-
公开(公告)号：CN113705876B
公开(公告)日：2022-12-09
申请号：CN202110953627.9
申请日：2021-08-19
Applicant: 广西电网有限责任公司电力科学研究院 , 南方电网科学研究院有限责任公司
Abstract: 本发明提供了一种基于气象大数据的光伏功率预测模型的构建方法及装置，所述方法通过光伏功率物理模型提取气象大数据的关键气象特征数据，并将关键气象特征数据和气象大数据整合经过PCA主成分分析和KNN聚类分析，得到关键气象特征数据矩阵，将所述关键气象特征数据矩阵平移数据点获得训练数据集，将所述训练数据集输入CNN神经网络训练，获得初步预测模型，对初步预测模型进行误差反馈，经过多次误差迭代，获得误差分布收敛较好的光伏功率预测数据。所述方法采用CNN卷积神经网络预测模型，光伏功率预测涉及的气象特征数据全面，预测结果精准度高。
-
公开(公告)号：CN114977517A
公开(公告)日：2022-08-30
申请号：CN202210778297.9
申请日：2022-06-30
Applicant: 南方电网科学研究院有限责任公司
IPC: H02J13/00
Abstract: 本申请公开了一种低压台区的拓扑识别方法和相关装置，方法包括：获取待识别低压台区对应的第一相关系数矩阵和第二相关系数矩阵，其中，第一相关系数矩阵为：电能表间的相关系数矩阵，第二相关系数矩阵为：电能表与配变低压侧各相母线间的相关系数矩阵；基于预置聚类原则，根据第一相关系数矩阵，对电能表进行聚类，得到聚类结果；根据第二相关系数矩阵，对聚类结果进行修正，得到若干虚拟表箱；将同一虚拟表箱中的电能表有功电流值的和作为该虚拟表箱的电流值；根据基尔霍夫电流定律和所有电流值，得到待识别低压台区中的线箱关系和变线关系，以得到待识别低压台区的拓扑结果。解决了现有低压台区拓扑识别方法，准确度较低的技术问题。
-
公开(公告)号：CN119416420A
公开(公告)日：2025-02-11
申请号：CN202411227803.0
申请日：2024-09-03
Applicant: 广西电网有限责任公司电力科学研究院 , 南方电网科学研究院有限责任公司
Abstract: 本发明涉及电力系统动态仿真技术领域，尤其涉及基于电力系统改进动态仿真方法的多速率仿真方法及系统。根据电力系统的特点，采用微分代数方程DAE建立仿真模型；采用隐式积分和牛顿法求解模型，设定仿真策略；按照仿真策略进行动态仿真计算，实现不同仿真模块之间的数据交换。通过将系统划分为多个子系统并采用多速率仿真策略，避免全系统采用最小步长带来的低效率问题。仿真过程中子系统之间的数据交换机制确保了系统的时间同步和数据一致性，避免了外推计算带来的稳定性问题。本发明的多速率仿真方法在保持高仿真精度的同时显著提升了仿真效率，特别是在大规模电力系统中，仿真用时远低于传统方法，显示出良好的实用价值和应用前景。
-
公开(公告)号：CN115859661A
公开(公告)日：2023-03-28
申请号：CN202211625235.0
申请日：2022-12-16
Applicant: 南方电网科学研究院有限责任公司 , 广西电网有限责任公司电力科学研究院
IPC: G06F30/20
Abstract: 本发明公开了一种励磁机的动态仿真方法、装置、设备和介质，响应于接收到的动态仿真请求，确定动态仿真请求对应的目标励磁机，并获取当前时刻对应的设备常数数据、初始状态变量数据和目标时间步长值，按照预设阶数采用设备常数数据与初始状态变量数据输入预设的全纯嵌入模型，确定初始状态变量数据对应的多个目标系数，采用多个目标系数与目标时间步长值，确定目标时间步长值对应的目标电压实际值，比对目标时间步长值与预设标准时间步长值，若目标时间步长值等于预设标准时间步长值，则基于目标电压实际值生成电压仿真表，解决现有的励磁电机动态仿真方法难以保证计算的速度与精度的技术问题。
-
公开(公告)号：CN113471971A
公开(公告)日：2021-10-01
申请号：CN202110943472.0
申请日：2021-08-17
Applicant: 南方电网科学研究院有限责任公司 , 广西电网有限责任公司电力科学研究院
Abstract: 本申请公开了一种配电台区拓扑网络生成方法及装置，其中方法包括：基于起始传感节点生成的传感节点遍历消息，当传感节点接收到传感节点遍历消息时，则根据当前的传感节点的节点信息更新传感节点遍历消息中的节点遍历顺序路径，并通过载波通信将更新后的传感节点遍历消息转发给下游传感节点，以得到从起始传感节点到末端传感节点的节点遍历顺序路径；基于节点遍历顺序路径，确定任意传感节点间的节点间隔，并基于节点间隔构建传感节点间隔矩阵；基于传感节点间隔矩阵和节点遍历顺序路径，结合传感节点与配电台区设备的所属关系，生成配电台区拓扑网络，用于解决现有的配电台区拓扑网络生成检测方式实际执行难度大的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN112381315A
