-
公开(公告)号：CN110705831A
公开(公告)日：2020-01-17
申请号：CN201910844471.3
申请日：2019-09-06
申请人： 华中科技大学 , 中国电力科学研究院有限公司
摘要： 本发明公开了一种电力系统故障后功角失稳模式的预判模型构建方法及其应用，方法包括：从每组原始量测数据中提取其对应的观测窗口内的一组母线电压离散点集，并构建每组离散点集对应的电压幅值矩阵和电压相角矩阵；根据每组原始量测数据对应的功角曲线形态，确定其对应工况在所述观测窗口之后的预设时间段位置处的失稳模式标签信息；基于所有样本，通过监督学习，训练得到神经网络预判模型，其中每个样本包括一组原始量测数据对应的电压幅值矩阵、电压相角矩阵和失稳模式标签信息。本发明将深度学习应用到功角失稳模式预判中，根据大扰动后母线电压相量量测原始数据，即可快速准确给出稳定或失稳具体类别，极大提高电力系统的安全性，实用性较强。
-
公开(公告)号：CN113435492B
公开(公告)日：2022-04-22
申请号：CN202110687214.0
申请日：2021-06-21
申请人： 华中科技大学 , 中国电力科学研究院有限公司
摘要： 本发明公开了一种基于主动学习的电力系统主导失稳模式判别方法，属于电力系统稳定性分析领域。本发明将主动学习应用到主导失稳模式判别方法中，无需标注所有样本，而仅主动地选择部分最有信息含量的样本来标注，以较少的样本标注来达到较高的判别准确率。同时，在模型不确定性基础上还考虑到样本多样性，以模型输出概率信息熵为权重，通过加权k‑means聚类的方法将样本聚成k簇，分别从每一簇中选择最接近聚类质心的样本，保证了采样的多样性，避免所选样本过于相似造成模型过拟合的问题。如此，本发明能够减少样本标注的成本，提高主导失稳模式判别模型实现效率，从而提高电力系统的安全性，实用性较强。
-
公开(公告)号：CN112200694B
公开(公告)日：2023-11-14
申请号：CN202011071486.X
申请日：2020-10-09
申请人： 华中科技大学 , 中国电力科学研究院有限公司
IPC分类号： G06Q50/06 , G06Q10/067 , G06N3/0464
摘要： 本发明公开了一种基于图神经网络的主导失稳模式识别模型构建及应用方法，属于电力系统稳定性判断领域。本发明所构建的加权图结构能够较好的体现电网拓扑。在模型训练之前，根据样本集的电网拓扑预先构建对应地图结构；训练过程中，图结构的作用相当于将原始的矩阵类型数据转化为图结构数据，测试结果表明，考虑了电网拓扑结构的图神经网络方法相对于不考虑拓扑的卷积神经网络方法而言，具有更高的判别精度；本发明对依据电网拓扑构成的图结构，采用各传输线的导纳对图进行加权处理，能够进一步强化电网的拓扑信息，使得模型更加契合电网这种特殊的图结构，增强了所输入的图构中包含的电网拓扑特征，使得模型有更好的判断准确率。
-
公开(公告)号：CN118539452A
公开(公告)日：2024-08-23
申请号：CN202410583168.3
申请日：2024-05-11
申请人： 国家电网有限公司华中分部 , 华中科技大学 , 中国电力科学研究院有限公司
发明人： 潘晓杰 , 姚伟 , 裘微江 , 徐友平 , 胡泽 , 黄彦浩 , 邵德军 , 兰宇田 , 刘娜娜 , 王玉坤 , 文劲宇 , 李文臣 , 张三洪 , 张慕婕 , 石梦璇 , 边宏宇 , 吴亚骏
摘要： 本发明公开了一种电力系统的紧急切负荷决策制定方法、装置和控制系统，属于电力系统控制技术领域，所述方法包括：在当前切负荷策略下进行电力系统暂态仿真得到的故障后母线电压时序数据，利用故障后母线电压时序数据计算当前稳态指标并判断其是否满足预设关系，若满足则自适应调整切负荷步长；计算待切负荷点集中各个负荷在当前切负荷步长下的轨迹灵敏度从而选取目标负荷，将自适应调整的切负荷步长带入对应的目标负荷中更新切负荷策略，循环迭代直至更新后的当前稳态指标不满足预设关系，则视为得到最终的目标切负荷策略。本发明能减少离线紧急切负荷控制决策的制定时间，可以提升紧急切负荷决策的安全性、准确率以及实用性。
-
公开(公告)号：CN112215722B
公开(公告)日：2022-06-14
申请号：CN202011067784.1
申请日：2020-10-07
申请人： 华中科技大学 , 中国电力科学研究院有限公司
摘要： 本发明公开了一种主导失稳模式判别模型构建方法、主导失稳模式判别方法，电力系统稳定性分析领域。本发明针对功角失稳和电压失稳存在的耦合交织特性，将深度学习应用到主导失稳模式判断中，构建一种含SENet模块的双输入卷积神经网络模型，引入SENet模块可建模神经网络通道间信息，自适应学习和调整各通道相加时的权值，放大有用的特征并抑制对当前任务用处不大的特征，在模型训练完成后即可根据大扰动后的母线电压、发电机功角量测数据或仿真数据快速、准确判断出系统是否会失稳以及属于功角失稳还是电压失稳，为控制措施的选择和协调提供依据，极大提高电力系统的安全性，实用性较强。
