-
公开(公告)号：CN113491510A
公开(公告)日：2021-10-12
申请号：CN202110793588.0
申请日：2021-07-09
申请人： 国家电网公司华中分部 , 武汉华中思能科技有限公司
IPC分类号： A61B5/0205 , A61B5/16 , G06Q10/06
摘要： 本申请涉及一种基于智能穿戴设备的调度员培训成果评估方法及系统，涉及智能培训技术领域，该方法包括以下步骤：利用智能穿戴设备按照预设周期检测调度员的实时生理参数；将实时生理参数与预设的生理参数正常范围进行比对，记录超出生理参数正常范围的实时生理参数；根据超出生理参数正常范围的实时生理参数以及对应的工作科目，获得调度员生理波动工况，调度员生理波动工况对应一工作科目；判断调度员生理波动工况对应的工作科目培训不合格。本申请通过智能穿戴设备监测调度员在实际工作时的生理参数，直观展现调度员的实际工作情况，从而对调度员对应的工作科目培训情况进行评估，为后期工作科目培训提供调整依据。
-
公开(公告)号：CN111049193A
公开(公告)日：2020-04-21
申请号：CN201911296066.9
申请日：2019-12-16
申请人： 国家电网公司华中分部 , 武汉大学
摘要： 本发明提出了一种风电系统多调度场景的备用需求动态评估方法。本发明综合考虑含风电电力系统源荷侧不确定性，将同一历史时段的风电、负荷预测值和实测值组成数据组；根据预测值对数据组进行均匀分箱，采用通用分布模型对箱内系统误差分布规律进行拟合，获取系统误差概率分布曲线；根据分布曲线得到失效向上/向下备用容量、切负荷量和弃风量的期望；将不可解析的四种期望表达式进行数值积分和分段线性化处理使其可解析易推广。本发明优点在于可实现动态评估不同调度时段下受系统不确定性影响的备用需求，不仅可作为已知电力系统机组组合/经济调度结果的评价指标，还可以直接应用于电力系统优化调度问题中，帮助调度人员得到合理的备用计划。
-
公开(公告)号：CN112116162A
公开(公告)日：2020-12-22
申请号：CN202011026983.8
申请日：2020-09-26
申请人： 国家电网公司华中分部 , 武汉大学
摘要： 本发明公开了一种基于CEEMDAN‑QFOA‑LSTM的输电线覆冰厚度预测方法，涉及输电线状态评估与深度学习结合的领域。本方法包括下列步骤：①数据获取和预处理（11）；②对覆冰厚度历史数据序列进行CEEMDAN分解（12）；③量子果蝇算法优化LSTM的超参数（13）；④LSTM模型训练（14）；⑤预测输电线覆冰厚度并分析结果（15）。本发明使用CEEMDAN分解算法，将难以直接预测的序列转换为多个可预测的分量序列，根据分解得到的多维度特征信息可以使神经网络更加准确地把握序列的规律；使用QFOA优化算法来获取超参数，避免了复杂的人为调参过程，更有效地训练网络模型；使用的LSTM神经网络不存在一般网络的梯度消失问题，保证模型能够最优收敛，有效解决短期和长期时间序列预测的问题。
-
公开(公告)号：CN112116162B
公开(公告)日：2022-11-29
申请号：CN202011026983.8
申请日：2020-09-26
申请人： 国家电网公司华中分部 , 武汉大学
摘要： 本发明公开了一种基于CEEMDAN‑QFOA‑LSTM的输电线覆冰厚度预测方法，涉及输电线状态评估与深度学习结合的领域。本方法包括下列步骤：①数据获取和预处理（11）；②对覆冰厚度历史数据序列进行CEEMDAN分解（12）；③量子果蝇算法优化LSTM的超参数（13）；④LSTM模型训练（14）；⑤预测输电线覆冰厚度并分析结果（15）。本发明使用CEEMDAN分解算法，将难以直接预测的序列转换为多个可预测的分量序列，根据分解得到的多维度特征信息可以使神经网络更加准确地把握序列的规律；使用QFOA优化算法来获取超参数，避免了复杂的人为调参过程，更有效地训练网络模型；使用的LSTM神经网络不存在一般网络的梯度消失问题，保证模型能够最优收敛，有效解决短期和长期时间序列预测的问题。
-
公开(公告)号：CN111369168B
公开(公告)日：2022-07-05
申请号：CN202010191612.9
申请日：2020-03-18
申请人： 武汉大学 , 国家电网公司华中分部
摘要： 本发明涉及电力系统特征选择技术，具体涉及一种适应电网多种调控运行场景的关联特征选择方法，首先从电力系统历史实际数据的角度出发，对其进行标准化和预处理，使其成为能够直接纳入分析计算以及分类器的时间序列数据，随后研究哪些特征变量可能指示电力系统场景的发生，或者典型场景的出现伴随着哪些特征变量的变化，利用这些信息构建出特征备选集，然后利用灰色关联度分析算法定量计算特征与目标典型场景之间关联度数值，并对其进行排序，随后设置合理的阈值，得到最终的特征子集，并利用分类器准确度对特征子集进行评价。该方法有利于调度人员在进行相关操作时有更好的指示，同时减少了电力系统的数据处理时间，提高了数据分析效率。
-
公开(公告)号：CN111369168A
公开(公告)日：2020-07-03
申请号：CN202010191612.9
申请日：2020-03-18
申请人： 武汉大学 , 国家电网公司华中分部
摘要： 本发明涉及电力系统特征选择技术，具体涉及一种适应电网多种调控运行场景的关联特征选择方法，首先从电力系统历史实际数据的角度出发，对其进行标准化和预处理，使其成为能够直接纳入分析计算以及分类器的时间序列数据，随后研究哪些特征变量可能指示电力系统场景的发生，或者典型场景的出现伴随着哪些特征变量的变化，利用这些信息构建出特征备选集，然后利用灰色关联度分析算法定量计算特征与目标典型场景之间关联度数值，并对其进行排序，随后设置合理的阈值，得到最终的特征子集，并利用分类器准确度对特征子集进行评价。该方法有利于调度人员在进行相关操作时有更好的指示，同时减少了电力系统的数据处理时间，提高了数据分析效率。
-
公开(公告)号：CN111049193B
公开(公告)日：2021-10-22
申请号：CN201911296066.9
申请日：2019-12-16
申请人： 国家电网公司华中分部 , 武汉大学
摘要： 本发明提出了一种风电系统多调度场景的备用需求动态评估方法。本发明综合考虑含风电电力系统源荷侧不确定性，将同一历史时段的风电、负荷预测值和实测值组成数据组；根据预测值对数据组进行均匀分箱，采用通用分布模型对箱内系统误差分布规律进行拟合，获取系统误差概率分布曲线；根据分布曲线得到失效向上/向下备用容量、切负荷量和弃风量的期望；将不可解析的四种期望表达式进行数值积分和分段线性化处理使其可解析易推广。本发明优点在于可实现动态评估不同调度时段下受系统不确定性影响的备用需求，不仅可作为已知电力系统机组组合/经济调度结果的评价指标，还可以直接应用于电力系统优化调度问题中，帮助调度人员得到合理的备用计划。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.064 秒)
