-
公开(公告)号：CN109861305A
公开(公告)日：2019-06-07
申请号：CN201910096258.9
申请日：2019-01-31
Applicant: 东南大学 , 国网江苏省电力有限公司检修分公司
Abstract: 本发明公开了一种结合模型预测控制的输电网和配电网的协同经济调度方法，该方法在基于主从分裂法的长时间尺度的输配最优潮流的基础上，短时间尺度基于模型预测控制，采用多步动态滚动优化，求解有功和无功的出力增量，对主网和配网中接入的储能和分布式电源的出力进行调整，使出力控制的过程更加平滑；短期预测环节运用LSTM神经网络对序列数据进行处理，利用深度学习方法进行预测，从而提高预测和控制精度；该调度方法能够实现输电网和配电网的协同优化，实现新能源的高效消纳和电网的经济高效运行。
-
公开(公告)号：CN112565177A
公开(公告)日：2021-03-26
申请号：CN202011121292.6
申请日：2020-10-19
Applicant: 东南大学 , 国网江苏省电力有限公司检修分公司
Abstract: 本发明公开了一种适用于源网荷系统的网络入侵检测方法，包括：采集源网荷系统实时交互的网络流量数据；对采集的源网荷系统网络流量数据进行特征选取；基于主成分分析(PCA)算法对特征维数进行约简；基于神经网络分类器训练初始的网络入侵检测基学习器，并根据初始基学习器的训练误差计算样本权重；利用加权后的样本进行新一轮的神经网络分类器训练，得到更新后的网络入侵检测模型，并更新神经网络分类器的模型参数；根据迭代次数或者模型精度是否达到设定值来判断是否结束迭代。本发明基于AdaBoost集成学习训练神经网络分类器，够将多个精度相对较低的弱分类器综合优化，训练出精度较高的强分类器，提高网络入侵检测模型的泛化能力。
-
公开(公告)号：CN111695782A
公开(公告)日：2020-09-22
申请号：CN202010429127.0
申请日：2020-05-20
Applicant: 东南大学 , 国网江苏省电力有限公司检修分公司
Abstract: 本发明提供了一种基于熵权层次分析的地区级源网荷系统评估与验证方法及系统，基于层次分析法，综合经济性、安全性和供电能力三个角度八个具体指标对源网荷系统进行评估，在量化评估的基础上采用熵权法自动修正评估权重，对经济性、安全性和供电能力的量化评估结果进行综合评估，提高了评估结果的全面性和准确性，为改善源网荷系统的经济性和安全性提供了基础。本发明能够对地区级源网荷系统给出定量准确的评估结果，为源网荷系统经济安全稳定运行提供依据。
-
公开(公告)号：CN112232678A
公开(公告)日：2021-01-15
申请号：CN202011120098.6
申请日：2020-10-19
Applicant: 东南大学 , 国网江苏省电力有限公司
Abstract: 本发明公开了一种基于云模型的地区级源网荷系统评估方法，首先，需针对地区级源网荷系统构建评估体系，并获取专家对各指标的评估结果。其次，利用云模型对指标中专家的语义评估进行转换，生成相应的云朵，之后采用max‑min方法对评估体系中各指标权重进行计算，获取准确的指标权重，最后利用多属性决策方法对各专家评估结果进行计算，完成对不同时刻系统的准确评估。本发明的基于云模型的地区级源网荷系统评估方法，可对源网荷系统不同决策方案做出有效评估，为电网中源网荷协同调度提供支撑，同时能够提高地区级源网荷系统的运行效率，为电网安全可靠运行提供保障。
-
公开(公告)号：CN110086153A
公开(公告)日：2019-08-02
申请号：CN201910301463.4
申请日：2019-04-15
Applicant: 东南大学
IPC: H02H7/26
Abstract: 本发明公开了一种基于智能粒子群优化算法的有源配电网故障后负荷转供方法。该方法首先对各分布式电源(Distributed generations)进行处理，规定故障后各DG的运行方式，并确定孤岛划分原则，对故障后进行DG孤岛划分，制定孤岛运行范围。最后考虑拓扑约束，节点电压约束、DG出力约束、支路容量约束，以转供负荷最大和开关操作次数最少为最优，提出一种基于MAPSO的有源配电网负荷转供方法。通过仿真和系统分析表明可以地快速有效实现有源配电网费故障区域负荷快速转供，从而减少故障或者检修带来的停电损失。
-
Patent Agency Ranking
公开(公告)号：CN108520314B
公开(公告)日：2020-10-09
申请号：CN201810224570.7
申请日：2018-03-19
Applicant: 东南大学
