-
公开(公告)号:CN109861178B
公开(公告)日:2020-06-02
申请号:CN201811487420.1
申请日:2018-12-06
申请人: 国网天津市电力公司 , 国网国际发展有限公司 , 国家电网有限公司
摘要: 本发明涉及一种基于SCADA稳态信息的220kV电网复杂保护动作判断方法,包括以下步骤;基于所辖电网和变电站内的实时拓扑和保护配置原则,自动生成各变电站保护配置及动作跳闸规则信息表和保护优先级列向量;将矩阵用二元组表的形式表示;选取一个或多个元素做为动作保护的最终判断结果。本发明设计合理,其对全站开关保护动作可行解、保护动作优先级、故障时变电站开关遥信变位情况建立向量或矩阵描述的数学模型,采用二元组表法计算评估保护动作行为与故障发生期间站内开关状态变化的匹配度,并依据保护动作优先级对结果进行筛选,即可迅速判定动作保护和故障设备,可有效减少对其它数据源的依赖,提升复杂故障情况下的应急处置能力及判断的准确度。
-
公开(公告)号:CN109861178A
公开(公告)日:2019-06-07
申请号:CN201811487420.1
申请日:2018-12-06
申请人: 国网天津市电力公司 , 国网国际发展有限公司 , 国家电网有限公司
摘要: 本发明涉及一种基于SCADA稳态信息的220kV电网复杂保护动作判断方法,包括以下步骤;基于所辖电网和变电站内的实时拓扑和保护配置原则,自动生成各变电站保护配置及动作跳闸规则信息表和保护优先级列向量;将矩阵用二元组表的形式表示;选取一个或多个元素做为动作保护的最终判断结果。本发明设计合理,其对全站开关保护动作可行解、保护动作优先级、故障时变电站开关遥信变位情况建立向量或矩阵描述的数学模型,采用二元组表法计算评估保护动作行为与故障发生期间站内开关状态变化的匹配度,并依据保护动作优先级对结果进行筛选,即可迅速判定动作保护和故障设备,可有效减少对其它数据源的依赖,提升复杂故障情况下的应急处置能力及判断的准确度。
-
公开(公告)号:CN115238086A
公开(公告)日:2022-10-25
申请号:CN202210721464.6
申请日:2022-06-24
申请人: 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司
IPC分类号: G06F16/36 , G06F16/901 , G06N20/00 , G06Q50/06
摘要: 本发明涉及一种基于多任务学习的电网故障处理知识图谱补全方法,包括以下步骤:步骤1、输入电网调控历史数据集;步骤2、构建电网故障处理的知识图谱;步骤3、获得当前设备节点状态和故障处置动作的初始化Embedding;步骤4、将步骤3中得到已经进行Embedding初始化的三元组,作为两个下游任务的输入,并获取两个下游任务的计算损失函数;步骤5、定义一个可学习的权重参数α对两个下游任务计算损失函数进行动态叠加,然后用于更新节点和边的自编码模型;步骤6、生成表达更为准确的电网调控认知图谱;步骤7、实现电网故障处理知识图谱补全。本发明能够更好地预测节点之间的潜在关联边,进而补全电网调控的知识图谱。
-
公开(公告)号:CN113988508B
公开(公告)日:2024-06-21
申请号:CN202111106699.6
申请日:2021-09-22
申请人: 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司
IPC分类号: G06Q10/0631 , G06F16/36 , G06F18/214 , G06N3/092 , G06Q50/06
摘要: 本发明涉及一种基于强化学习的电网调控策略优化方法,包括以下步骤:步骤1、输入电网数据集;步骤2、构建知识图谱;步骤3、获得当前电网状态和故障处置动作的Embedding;步骤4、定义出多跳评分函数;步骤5、构建故障处置的多条元路径;步骤6、将步骤5中得到的多条元路径作为强化学习决策过程中的先验知识,作为故障处置动作选择约束,指导强化学习过程中决策序列的生成;步骤7、通过塑造新的奖励函数来对现有的强化学习策略优化方法进行改进;步骤8、产生依据强化学习获得的电网调控策略。本发明最终获得的策略能够更好地指导故障的处置选择。
-
公开(公告)号:CN113947320B
公开(公告)日:2024-05-28
申请号:CN202111238427.1
申请日:2021-10-25
申请人: 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司
IPC分类号: G06Q10/0631 , G06Q50/06 , G06F18/214 , G06F16/36 , G06V10/774
