基于卷积神经网络的电力故障信号检测方法

    公开(公告)号:CN112098760A

    公开(公告)日:2020-12-18

    申请号:CN202010998054.7

    申请日:2020-09-21

    Abstract: 本发明提出一种基于卷积神经网络的电力故障信号检测方法,解决现有故障信号检测的方式无法兼顾故障信号预判与过程设计简洁性的问题,首先采集具有故障且故障位置已知的电力信号及无故障的电力信号,构造预处理矩阵及与预处理矩阵匹配的输出训练矩阵,构建卷积神经网络模型,利用预处理矩阵输出训练矩阵训练卷积神经网络模型,得到电力故障信号检测模型,最后对待检测的电力信号进行检测,检测过程的设计复杂度低,而且基于已训练好的电力故障信号检测模型,可以提前对待检测的质量不佳的电力信号进行预判,可进一步提前通知工作人员提高对其的关注度,便于工作人员及时对电力系统运行状态掌控。

    一种自追踪系数下垂控制的离并网平滑切换方法和系统

    公开(公告)号:CN119628070A

    公开(公告)日:2025-03-14

    申请号:CN202510157717.5

    申请日:2025-02-13

    Abstract: 本发明公开了一种自追踪系数下垂控制的离并网平滑切换方法和系统,涉及电气工程技术领域,响应微电网的离并网切换指令,获取微电网的微网运行数据,根据微网运行数据和预设控制器系数对微电网进行自追踪系数下垂控制,确定微网调节数据,微网调节数据包括微网调节频率和微网调节电压,根据微网调节频率和微网调节电压对微电网进行离并网切换通过对微电网进行自追踪系数下垂控制得到平滑切换前的微网调节频率和微网调节电压可以将平滑切换过程中的电压和频率快速追踪到切换前的数值,促使微电网实现离并网的平稳切换,确保在切换过程中微电网内的电力供应稳定、可靠,且不会对电网和微电网自身的运行产生过大冲击。

Patent Agency Ranking