-
公开(公告)号：CN113452026A
公开(公告)日：2021-09-28
申请号：CN202110731653.7
申请日：2021-06-29
申请人： 华中科技大学 , 中国电力科学研究院有限公司
摘要： 本发明公开了一种电力系统薄弱评估智能体训练方法、评估方法和系统，属于电力系统薄弱评估领域。本发明基于深度强化学习算法与电力系统连锁故障模型，基于深度Q网络的智能体决策最易导致电力系统崩溃的攻击线路，基于电力系统连锁故障模型模拟受攻击线路退出运行后的潮流转移过程，自动切除潮流越限最严重的输电线路。继续利用智能体决策攻击线路，直至停运线路或损失负荷达到一定的阈值，判定电力系统崩溃，并输出智能体决策的攻击序列。在此过程中，存储强化学习所需的经验样本并训练更新智能体。本发明利用深度强化学习算法训练得到的智能体，能有效决策出当前潮流工况下，最易导致电力系统崩溃的攻击序列，从而评估电力系统的薄弱程度。
-
公开(公告)号：CN113435492A
公开(公告)日：2021-09-24
申请号：CN202110687214.0
申请日：2021-06-21
申请人： 华中科技大学 , 中国电力科学研究院有限公司
摘要： 本发明公开了一种基于主动学习的电力系统主导失稳模式判别方法，属于电力系统稳定性分析领域。本发明将主动学习应用到主导失稳模式判别方法中，无需标注所有样本，而仅主动地选择部分最有信息含量的样本来标注，以较少的样本标注来达到较高的判别准确率。同时，在模型不确定性基础上还考虑到样本多样性，以模型输出概率信息熵为权重，通过加权k‑means聚类的方法将样本聚成k簇，分别从每一簇中选择最接近聚类质心的样本，保证了采样的多样性，避免所选样本过于相似造成模型过拟合的问题。如此，本发明能够减少样本标注的成本，提高主导失稳模式判别模型实现效率，从而提高电力系统的安全性，实用性较强。
-
公开(公告)号：CN112200694A
公开(公告)日：2021-01-08
申请号：CN202011071486.X
申请日：2020-10-09
申请人： 华中科技大学 , 中国电力科学研究院有限公司
摘要： 本发明公开了一种基于图神经网络的主导失稳模式识别模型构建及应用方法，属于电力系统稳定性判断领域。本发明所构建的加权图结构能够较好的体现电网拓扑。在模型训练之前，根据样本集的电网拓扑预先构建对应地图结构；训练过程中，图结构的作用相当于将原始的矩阵类型数据转化为图结构数据，测试结果表明，考虑了电网拓扑结构的图神经网络方法相对于不考虑拓扑的卷积神经网络方法而言，具有更高的判别精度；本发明对依据电网拓扑构成的图结构，采用各传输线的导纳对图进行加权处理，能够进一步强化电网的拓扑信息，使得模型更加契合电网这种特殊的图结构，增强了所输入的图构中包含的电网拓扑特征，使得模型有更好的判断准确率。
-
公开(公告)号：CN109873406B
公开(公告)日：2019-11-22
申请号：CN201910240922.2
申请日：2019-03-28
申请人： 华中科技大学 , 中国电力科学研究院有限公司
摘要： 本发明涉及一种电力系统薄弱线路辨识方法，该辨识方法基于Q学习算法，根据电网当前运行状态信息，采用ε‑贪婪策略探索不同故障切线组合，通过电网暂态稳定仿真，计算验证所给出的故障切线组合下的系统暂态安全稳定性。接着，Q学习算法结合暂稳仿真计算结果，不断更新不同切线组合的Q值，筛选出容易导致系统失稳的切线组合。最后，基于不同切线组合的Q值，提出线路薄弱度指标，计算得到考虑电网暂态安全稳定性的薄弱线路。本发明利用Q学习算法能有效辨识出考虑系统暂态安全稳定性的薄弱线路，所需的仿真次数远少于故障遍历辨识方法，极大地减少了电网运行专家与技术人员在不同运行方式下进行稳定分析与潮流调整的工作量。
-
公开(公告)号：CN113452026B
公开(公告)日：2022-09-20
申请号：CN202110731653.7
申请日：2021-06-29
申请人： 华中科技大学 , 中国电力科学研究院有限公司
摘要： 本发明公开了一种电力系统薄弱评估智能体训练方法、评估方法和系统，属于电力系统薄弱评估领域。本发明基于深度强化学习算法与电力系统连锁故障模型，基于深度Q网络的智能体决策最易导致电力系统崩溃的攻击线路，基于电力系统连锁故障模型模拟受攻击线路退出运行后的潮流转移过程，自动切除潮流越限最严重的输电线路。继续利用智能体决策攻击线路，直至停运线路或损失负荷达到一定的阈值，判定电力系统崩溃，并输出智能体决策的攻击序列。在此过程中，存储强化学习所需的经验样本并训练更新智能体。本发明利用深度强化学习算法训练得到的智能体，能有效决策出当前潮流工况下，最易导致电力系统崩溃的攻击序列，从而评估电力系统的薄弱程度。
-
-
-
-
-
-
-
-
-
搜索结果
124 条记录 (耗时 0.058 秒)
