-
公开(公告)号：CN114266163A
公开(公告)日：2022-04-01
申请号：CN202111595859.8
申请日：2021-12-24
Applicant: 上海电力大学
IPC: G06F30/20 , G06F17/16 , G06Q50/06 , G06F119/02
Abstract: 本发明公开了一种基于动态轮廓系数优化模型的户变关系识别方法，包括，获取台区配电变压器和用户的电压数据，形成电压数据矩阵作为后续输入；定义关联矩阵描述变压器与用户之间的连接关系，形成关联矩阵；计算配变和用户电压曲线之间的DDTW距离，形成距离矩阵进行层次聚类，计算轮廓系数评估度量聚类结果；以轮廓系数越接近于1，聚类效果越好，建立户变关系的基于轮廓系数优化模型；本发明不需要台区变压器和用户的功率、电量、电流，线路潮流、相角、线路参数等数据，也不需要添加额外的硬件设备，仅利用电压量测数据来实现户变关系的识别，识别准确率高，能够很好地应用于工程实际。
-
公开(公告)号：CN111199363A
公开(公告)日：2020-05-26
申请号：CN202010064451.7
申请日：2020-01-20
Applicant: 上海电力大学
IPC: G06Q10/06 , G06Q50/06 , G06F30/20 , G06F113/04 , G06F111/10
Abstract: 一种最大相关性筛选算法实现拓扑识别方法，包括以下步骤，S1：获取用户智能电表电压时间序列及配变TTU电压时间序列数据为样本；S2：对获取的所述时间数据进行预处理，得到节点对应的随机变量；S3：利用所述节点对应的随机变量建立数学模型和目标函数；S4：求解所目标函数的权重参数W；S5：合成相关性矩阵K；S6：利用所述相关性矩阵K得到拓扑结构。1.准确度高：提出的数据预处理方法能有效减少数据噪音的影响，充分挖掘和利用数据隐含的结构关系，提高拓扑识别的准确性；2.实用性强：相比于根据局部已知拓扑辨识剩余拓扑或者对已知拓扑进行验证的方法，该方法能够在完全未知拓扑的情况下直接产生配电网拓扑结构。
-
公开(公告)号：CN115392347A
公开(公告)日：2022-11-25
申请号：CN202210912297.3
申请日：2022-07-30
Applicant: 上海电力大学
Abstract: 本发明公开了一种基于生成对抗网络的用户相位关系识别方法，此识别方法包括以下步骤：以低压配电变压器低压侧三相中目标相电压时间序列作为判别器输入，以非目标相电压时间序列作为生成器输入，训练判别器的判别能力，建立包含判别器与生成器的生成对抗网络；本发明中的有益效果为：本发明方法基于生成对抗网络的用户相位关系识别，利用现有的海量台区用户数据，以若干终端用户电压时间序列，采用Wasserstein距离生成博弈距离，计算损失函数面积作为各终端用户与各相电压的匹配程度；并采用k‑means聚类方法实现用户相位关系归类辨识，显著提高低压台区的拓扑关系识别准确度，有助于推动低压台区侧以配电网为核心的能源互联网应用发展。
-
公开(公告)号：CN114123191B
公开(公告)日：2024-09-03
申请号：CN202111449614.4
申请日：2021-11-30
Applicant: 上海电力大学
Abstract: 本发明公开了一种基于潮流分块回溯解析的低压配电网线路参数辨识方法。利用配电变压器与用户的实时电压、电流有效值以及有功、无功功率等数据，建立城市及乡村的模型来实现低压配电网络内的线路参数辨识，具体的步骤包括如下：首先分类待规划低压配电网，建立其拓扑结构模型并对网络进行内部分块；然后利用配电变压器与用户的功率、电量、电压数据，根据用户与用户之间的关系建立阻抗约束和回溯潮流上游父节点阻抗约束模型；最后，通过对模型的求解，得到网络内部划分模块内阻抗估计情况，并通过阻抗变量扩展至全网络回溯解析模型，求解后得到该低压配电网内的阻抗估计。
-
公开(公告)号：CN111199363B
公开(公告)日：2022-10-18
申请号：CN202010064451.7
申请日：2020-01-20
Applicant: 上海电力大学
IPC: G06Q10/06 , G06Q50/06 , G06F30/20 , G06F113/04 , G06F111/10
Abstract: 一种最大相关性筛选算法实现拓扑识别方法，包括以下步骤，S1：获取用户智能电表电压时间序列及配变TTU电压时间序列数据为样本；S2：对获取的所述时间数据进行预处理，得到节点对应的随机变量；S3：利用所述节点对应的随机变量建立数学模型和目标函数；S4：求解所目标函数的权重参数W；S5：合成相关性矩阵K；S6：利用所述相关性矩阵K得到拓扑结构。1.准确度高：提出的数据预处理方法能有效减少数据噪音的影响，充分挖掘和利用数据隐含的结构关系，提高拓扑识别的准确性；2.实用性强：相比于根据局部已知拓扑辨识剩余拓扑或者对已知拓扑进行验证的方法，该方法能够在完全未知拓扑的情况下直接产生配电网拓扑结构。
