-
公开(公告)号：CN110399796A
公开(公告)日：2019-11-01
申请号：CN201910542843.7
申请日：2019-09-02
申请人： 国网上海市电力公司 , 华东电力试验研究院有限公司 , 上海电力学院
摘要： 本发明涉及一种基于改进深度学习算法的电能质量扰动识别方法，包括步骤：1)获取电压暂升信号、电压暂降信号、电压中断信号、谐波信号、电压尖峰信号、电压切痕信号、闪变信号、振荡暂态信号和脉冲暂态信号的九种单一扰动信号及复合电能质量扰动信号；2)结合迁移学习与深度学习，确定预训练深度卷积神经网络模型AlexNet的最佳特征层，冻结参数，进行模型迁移；3)采用SVM代替迁移后的模型的Softmax分类器，获取模型中新的全连接层；4)利用单一扰动信号和复合电能质量扰动信号对最新模型的参数进行微调，完成模型的训练和电能质量扰动信号识别。与现有技术相比，本发明具有避免部分信号丢失，提高训练效率、提高分类准确率等优点。
-
公开(公告)号：CN110189025A
公开(公告)日：2019-08-30
申请号：CN201910465363.5
申请日：2019-05-30
申请人： 国网上海市电力公司 , 华东电力试验研究院有限公司 , 上海电力学院
摘要： 本发明涉及一种考虑不同负荷增长的电动汽车充电站规划方案获取方法，包括步骤：1)获取三方面出行规律的数字特征，包括起始状态规律、状态转移规律、充电信息规律；2)对获得的三方面规律利用轮盘赌法进行模拟，筛选充电需求点；3)基于交通约束、配电网约束和经济约束的约束条件，建立数学模型；4)采用遗传算法对数学模型进行求解，以成本最低为原则设置适应度函数，并设置死亡惩罚将不符合配网约束和成本约束的方案剔除，选取符合交通约束的候选站集合；5)根据选取符合交通约束的候选站集合，对不同负荷增长模式下的充电需求进行规划。与现有技术相比，本发明具有节约资源、确保规划方案的合理性、适用性高等优点。
-
公开(公告)号：CN109861290A
公开(公告)日：2019-06-07
申请号：CN201910192498.9
申请日：2019-03-14
申请人： 国网上海市电力公司 , 华东电力试验研究院有限公司 , 上海电力学院
IPC分类号： H02J3/38
摘要： 本发明涉及一种考虑多种柔性负荷的综合能源系统优化调度方法，包括以下步骤：1)结合综合能源系统内各类柔性负荷的用电和调度特性，根据激励补偿机制建立包含可平移、可转移、可削减负荷模型、储能、燃气轮机发电系统的综合能源系统数学模型；2)基于电、热负荷都能参与互动的综合能源系统，建立以总运行成本最小为目标的综合能源系统供需联合日前优化调度模型，并将模型导入自动化计算机系统中，自动化计算机系统对综合能源系统各设备出力进行求解，依据该出力对各设备进行控制，获得优化运行结果。与现有技术相比，本发明具有能明显降低系统运行成本，减小负荷峰谷差，缓解高峰用电压力等优点。
-
公开(公告)号：CN107491832A
公开(公告)日：2017-12-19
申请号：CN201710566280.6
申请日：2017-07-12
申请人： 国网上海市电力公司 , 华东电力试验研究院有限公司 , 上海电力学院
摘要： 本发明涉及一种基于混沌理论的电能质量稳态指标预测方法，首先电能质量稳态指标数据的采集；对采集到的电能质量稳态指标历史监测数据进行预处理，包括去噪和缺失值处理，并对数据作归一化之后，将处理后的数据保存到数据库中；根据混沌理论，对已处理好的电能质量稳态指标时间数据，采用C-C法求解最优时延τd和最佳嵌入维数md，进行相空间重构,得到一组新的多维数据空间；基于最小二乘支持向量机模型对重构后的数据空间进行训练，得到最优预测模型；利用已训练好的最小二乘支持向量机模型进行电能质量稳态指标的预测，得到预测输出。解决现有的电能质量稳态指标预测精度不高等问题。
-
公开(公告)号：CN110414788B
公开(公告)日：2023-12-08
申请号：CN201910556011.0
申请日：2019-06-25
申请人： 国网上海市电力公司 , 华东电力试验研究院有限公司 , 上海电力学院
IPC分类号： G06Q10/0639 , G06F18/2135 , G06Q50/06 , G06N3/0464 , G06N3/0442 , G06N3/08
摘要： 本发明涉及一种基于相似日和改进LSTM的电能质量预测方法，包括步骤：1)采集某地区某监测点一段时期内的电能质量稳态指标数据以及该地区的气象数据；2)采用核主成分分析法对气象数据进行特征降维，获取相似日特征向量；3)采用灰色关联算法计算历史日与待预测日的气象因素匹配系数，确定相似日集；4)选取与待预测日相似的电能质量历史数据及相似日集数据作为LSTM神经网络的训练样本集，采用Dropout算法和Adam自适应学习率优化算法相结合的方法优化LSTM神经网络参数，将相似日特征向量作为模型输入变量，获取待预测日各时刻电能质量的预测结果。与现有技术相比，本发明具有避免训练过拟合、避免信息干扰和信息重复、提高预测准确率等优点。