摘要: 本发明涉及一种基于多模态强化学习的电网调控方法,包括以下步骤:步骤1、输入电网的数据集;步骤2、构建出包含数据集中电网设备节点状态和故障处置的知识图谱;步骤3、获得能对当前设备节点多模态状态和故障处置动作进行的Embedding的多模态信息融合模块;步骤4、选取步骤2中构建的知识图谱,根据当前状态到目标状态的情况定义出多跳评分函数,用于评估两个状态之间的相关性;步骤5、构建故障处置的元路径;步骤6、产生强化学习的奖励函数;步骤7、定义强化学习的马尔可夫过程生成基于policy‑based的强化学习框架;步骤8、训练产生基于多模态强化学习获得的电网调控策略。本发明可解释性强且预测准确性高。
-
公开(公告)号:CN116826709A
公开(公告)日:2023-09-29
申请号:CN202310635338.3
申请日:2023-05-31
申请人: 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司 , 中国电力科学研究院有限公司
摘要: 本发明涉及一种可调节负荷资源与调度主站模型的自动匹配方法及装置,包括以下步骤:步骤1、生成调度主站层次分析模型;步骤2、基于步骤1生成的调度主站层次分析模型,建立配电模型的户‑变‑线关联关系;步骤3、基于步骤2建立的配电模型的户‑变‑线关联关系,对主配网模型进行匹配;并获取用户侧的可调节负荷资源,完成用户侧的可调节负荷资源和调度主站模型的自动匹配。本发明通过信息拓扑方法,构建可调节负荷资源与电网模型的关联关系,实现末端可调节负荷与主网的自动拓扑连接。
-
公开(公告)号:CN113991639A
公开(公告)日:2022-01-28
申请号:CN202111106696.2
申请日:2021-09-22
申请人: 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司
IPC分类号: H02J3/00
摘要: 本发明涉及一种适应强不确定性的配电网故障处置和网络重构方法,包括以下步骤:步骤1、构建配电网重构的目标函数及约束条件;步骤2、基于步骤1所构建的配电网重构的目标函数及约束条件,通过支路交换法实现故障后网络优化重构。本发明能够快速而准确获得环状网络所有可能性的辐射状网络结构,找到最优拓扑,进而适应分布式电源的不确定性。
-
公开(公告)号:CN113991639B
公开(公告)日:2024-03-19
申请号:CN202111106696.2
申请日:2021-09-22
申请人: 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司
IPC分类号: H02J3/00
摘要: 本发明涉及一种适应强不确定性的配电网故障处置和网络重构方法,包括以下步骤:步骤1、构建配电网重构的目标函数及约束条件;步骤2、基于步骤1所构建的配电网重构的目标函数及约束条件,通过支路交换法实现故障后网络优化重构。本发明能够快速而准确获得环状网络所有可能性的辐射状网络结构,找到最优拓扑,进而适应分布式电源的不确定性。
-
公开(公告)号:CN115309908A
公开(公告)日:2022-11-08
申请号:CN202210721460.8
申请日:2022-06-24
申请人: 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司
IPC分类号: G06F16/36
摘要: 本发明涉及一种基于人机协同结合逆强化学习的电网调控方法,包括以下步骤:步骤1、输入电网的数据集;步骤2、构建电网设备节点状态和调控行为的知识图谱;步骤3、获得设备节点状态和调控动作的Embedding;步骤4、根据当前状态到目标状态的情况定义出多跳评分函数;步骤5、利用人工专家的先验知识构建基于状态的调控元路径;步骤6、产生强化学习的第一部分奖励函数;步骤7、生成总的奖励函数;步骤8、定义逆强化学习的马尔可夫过程和基于actor‑critic的逆强化学习策略更新框架;步骤9、训练产生基于人机协同结合逆强化学习的电网调控策略。本发明能够提升电网调控线上线下决策的准确率。
-
公开(公告)号:CN113947320A
公开(公告)日:2022-01-18
申请号:CN202111238427.1
申请日:2021-10-25
申请人: 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司
IPC分类号: G06Q10/06 , G06Q50/06 , G06K9/62 , G06F16/36 , G06V10/774
摘要: 本发明涉及一种基于多模态强化学习的电网调控方法,包括以下步骤:步骤1、输入电网的数据集;步骤2、构建出包含数据集中电网设备节点状态和故障处置的知识图谱;步骤3、获得能对当前设备节点多模态状态和故障处置动作进行的Embedding的多模态信息融合模块;步骤4、选取步骤2中构建的知识图谱,根据当前状态到目标状态的情况定义出多跳评分函数,用于评估两个状态之间的相关性;步骤5、构建故障处置的元路径;步骤6、产生强化学习的奖励函数;步骤7、定义强化学习的马尔可夫过程生成基于policy‑based的强化学习框架;步骤8、训练产生基于多模态强化学习获得的电网调控策略。本发明可解释性强且预测准确性高。
-
-
-
-
-
-
-
-
-