公开(公告)日：2021-02-19
申请号：CN202011344268.9
申请日：2020-11-26
Applicant: 广西电网有限责任公司电力科学研究院 , 南方电网科学研究院有限责任公司
Abstract: 本发明公开了一种基于PSO优化的LS‑SVM智能台区负荷预测方法及系统，其方法，包括：基于LS‑SVM的负荷预测，建立多元用户组合用电预测的模型；采用PSO算法优化的LS‑SVM用户用电预测算法；基于边缘计算的核函数自动更新。本发明有效弥补了现有基于SVM的负荷预测方法核函数唯一，无法适应不同区域、不同环境的用户负荷预测，且现有方法核函数一旦设置则无法更替的缺点，可有效应对未来电网改造以及环境变化对负荷预测结果带来的影响。
-
公开(公告)号：CN118801330A
公开(公告)日：2024-10-18
申请号：CN202410678895.8
申请日：2024-05-29
Applicant: 广西电网有限责任公司电力科学研究院 , 南方电网科学研究院有限责任公司
IPC: H02J3/00 , G06Q50/06 , G06F30/20 , G06F113/04
Abstract: 本发明公开了一种基于XML文件考虑拓扑缩减的配电网拓扑构建方法，涉及配电网拓扑技术领域，包括采集XML文件，利用ElementTree标准库对XML文件进行解析；基于XML文件的关键字段构建配电网的拓扑；对所述配电网的拓扑进行拓扑缩减，得到缩减后的拓扑。本发明仅需要输入GIS平台导出的XML文件，即可导出配电网的拓扑信息模型，准确且高效地完成配电网拓扑的构建，提高了拓扑构建效率，具有工程应用适应性强的优点；采用图论分析方法对配电网拓扑模型进行构建并对模型复杂度进行缩减，不再需要进行复杂的人工维护；通过利用优先遍历算法对配电网拓扑进行缩减，极大地降低了拓扑的复杂度，有效提高计算速度。
-
公开(公告)号：CN116780635A
公开(公告)日：2023-09-19
申请号：CN202310880268.8
申请日：2023-07-18
Applicant: 南方电网科学研究院有限责任公司 , 广西电网有限责任公司电力科学研究院
Abstract: 本发明公开了一种配电网风力发电机仿真方法、装置、电子设备及存储介质，用于解决现有的风力发电机仿真模型通用性差、仿真难度高等问题。所述方法包括：获取有功功率初始参考值、输入有功功率并对其进行转矩平衡调整，输出有功功率参考值以及转子参考转速；对有功功率参考值以及获取的无功功率参考值进行功率控制处理，输出无功电流指令、有功电流指令以及有功功率指令；基于转子参考转速以及有功功率指令进行桨距角调整，输出风机桨距角，对风机桨距角进行空气动力学平衡调整，输出机械转矩，接着对机械转矩进行转速平衡调整，输出发电机转速以及涡轮机转速；对有功电流指令以及无功电流指令进行电流转化控制，输出有功电流及无功电流。
-
公开(公告)号：CN113484626B
公开(公告)日：2023-06-13
申请号：CN202110897587.0
申请日：2021-08-05
Applicant: 南方电网科学研究院有限责任公司 , 广西电网有限责任公司电力科学研究院
Abstract: 本申请公开了一种配电网台区潜在三相不平衡检测方法及其相关装置，根据采集的用户负荷数据与变电站三相负荷数据中各相负荷数据的距离依次计算用户负荷数据与各相负荷数据的节点、片段、曲线相序判断系数；当用户负荷数据与目标相负荷数据的节点相序判断系数大于或等于节点相序判断系数阈值、片段相序判断系数大于或等于片段相序判断系数阈值，且曲线相序判断系数大于或等于曲线相序判断系数阈值，则判定该用户负荷数据属于该目标相负荷数据对应的相别；根据各相别下的用户负荷数量判断是否存在潜在三相不平衡，若是，则输出不平衡预警；改善了现有技术存在的需要耗费大量人力和时间，检测效率低，影响居民用电体验以及判别精度低的技术问题。
-
公开(公告)号：CN113705876A
公开(公告)日：2021-11-26
申请号：CN202110953627.9
申请日：2021-08-19
Applicant: 广西电网有限责任公司电力科学研究院 , 南方电网科学研究院有限责任公司
Abstract: 本发明提供了一种基于气象大数据的光伏功率预测模型的构建方法及装置，所述方法通过光伏功率物理模型提取气象大数据的关键气象特征数据，并将关键气象特征数据和气象大数据整合经过PCA主成分分析和KNN聚类分析，得到关键气象特征数据矩阵，将所述关键气象特征数据矩阵平移数据点获得训练数据集，将所述训练数据集输入CNN神经网络训练，获得初步预测模型，对初步预测模型进行误差反馈，经过多次误差迭代，获得误差分布收敛较好的光伏功率预测数据。所述方法采用CNN卷积神经网络预测模型，光伏功率预测涉及的气象特征数据全面，预测结果精准度高。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.041 seconds)