Abstract: 本发明公开了结合V2G技术的主动配电网调度方法，属于电力系统经济调度的技术领域。该调度方法采用V2G技术控制电动汽车的充放电，在将电动汽车视为储能系统的基础上，考虑电动汽车接入对线路出口有功功率的影响对分布式能源和储能进行日前调度，再结合各类分布式能源出力成本对已运行分布式发电单元实时调度，以储能出力波动成本最小对储能进行实时调度，实现了对分布式能源的消纳，提高了可再生能源的利用率，通过V2G系统对电动汽车的充电和放电进行控制，在满足电动汽车用户出行的前提上对电网进行削峰填谷，降低了配电网的峰谷差，提高电网运行的经济性和稳定性。
-
公开(公告)号：CN110247391A
公开(公告)日：2019-09-17
申请号：CN201910301043.6
申请日：2019-04-15
Applicant: 东南大学 , 国网江苏省电力有限公司苏州供电分公司
Abstract: 本发明公开了一种基于综合加权供电路径指数的配电网失电风险分析方法及系统，该方法系统通过建立综合加权供电路径指数来反映配电网节点失负荷的风险。首先，提取配电网的拓扑和电气信息，依据有功功率流向建立邻接矩阵；然后，建立有功流向树模型，并用线路阻抗为流向树模型中的边赋权；之后，根据有功流向树模型，依深度优先或广度优先的搜索算法，得到正电源集到负电源集之间的供电路径；最后，综合考虑节点负荷量、节点负荷供电、转供路径和电源坚强性相对因子，建立各节点综合加权供电路径指数模型。对每一次配电网的状态更新，循环计算上述过程，实现对负荷节点相对失电风险的快速对比与分析。
-
公开(公告)号：CN109782124A
公开(公告)日：2019-05-21
申请号：CN201811584067.9
申请日：2018-12-24
Applicant: 国网江苏省电力有限公司苏州供电分公司 , 东南大学 , 国网江苏省电力有限公司
IPC: G01R31/08
Abstract: 一种基于梯度下降算法的主配用一体化故障定位方法及系统。在该故障定位方法中，基于梯度下降算法对实现主配用一体化网络模型的故障定位，同时基于上述方法，构建了由数据采集模块，分析模块以及准确率评估模块构成的故障定位系统。本方法以一个IEEE标准33节点拓扑算例进行验证。算例通过模拟电网故障，通过数据采集模块统计各节点测量多维度数据并预处理，运用神经网络梯度下降算法思想，建立多层神经网络，选择合适的激励函数进行非线性激励，基于梯度下降算法对模型定位的准确度进行优化，在故障定位计算模块中给出故障支路定位结果。算例仿真表明，能够以较高的精确度对故障发生支路进行定位。该故障定位方法可以有效地定位电网故障发生支路，对电网的运行抢修提供有效的决策依据，减少经济损失。
-
公开(公告)号：CN110247391B
公开(公告)日：2022-08-12
申请号：CN201910301043.6
申请日：2019-04-15
Applicant: 东南大学 , 国网江苏省电力有限公司苏州供电分公司
Abstract: 本发明公开了一种基于综合加权供电路径指数的配电网失电风险分析方法及系统，该方法系统通过建立综合加权供电路径指数来反映配电网节点失负荷的风险。首先，提取配电网的拓扑和电气信息，依据有功功率流向建立邻接矩阵；然后，建立有功流向树模型，并用线路阻抗为流向树模型中的边赋权；之后，根据有功流向树模型，依深度优先或广度优先的搜索算法，得到正电源集到负电源集之间的供电路径；最后，综合考虑节点负荷量、节点负荷供电、转供路径和电源坚强性相对因子，建立各节点综合加权供电路径指数模型。对每一次配电网的状态更新，循环计算上述过程，实现对负荷节点相对失电风险的快速对比与分析。
-
公开(公告)号：CN109782124B
公开(公告)日：2021-07-23
申请号：CN201811584067.9
申请日：2018-12-24
Applicant: 国网江苏省电力有限公司苏州供电分公司 , 东南大学 , 国网江苏省电力有限公司
IPC: G01R31/08
Abstract: 一种基于梯度下降算法的主配用一体化故障定位方法及系统。在该故障定位方法中，基于梯度下降算法对实现主配用一体化网络模型的故障定位，同时基于上述方法，构建了由数据采集模块，分析模块以及准确率评估模块构成的故障定位系统。本方法以一个IEEE标准33节点拓扑算例进行验证。算例通过模拟电网故障，通过数据采集模块统计各节点测量多维度数据并预处理，运用神经网络梯度下降算法思想，建立多层神经网络，选择合适的激励函数进行非线性激励，基于梯度下降算法对模型定位的准确度进行优化，在故障定位计算模块中给出故障支路定位结果。算例仿真表明，能够以较高的精确度对故障发生支路进行定位。该故障定位方法可以有效地定位电网故障发生支路，对电网的运行抢修提供有效的决策依据，减少经济损失。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.045 seconds)
