风险态势感知方法、系统、设备和介质

    公开(公告)号:CN118365139B

    公开(公告)日:2024-09-13

    申请号:CN202410773136.X

    申请日:2024-06-17

    摘要: 本申请涉及智能电网技术领域,具体地,涉及一种风险态势感知方法、系统、计算机设备和存储介质。该风险态势感知方法包括:获取所述目标配电网中各电力节点态势指标的历史运行数据;针对各电力节点,根据所述历史运行数据进行聚类识别,得到包含各节点典型运行状态的聚类结果数据集;将各节点的节点实时指标数据作为输入,基于预先训练得到的节点状态预测模型确定各电力节点的预测结果数据集;基于分类算法模型对所述预测结果数据集和所述聚类结果数据集进行分类判断,以确定各电力节点的风险态势。提供了一种可以对多能源接入的城市配电网进行态势感知的方法。

    一种极端天气场景下的风电出力预测方法、设备及介质

    公开(公告)号:CN118153766A

    公开(公告)日:2024-06-07

    申请号:CN202410338452.4

    申请日:2024-03-25

    摘要: 本发明涉及一种极端天气场景下的风电出力预测方法、设备及介质,其中方法包括以下步骤:获取历史风电出力数据集,所述风电出力数据集包括不同天气下的历史风力发电量、风速;对风电出力数据集进行风速和天气类型标签离散化处理,构建第一数据集;利用基于条件生成对抗网络CGAN构建的数据增强模块对第一数据集中极端天气场景下的稀缺样本进行数据增强,得到第二数据集;获取实时气象数据,利用基于回归生成对抗网络RGAN构建的预测模块在线预测风电出力情况,所述预测模块以风速和天气类型数据作为输入,输出风电出力预测结果,利用第二数据集进行训练。与现有技术相比,本发明具有能够应对极端天气条件下风电出力的高度不确定性和变化性、预测准确性高等优点。

    一种电力数据可解释特征提取方法、设备及介质

    公开(公告)号:CN118094225A

    公开(公告)日:2024-05-28

    申请号:CN202410241274.3

    申请日:2024-03-04

    摘要: 本发明涉及一种电力数据可解释特征提取方法、设备及介质,其中方法包括:获取电力负荷数据集作为真实数据;构建信息最大化生成对抗网络并进行训练,该网络包括生成器网络模块、鉴别器网络模块和判别器网络模块,其中,生成器网络模块用于接收由随机噪声和隐含代码拼接而成的输入向量并进行处理后生成数据;鉴别器网络模块用于接收生成数据和真实数据并进行区分;判别器网络模块用于接收生成数据和真实数据,还原数据对应的隐含代码;网络训练过程基于隐含代码与生成数据的语义信息之间的互信息最大化的方式调整参数;将真实数据输入训练完成的判别器网络模块,还原数据对应的隐含代码作为可解释特征输出。与现有技术相比,本发明具有不依赖标签、特征提取结果可靠等优点。

    一种微能网多适应性μPMU最优布点方法

    公开(公告)号:CN113991856B

    公开(公告)日:2024-03-12

    申请号:CN202111269613.1

    申请日:2021-10-29

    摘要: 本发明涉及一种微能网多适应性μPMU最优布点方法,1)获取微能网系统网络拓扑结构,建立微能网μPMU布点数学模型;2)考虑ZIB、传统量测、单μPMU故障和单线路故障等因素对微能网μPMU布点的影响,结合上述建立的微能网μPMU布点数学模型,分别建立各因素影响下的优化布点模型;3)对各因素影响下的优化布点模型分别进行优化求解,获取配置成本最小情况下的微能网μPMU布点状态集合;4)对μPMU布点状态集合进行进一步筛选,获取微能网多适应性μPMU最优布点结果,并综合各影响因素案例,总结进行微能网μPMU最优布点的原则。与现有技术相比,本发明具有提高系统状态观测精度、综合考虑多种因素影响、保证微能网安全稳定运行等优点。