-
Patent Agency Ranking
公开(公告)号：CN114741830A
公开(公告)日：2022-07-12
申请号：CN202210470237.0
申请日：2022-04-28
Applicant: 上海电力大学
IPC: G06F30/18 , G06F30/27 , G06N7/00 , H02J3/00 , G06F111/02 , G06F113/04
Abstract: 本发明公开了一种基于隐树模型的低压配电网拓扑识别方法，包括以下步骤：利用智能电表终端用户的电压测量数据，建立隐树模型；引入五种模型修改算子；建立BIC评价准则描述生成的模型与用户智能电表数据的匹配程度；建立三阶段的模型搜索方式最终得到与该低压配电网拓扑相对应的模型；通过引入五种模型修改算子，建立了三阶段的模型搜索方式，对初始模型扩展、简化、调整最终得到与该低压配电网拓扑相对应的模型。考虑到低压配电网缺乏监控系统的现状，本发明不需要线路潮流、相角、线路参数等数据，也不需要添加额外的硬件设备，仅利用高级量测架构的电压量测数据来实现拓扑识别，识别准确率高，能够很好地应用于工程实际。
-
公开(公告)号：CN114417705A
公开(公告)日：2022-04-29
申请号：CN202111595886.5
申请日：2021-12-24
Applicant: 上海电力大学
IPC: G06F30/27 , G06N3/04 , H02J3/00 , G06F111/06 , G06F113/04
Abstract: 本发明公开了一种基于数据驱动的配电网线变关系校验方法，包括，获取线路和配电变压器的电量数据，并形成电量矩阵作为后续输入；构建表征线路与配电变压器之间连接关系的关联矩阵；基于能量守恒原理，建立关联卷积优化模型；本方法校验效率更高，消耗的人力物力更少，不仅可以提高线变关系校验的效率同时还具有较高的准确率，大大提高了配电网线变关系的准确性。
-
公开(公告)号：CN111313403B
公开(公告)日：2023-11-03
申请号：CN202010119754.4
申请日：2020-02-26
Applicant: 上海电力大学
IPC: H02J3/00
Abstract: 本发明公开了一种基于马尔可夫随机场的低压配电系统网络拓扑识别方法，该方法包括(1)首先获取用户智能电表电压时间序列及配变TTU电压时间序列数据，对获取的数据进行降噪、特征提取等预处理；(2)数据预处理后，利用马尔可夫随机场对配电系统网络结构建模，建立描述配电网中各节点之间相关关系的联合概率分布；(3)通过最大似然估计法求解联合概率分布，得到配电网节点间的相关性矩阵，根据节点相关性矩阵，建立配电系统网络结构的邻接矩阵，完成配电系统网络结构的识别，本发明利用历史电表电压数据等已知数据对低压配电网络结构展开识别，不需要新增设备，减少了投资，具有较高的识别准确率。
-
公开(公告)号：CN114123191A
公开(公告)日：2022-03-01
申请号：CN202111449614.4
申请日：2021-11-30
Applicant: 上海电力大学
Abstract: 本发明公开了一种基于潮流分块回溯解析的低压配电网线路参数辨识方法。利用配电变压器与用户的实时电压、电流有效值以及有功、无功功率等数据，建立城市及乡村的模型来实现低压配电网络内的线路参数辨识，具体的步骤包括如下：首先分类待规划低压配电网，建立其拓扑结构模型并对网络进行内部分块；然后利用配电变压器与用户的功率、电量、电压数据，根据用户与用户之间的关系建立阻抗约束和回溯潮流上游父节点阻抗约束模型；最后，通过对模型的求解，得到网络内部划分模块内阻抗估计情况，并通过阻抗变量扩展至全网络回溯解析模型，求解后得到该低压配电网内的阻抗估计。
-
公开(公告)号：CN111400371A
公开(公告)日：2020-07-10
申请号：CN202010175859.1
申请日：2020-03-13
Applicant: 上海电力大学
IPC: G06F16/2458 , G06N3/04 , G06N3/08 , G06Q10/06
Abstract: 本发明公开了一种基于电压相关性校验的户变关系识别方法，包括以下步骤，采集台区配变与用户电压与功率时序的历史数据；对所述历史数据进行数据预处理；利用自编码网络对与预处理后的数据进行特征提取代替原始数据；根据处理后的数据，分别利用欧氏距离、协方差、皮尔逊相关系数和线性回归四种方法计算台区与用户间的相关性大小，获取各户变识别结果；综合所述户变识别结果形成相关性综合评价指标。本发明的有益效果：不需要增添额外硬件设备、准确度高和能节省大量人力物力资源。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
