公开(公告)号：CN119090282A

公开(公告)日：2024-12-06

申请号：CN202411535491.X

申请日：2024-10-31

Applicant: 哈尔滨理工大学

Inventor： 吕艳玲 ,  王溢聪 ,  薛书蕾 ,  赵彧庆

IPC: G06Q10/0635 ,  G06F30/20 ,  G06Q50/06 ,  H02J3/38 ,  H02J3/06 ,  H02J3/14 ,  G06F111/04 ,  G06F111/08

Abstract: 本发明公开了高比例新能源电力系统极端条件下的风险评估方法，涉及电力系统风险评估领域。本发明获取不同气象条件下的风光出力损失和元件故障率，根据不同气象条件下的元件状态进行非序贯蒙特卡洛抽样获得系统状态，通过最优切负荷潮流计算，判断是否达到极端条件，当达到极端条件时，将切负荷风险、线路故障风险和发电损失风险代入综合风险计算模型中，得到高比例新能源配电网模型的综合风险数。本发明实现了在极端条件下对高比例新能源电力系统进行精确的风险评估。

公开(公告)号：CN120049470A

公开(公告)日：2025-05-27

申请号：CN202510095352.8

申请日：2025-01-21

Applicant: 哈尔滨理工大学

Inventor： 吕艳玲 ,  王骏 ,  王溢聪 ,  薛书蕾

IPC: H02J3/28 ,  H02J3/06 ,  H02J3/24 ,  H02J3/00 ,  G06F17/18 ,  G06F30/20 ,  G06F113/04

Abstract: 一种极端天气下新型电力系统储能优化及失负荷评估方法，涉及电力系统及储能优化技术领域。为解决现有技术中存在的，现有的电力系统及储能优化技术中，缺乏全面的极端天气场景构建方法的技术缺陷，本发明提供的技术方案为：包括以下步骤：建立极端气象场景；建立配电网数字模型，并模拟极端气象条件下的配电网运行场景；构建电气元件的故障率模型，生成综合时变故障概率模型；获取配电网运行参数，并分析配电网在不同运行条件下的响应特性；计算失负荷概率和电量不足期望值，综合评估电网的失负荷风险；优化储能设备的配置和调度策略。可应用于极端天气条件下电力系统的规划、运行调度及应急管理工作中。

公开(公告)号：CN119093413A

公开(公告)日：2024-12-06

申请号：CN202411543099.X

申请日：2024-10-31

Applicant: 哈尔滨理工大学

Inventor： 吕艳玲 ,  赵彧庆 ,  薛书蕾

IPC: H02J3/24 ,  H02J3/46 ,  H02J3/38 ,  G06Q50/06 ,  G06F30/20 ,  G06F111/04 ,  G06F113/06

Abstract: 本发明公开了一种含风电的新能源电力系统最大功率缺额预估方法，涉及新能源电力系统稳定与控制领域。构建新能源电力系统频率响应模型；根据所述新能源电力系统频率响应模型，获取系统频率偏差约束条件下的系统功率缺额ΔPMDF和系统最大频率变化率约束下的功率缺额ΔPROCOF；比较系统频率偏差约束条件下的系统功率缺额ΔPMDF和系统最大频率变化率约束下的功率缺额ΔPROCOF，将其中的最小值作为系统最大功率缺额的估计值。本发明在频率安全指标为约束下实现了对不同新能源渗透率下的电力系统最大功率缺额的预估，有利于新能源电力系统的安全稳定运行。

公开(公告)号：CN119726808A

公开(公告)日：2025-03-28

申请号：CN202510133953.3

申请日：2025-02-06

Applicant: 哈尔滨理工大学

Inventor： 吕艳玲 ,  訾源松 ,  张雨辰 ,  刘航 ,  薛书蕾

IPC: H02J3/24 ,  H02J3/38 ,  H02J3/32

Abstract: 一种用于分布式电源接入的次同步振荡抑制方法及装置，涉及电力系统技术领域。为解决：如何在分布式电源接入的电力系统中抑制小干扰引发的次同步振荡，同时减少抖振问题，提升系统稳定性的技术问题，本发明提供的技术方案为：一种用于分布式电源接入的次同步振荡抑制方法，包括：构建滑模面，所述滑模面以目标系统的电流的参考值与实际值的误差为状态变量，结合比例系数和积分系数构建；通过引入分数阶指数趋近律设计滑模趋近律，所述分数阶指数趋近律用于动态调整滑模控制趋近速度；基于分数阶指数趋近律的滑模控制结果，结合目标系统等效电感、电阻和同步转速，动态生成换流器的输出控制信号。适合应用于次同步振荡抑制的工作中。

公开(公告)号：CN119089276A

公开(公告)日：2024-12-06

申请号：CN202411535490.5

申请日：2024-10-31

Applicant: 哈尔滨理工大学

Inventor： 吕艳玲 ,  韩庆东 ,  薛书蕾

IPC: G06F18/241 ,  G06F18/10 ,  G06F18/214 ,  G06F18/21 ,  G06F18/25 ,  G06F18/20 ,  F03D17/00

Abstract: 本发明公开了一种基于机器学习的风电机组故障预警方法，涉及风电机组故障预警领域。本发明的对所述数据进行预处理；将预处理后的健康风机历史样本数据划分为训练集和测试集，所述训练集分别输入Stacking融合模型和Blending融合模型中进行训练，通过测试集进行综合测试，得到Stacking离线模型和Blending离线模型，将验证数据分别送至Stacking离线模型和Blending离线模型中，通过自适应阈值选择最优模型；将风电机组的实际数据输入所述最优模型中，得到风电机组是否发生故障。本发明在保证预测效果的前提下能够较早的进行故障预警，且对于风机运行范围广、数据多样且存在缺失的情况，能够有效避免数据缺失导致的模型精度和稳定性下降、模型过于复杂导致过拟合等问题。