以此作为微电网定容选址的目标函数之一；然后，利用K‑means++聚类方法对可再生能源全年出力进行场景缩减，计算风力发电、光伏发电、储能装置的最佳容量配置比例；结合Tent混沌映射、拥挤度和非支配排序策略对平衡优化器算法进行改进，用来求解微电网定容选址问题；最后，在IEEE‑33系统上对所建模型及改进后的多目标平衡优化器算法进行验证。本发明通过风光储微电网系统的形式能够实现高比例可再生能源并网，利用改进后的多目标平衡优化器算法可以解决以配电网静态电压稳定性和运行经济性为目标的微电网定容选址问题。
-
公开(公告)号：CN112054512A
公开(公告)日：2020-12-08
申请号：CN202010843839.7
申请日：2020-08-20
Applicant: 三峡大学
Abstract: 基于FCS‑MPC控制的高渗透率主动配电网电能质量治理方法，搭建高渗透率主动配电网，作为电能质量治理的测试系统；搭建可调电抗器数学模型；将有限状态模型预测控制FCS‑MPC与可调电抗器模型相结合，构建步长函数，对可调电抗器的输出进行预测；设置FCS‑MPC的自适应权重选择方法，使其能够根据电能质量扰动的严重程度进行判断，以输出最优开关状态。发明提供方法使用可调电抗器对高渗透率主动配电网复合电能质量扰动进行综合治理，同时将可调电抗器结合FCS‑MPC后，能够对不同扰动类型进行控制治理，并且该方法提供了新的针对可调电抗器的控制策略，使其可以根据电压、电流的幅值以及谐波畸变率进行自适应权重因子确定，完成多目标优化。
-
Patent Agency Ranking
公开(公告)号：CN111756035A
公开(公告)日：2020-10-09
申请号：CN202010560352.8
申请日：2020-06-18
Applicant: 三峡大学
Abstract: 基于不确定度改进的双因子抗差贝叶斯配电网状态估计方法，建包含光伏、风机的配电网系统，作为测试平台；提出不同类型分布式电源在配电网系统中接入不确定度信息并进行建模，得到信息不确定度模型；提出不同量测设备信息不确定度并进行建模，得到量测设备信息不确定度模型；将不确定度模型整合为双因子不确定度模型；采用PMU状态估计混合量测模型输入端作为状态估计输入参数。通过双因子不确定度模型引入抗差贝叶斯估计理论，对贝叶斯估计算法做出改进，通过模型平差以及算法改进，能有效抑制不确定度信息参数对配电网状态估计造成的影响。本发明方法估计结果精度较高、耗时短、能满足主动配电网智能态势感知和实时状态监测的要求，具有可行性和工程实用价值。
-
公开(公告)号：CN111145044B
公开(公告)日：2023-07-11
申请号：CN202010022709.7
申请日：2020-01-09
Applicant: 三峡大学
IPC: G06Q50/06 , G06F18/2411 , G06F18/2135 , G01R31/00
Abstract: 基于EWT和MFDE的配电网电能质量扰动检测方法，对主动配电网系统中的PQ扰动信号进行提取，并进行预处理；采用经验小波分解EWT，对预处理后的PQ扰动信号进行模态分解，得到包含特征信息的本征模态函数BLIMF；将包含特征信息的本征模态函数BLIMF，作为多尺度振荡散布熵MFDE算法的输入，利用多尺度振荡散布熵MFDE算法，对模态分解得到的本征模态函数BLIMF进行散布熵熵值计算，计算得出PQ扰动信号在各个本征模态函数BLIMF下的多维熵值向量；根据求得的熵值向量经PCA降维后，作为SVM算法的输入量；对含分布式能源的主动配电网系统进行PQ扰动信号识别。本发明能够准确的检测分类出复合电能质量扰动中每一种扰动，且分类准确，具有一定的抗噪能力。
-
公开(公告)号：CN111756035B
公开(公告)日：2022-04-08
申请号：CN202010560352.8
申请日：2020-06-18
Applicant: 三峡大学
Abstract: 基于不确定度的双因子抗差贝叶斯配电网状态估计方法，建包含光伏、风机的配电网系统，作为测试平台；提出不同类型分布式电源在配电网系统中接入不确定度信息并进行建模，得到信息不确定度模型；提出不同量测设备信息不确定度并进行建模，得到量测设备信息不确定度模型；将不确定度模型整合为双因子不确定度模型；采用PMU状态估计混合量测模型输入端作为状态估计输入参数。通过双因子不确定度模型引入抗差贝叶斯估计理论，对贝叶斯估计算法做出改进，通过模型平差以及算法改进，能有效抑制不确定度信息参数对配电网状态估计造成的影响。本发明方法估计结果精度较高、耗时短、能满足主动配电网智能态势感知和实时状态监测的要求，具有可行性和工程实用价值。
-
公开(公告)号：CN111145044A
公开(公告)日：2020-05-12
申请号：CN202010022709.7
申请日：2020-01-09
Applicant: 三峡大学
Abstract: 基于EWT和MFDE的配电网电能质量扰动检测方法，对主动配电网系统中的PQ扰动信号进行提取，并进行预处理；采用经验小波分解EWT，对预处理后的PQ扰动信号进行模态分解，得到包含特征信息的本征模态函数BLIMF；将包含特征信息的本征模态函数BLIMF，作为多尺度振荡散布熵MFDE算法的输入，利用多尺度振荡散布熵MFDE算法，对模态分解得到的本征模态函数BLIMF进行散布熵熵值计算，计算得出PQ扰动信号在各个本征模态函数BLIMF下的多维熵值向量；根据求得的熵值向量经PCA降维后，作为SVM算法的输入量；对含分布式能源的主动配电网系统进行PQ扰动信号识别。本发明能够准确的检测分类出复合电能质量扰动中每一种扰动，且分类准确，具有一定的抗噪能力。
-
公开(公告)号：CN111142001B
公开(公告)日：2022-04-22
申请号：CN202010027155.X
申请日：2020-01-10
Applicant: 三峡大学
Abstract: 基于平行特征域的变压器多源局部放电模式识别方法，提取多源局部放电信号构造多源局部放电时域信号集和时频域信号集；将多个单一神经网络自动编码器组合成两个堆叠编码器。选择sigmoid函数作为堆叠编码器网络层之间的激活函数，并利用激活函数获得下一网络层的激活值。对堆叠编码器中调节每层网络参数的损失函数添加正则化项。设置损失函数的优化求解方法为近端导向随机子梯度算法。添加softmax作为神经网络的分类层；使用堆叠编码器对多源局部放电时域信号集和时频域信号集进行并行训练。特征矩阵数据有着相应的标签，对比分类结果对网络参数进行微调。该方法分类精度高，深度学习模型泛化能力强等优点，适用对变压器进行多源局部放电模式识别等场合。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.015 seconds)
