一种基于神经网络的切负荷预测方法及系统

    公开(公告)号:CN113723593B

    公开(公告)日:2024-01-09

    申请号:CN202110990090.3

    申请日:2021-08-26

    IPC分类号: G06N3/044 G06N3/0464 H02J3/00

    摘要: 本发明属于电网风险分析与评估技术领域,提供了一种基于神经网络的切负荷预测方法及方法。该方法包括,将预处理后的历史电网系统状态场景参数数据集划分为测试集、训练集和验证集;基于训练集对切负荷预测模型进行反向传播训练,在满足设定的迭代次数时,采用验证集对切负荷预测模型的训练效果进行验证,根据切负荷预测模型在验证集上的表现调整切负荷预测模型的网络参数,直到调整后的切负荷预测模型满足设定的要求,得到训练好的切负荷预测模型;基于电网系统状态场景运行数据,采用测试集验证准确率达标后的训练好的切负荷预测模(56)对比文件关守平;吕欣;张艳蕊.基于过程神经网络的短期负荷预测.东北大学学报(自然科学版).2007,(第10期),全文.

    考虑防控措施影响的连锁故障演化模式辨识方法及系统

    公开(公告)号:CN115241884A

    公开(公告)日:2022-10-25

    申请号:CN202210855973.8

    申请日:2022-07-20

    摘要: 本发明提供了考虑防控措施影响的连锁故障演化模式辨识方法及系统,方法包括获取电网运行状态信息,得到故障后的防控措施;考虑所述防控措施,筛选出当前故障所引起的高概率连锁故障,并计算所述高概率连锁故障的风险值,得到高风险连锁故障集;将所述高风险连锁故障集作为序列,基于前缀投影的模式挖掘,识别所述序列中的关键演化模式。本发明针对发电机出力调整、直流调制和切负荷措施,建立了规划模型,该模型可快速给出最优的电网防控策略;计算连锁故障风险并排序,最终筛选得到高风险连锁故障集;且识别高风险连锁故障集中的关键演化模式,能够有效辨识出电网防控的薄弱环节。本发明考虑防控措施对连锁故障的影响,能够显著减小风险值。

    一种用于配电自动化系统的异常告警方法及装置

    公开(公告)号:CN105353232B

    公开(公告)日:2018-06-26

    申请号:CN201510620318.4

    申请日:2015-09-26

    IPC分类号: G01R31/00

    摘要: 本发明提供了一种用于配电自动化系统的异常告警方法及装置。所述的异常告警方法,包括:步骤A、实时接收并统计当前接收到的各故障信号的种类与数量;步骤B、依据预先设置的故障信号分类,分别判定上述接收到的各故障信号的分类;步骤C、依据上述判定结果,分别计算各预先设置的故障信号分类中的故障信号的数量;步骤D、依据上述计算的各数量及上述预先设置的故障信号分类,对上述每个故障信号分类进行不同方式的告警。所述的异常告警装置,包括壳体及所述振动装置;壳体上设有USB接口及一组指示颜色不同的指示灯,壳体内置有控制器。本发明能降低工作人员的劳动强度、提高其工作效率,并用于避免出现异常故障漏看现象。