-
公开(公告)号：CN114899827A
公开(公告)日：2022-08-12
申请号：CN202210502227.0
申请日：2022-05-10
申请人： 国网山西省电力公司电力科学研究院 , 太原理工大学
IPC分类号： H02J3/06
摘要： 本发明公开了一种基于潮流分布熵电力系统薄弱环节辨识方法。通过PSD‑Edit仿真软件，对某地区电力系统数据进行仿真分析，收集所有变电站信息及其出线上的工况潮流数据信息；在仿真软件中按比例增加某一变电站相连新能源厂站的出力，模拟节点受到的潮流冲击；或断开其中某一条线路，模拟线路断线故障。计算节点以及线路的熵值及其权重，得到两者的薄弱指标。最后按照由低到高的顺序将节点以及线路的薄弱指标分别排列，得到两者的薄弱指标表。本发明首次引入潮流通道变量C=1/ln，其中为元件（变电站或线路）相连的潮流通道数，并结合客观熵权法，降低了传统潮流熵法在电力系统薄弱环节识别中应用的误差，为电网监控提供合理依据，具有工业应用价值。
-
公开(公告)号：CN114629111A
公开(公告)日：2022-06-14
申请号：CN202210105785.3
申请日：2022-01-28
申请人： 国网山西省电力公司电力科学研究院 , 太原理工大学
发明人： 郑惠萍 , 刘新元 , 张超 , 牛哲文 , 李瑞 , 张庚午 , 张颖 , 郝鑫杰 , 赵津蔓 , 曲莹 , 闫磊 , 韩肖清 , 张一帆 , 薄利明 , 暴悦爽 , 张东霞 , 李柏堉 , 杨晶 , 张仕旻
摘要： 本发明公开了一种属于电力系统暂态稳定评估的基于多源信息的暂态稳定评估方法。首先通过改变系统运行状态和故障条件，对IEEE39节点系统使用电力系统分析综合程序进行批量时域仿真构造海量数据集。然后综合考虑影响系统暂态稳定的影响因素，将运行信息和故障信息作为卷积神经网络模型的输入特征，为更好实现运行信息和故障信息的综合利用，避免特征维度差别对准确率的影响，采用两种不同的特征融合方案对特征进行分阶段融合，并形成不同的暂态稳定评估模型。再利用训练建立的暂态稳定评估模型，对测试集进行暂态稳定评估，并采用混淆矩阵工具中的准确率、查准率、查全率和指标综合评估模型性能。最后通过t‑SNE算法对建立的暂稳评估模型进行可视化展示。
-
公开(公告)号：CN116937579A
公开(公告)日：2023-10-24
申请号：CN202311203210.6
申请日：2023-09-19
申请人： 太原理工大学
IPC分类号： H02J3/00 , H02J3/38 , G06F18/25 , G06F18/2321 , G06F18/2415 , G06F18/27 , G06N3/0455 , G06N3/048 , G06N3/08 , G06Q50/06
摘要： 本发明公开了一种考虑时空相关性的风电功率区间预测及其可解释方法，涉及新能源功率预测的人工智能应用领域。首先将风电功率历史数据和历史气象数据通过RSDD和链式方程插补；然后将训练集输入本发明所提出的STF‑DNN模型中，捕捉时间序列中的长期依赖关系。之后从模型预测过程和预测结果两个层面构建面向风电时空特征和深度学习融合模型的可解释性体系，并以可解释性为导向优化所提出的STF‑DNN模型。最后，为验证解释结果的可靠性，结合SHAP原理量化考虑时间差异性的特征全局贡献，从而解释了模型预测风电功率。本发明在风电功率区间预测精度、模型预测机制的可解释性及数据预处理方面，均取得了大幅度的进步。
-
公开(公告)号：CN116937579B
公开(公告)日：2023-12-01
申请号：CN202311203210.6
申请日：2023-09-19
申请人： 太原理工大学
IPC分类号： H02J3/00 , H02J3/38 , G06F18/25 , G06F18/2321 , G06F18/2415 , G06F18/27 , G06N3/0455 , G06N3/048 , G06N3/08 , G06Q50/06
摘要： 本发明公开了一种考虑时空相关性的风电功率区间预测及其可解释方法，涉及新能源功率预测的人工智能应用领域。首先将风电功率历史数据和历史气象数据通过RSDD和链式方程插补；然后将训练集输入本发明所提出的STF‑DNN模型中，捕捉时间序列中的长期依赖关系。之后从模型预测过程和预测结果两个层面构建面向风电时空特征和深度学习融合模型的可解释性体系，并以可解释性为导向优化所提出的STF‑DNN模型。最后，为验证解释结果的可靠性，结合SHAP原理量化考虑时间差异性的特征全局贡献，从而解释了模型预测风电功率。本发明在风电功率区间预测精度、模型预测机制的可解释性及数据预处理方面，均取得了大幅度的进步。
-
公开(公告)号：CN116050867A
公开(公告)日：2023-05-02
申请号：CN202310067653.0
申请日：2023-02-06
申请人： 太原理工大学
IPC分类号： G06Q10/0637 , G06Q10/0639 , G06Q50/06 , G06F18/241 , G06F18/214
摘要： 本发明公开了一种具备可解释性的数据驱动电力系统暂态稳定评估方法，涉及人工智能技术在电力系统中的应用领域。本发明应用数据驱动思想、特征降维去噪、样本增强的数据预处理方法、可解释性原理，研究电力系统暂态稳定评估方法及其可解释性分析；总体方案包括离线训练及在线训练两部分，其中离线训练包括样本生成、模型训练及可解释分析，为保障电力系统安全稳定提供新的辅助分析和决策支持手段。包括基于电力系统安全状态、警戒状态、紧急状态和崩溃状态的样本特征提取技术；基于合成少数过采样原理SMOTE的样本数据增强技术；基于改进机器学习的暂态稳定评估及损失函数构建方法；基于模型决策和数据特征的可解释原理；本发明在多个方面在重大进步。
-
-
-
-
搜索结果
5 条记录 (耗时 0.049 秒)