-
公开(公告)号：CN105186446B
公开(公告)日：2018-02-06
申请号：CN201510397827.5
申请日：2015-07-08
申请人： 国网上海市电力公司 , 华东电力试验研究院有限公司 , 上海电力学院
摘要： 本发明公开了一种基于欧氏距离的电路识别器及识别方法，该电路识别器包含数据窗起始点判决器，用于根据差动电流的采样值Id第一次超出阈值区间作为数据窗起始点；差动电流设别器，其输入端连接数据窗起始点判决器，用于对差动电流进行欧氏距离分析；差动保护控制器，其输入端连接所述的差动电流设别器，用于根据欧氏距离分析结果对电流作保护动作。本发明简单计算速度快，鲁棒性强，而且不受二次谐波的影响，不会发生误制动。
-
公开(公告)号：CN105186446A
公开(公告)日：2015-12-23
申请号：CN201510397827.5
申请日：2015-07-08
申请人： 国网上海市电力公司 , 华东电力试验研究院有限公司 , 上海电力学院
摘要： 本发明公开了一种基于欧氏距离的电路识别器及识别方法，该电路识别器包含数据窗起始点判决器，用于根据差动电流的采样值Id第一次超出阈值区间作为数据窗起始点；差动电流设别器，其输入端连接数据窗起始点判决器，用于对差动电流进行欧氏距离分析；差动保护控制器，其输入端连接所述的差动电流设别器，用于根据欧氏距离分析结果对电流作保护动作。本发明简单计算速度快，鲁棒性强，而且不受二次谐波的影响，不会发生误制动。
-
公开(公告)号：CN105182100A
公开(公告)日：2015-12-23
申请号：CN201510376757.5
申请日：2015-07-01
申请人： 国网上海市电力公司 , 华东电力试验研究院有限公司 , 上海电力学院
IPC分类号： G01R31/00
摘要： 本发明公开了一种用于光伏逆变器电压变动测试系统及方法，通过设置光伏逆变部件、双向可编程交流电源、数据采集模块及智能控制器，其中，光伏逆变部件包含光伏模拟装置、光伏逆变器；将双向可编程交流电源的输出电源模拟为同等谐波的公共电网、改变光伏模拟装置的工作状态，从而通过数据采集模块获取光伏逆变器两端的电压、电流，最终测到光伏逆变器的电压波动性。本发明结构简单、操作方便，并能够模拟实际电网谐波情况，测试结果可靠性较高。因此本发明在实际工程应用中的进行测试的测试结果具有较高的参考价值。
-
公开(公告)号：CN110414788A
公开(公告)日：2019-11-05
申请号：CN201910556011.0
申请日：2019-06-25
申请人： 国网上海市电力公司 , 华东电力试验研究院有限公司 , 上海电力学院
摘要： 本发明涉及一种基于相似日和改进LSTM的电能质量预测方法，包括步骤：1)采集某地区某监测点一段时期内的电能质量稳态指标数据以及该地区的气象数据；2)采用核主成分分析法对气象数据进行特征降维，获取相似日特征向量；3)采用灰色关联算法计算历史日与待预测日的气象因素匹配系数，确定相似日集；4)选取与待预测日相似的电能质量历史数据及相似日集数据作为LSTM神经网络的训练样本集，采用Dropout算法和Adam自适应学习率优化算法相结合的方法优化LSTM神经网络参数，将相似日特征向量作为模型输入变量，获取待预测日各时刻电能质量的预测结果。与现有技术相比，本发明具有避免训练过拟合、避免信息干扰和信息重复、提高预测准确率等优点。
-
公开(公告)号：CN107576853B
公开(公告)日：2019-11-05
申请号：CN201710565788.4
申请日：2017-07-12
申请人： 国网上海市电力公司 , 华东电力试验研究院有限公司 , 上海电力学院
IPC分类号： G01R27/16
摘要： 本发明涉及一种基于典型相关性分析的配电网谐波阻抗计算方法，首先采集电网与用户公共连接点PCC处的母线电压瞬时值和用户注入电网的电流瞬时值，通过傅里叶变换即可得到谐波电压和谐波电流；然后采用滑差法求波动量，对采集到的谐波电压和谐波电流作滑差处理，得到谐波电压波动量谐波电流波动量计算阻抗样本Zpcc；设置相关性分析两聚合区域的收敛条件，将阻抗样本按照PCC处基波电流波动量的大小对Zpcc进行分类；最后筛选阻抗样本，采用典型相关性分析方法求谐波电压波动量和谐波电流波动量的相关系数，根据相关系数的大小及判定条件，剔除线性不相关的点，求得电网侧的谐波阻抗和用户侧的谐波阻抗，可更准确的估算谐波阻抗值。
-
-
-
-
-
-
-
-
-
搜索结果
119 条记录 (耗时 0.088 秒)
