基于卷积神经网络的SVG参数优化辨识方法

    公开(公告)号:CN114740730A

    公开(公告)日:2022-07-12

    申请号:CN202210447654.3

    申请日:2022-04-26

    Abstract: 本发明的基于卷积神经网络的SVG控制器参数辨识方法,通过BPA仿真软件得到各个SVG参数的不同组合和与之对应输出的无功、电压、电流曲线数据,并进行筛选,得到最终数据集;然后依据获取到的数据集搭建可以依据无功动态曲线数据逆推出SVG参数的神经卷积网络模型;最后以RTDS实测曲线数据作为模型输入,即可快速辨识出SVG参数值。本方法将卷积神经网络与SVG控制器参数辨识相结合,为SVG控制器参数辨识提供一种新的方法,保证了参数预测结果的准确度,也提高了辨识效率。

    考虑PI节点的HELM潮流计算方法

    公开(公告)号:CN113363990B

    公开(公告)日:2022-04-22

    申请号:CN202110691838.X

    申请日:2021-06-22

    Abstract: 本发明公开了考虑PI节点的HELM潮流计算方法。该方法首先建立包含PQ和PI节点的配电网数学模型,然后根据HELM方法构造PI节点对应的全纯函数,最后根据递推方法推导出PI节点全纯函数递推公式来计算包含PI节点的配电网潮流。本发明利用HELM法考虑了PI节点数学模型,推导出PI节点全纯函数递推公式,可以计算包含PI节点的配电网潮流,可用于包含PI分布式电源的配电网潮流计算和电压分析控制。

    基于参数故障特性的SVG动态参数分段优化辨识方法

    公开(公告)号:CN113406434A

    公开(公告)日:2021-09-17

    申请号:CN202110529831.8

    申请日:2021-05-14

    Abstract: 本发明公开了一种基于参数故障特性的SVG动态参数分段优化辨识方法。本发明提出首先根据轨迹灵敏度辨识出主要参数。这种方法可减少参与辨识的参数数目。其次根据参数对于故障特性的影响,选择分段数据分别优化参数,确定参数的大概范围,这样不会因为参数范围设置不对而使得辨识错过实际的参数,选择分段曲线辨识减少了计算量,既可以提高参数辨识速度,又减少了其他参数对仿真结果的影响。然后根据参数范围再全体寻优精确辨识,解决传统算法中经常出现的稳定性较差和难以收敛的问题,减少参数辨识的复杂度,提高对控制器影响较大的参数的辨识精度,提高辨识效率。

    考虑PI节点的HELM潮流计算方法

    公开(公告)号:CN113363990A

    公开(公告)日:2021-09-07

    申请号:CN202110691838.X

    申请日:2021-06-22

    Abstract: 本发明公开了考虑PI节点的HELM配电网潮流计算方法。该方法首先建立包含PQ和PI节点的配电网数学模型,然后根据HELM方法构造PI节点对应的全纯函数,最后根据递推方法推导出PI节点全纯函数递推公式来计算包含PI节点的配电网潮流。本发明利用HELM法考虑了PI节点数学模型,推导出PI节点全纯函数递推公式,可以计算包含PI节点的配电网潮流,可用于包含PI分布式电源的配电网潮流计算和电压分析控制。

    基于HELM的含PQ和PV节点电网的电压灵敏度计算方法

    公开(公告)号:CN113346496A

    公开(公告)日:2021-09-03

    申请号:CN202110591422.0

    申请日:2021-05-28

    Abstract: 本发明公开了一种基于HELM的包含PQ和PV节点的电网电压灵敏度计算方法。该方法首先利用HELM计算包含PQ和PV节点电网潮流,然后根据基于HELM的灵敏度计算方法计算出PQ节点和PV节点电压对各节点注入功率的灵敏度,计算模型和方法不同于只含有PQ节点的电网电压灵敏度计算。本发明利用HELM法考虑了灵敏度的非线性因素,计算出包含PQ和PV节点电网的节点电压各阶非线性灵敏度。

    基于HELM电压灵敏度的配电网电压稳定判定方法

    公开(公告)号:CN112653134A

    公开(公告)日:2021-04-13

    申请号:CN202011458402.8

    申请日:2020-12-11

    Abstract: 本发明公开了基于HELM电压灵敏度的配电网电压稳定判定方法。该方法首先利用HELM计算配电网潮流,然后根据基于HELM的灵敏度计算方法计算出电压对各节点注入功率的灵敏度。其次根据电压对各节点注入功率的各阶灵敏度大小进行判定,若高阶灵敏度大于低阶灵敏度则电压失稳;若高阶灵敏度等于低阶灵敏度,则为电压临界稳定;若高阶灵敏度小于低阶灵敏度,其差值则为电压稳定裕度。本发明利用HELM法考虑了灵敏度的非线性因素,计算出各阶非线性灵敏度,并用于配电网电压稳定判定。

    基于HELM的含PQ和PV节点电网的电压灵敏度计算方法

    公开(公告)号:CN113346496B

    公开(公告)日:2022-07-05

    申请号:CN202110591422.0

    申请日:2021-05-28

    Abstract: 本发明公开了一种基于HELM的包含PQ和PV节点的电网电压灵敏度计算方法。该方法首先利用HELM计算包含PQ和PV节点电网潮流,然后根据基于HELM的灵敏度计算方法计算出PQ节点和PV节点电压对各节点注入功率的灵敏度,计算模型和方法不同于只含有PQ节点的电网电压灵敏度计算。本发明利用HELM法考虑了灵敏度的非线性因素,计算出包含PQ和PV节点电网的节点电压各阶非线性灵敏度。

    基于HELM稳定判据的分布式光伏发电的电压控制方法

    公开(公告)号:CN115102177B

    公开(公告)日:2025-05-16

    申请号:CN202210681260.4

    申请日:2022-06-15

    Abstract: 本发明公开了一种基于HELM稳定判据的分布式光伏发电的电压控制方法,包括以下步骤:步骤一,建立分布式光伏发电在配电网的电压控制模型;步骤二,利用HELM方法计算包含分布式光伏的配电网潮流,作为分布式光伏发电的电压控制优化模型的潮流约束条件;步骤三,利用HELM方法计算节点电压各阶灵敏度,作为分布式光伏发电的电压控制模型的不等式约束条件及电压判稳指标;步骤四,利用遗传算法根据目标函数和约束条件求解确定分布式光伏发电的有功削减量,网损和电压判稳指标。本发明方法能够用于分布式光伏电源在配电网的电压控制,计算速度快,电压控制效果更好,能考虑分布式光伏对电压稳定的影响,有较高的理论意义和应用价值。

    基于卷积神经网络的SVG参数优化辨识方法

    公开(公告)号:CN114740730B

    公开(公告)日:2025-01-28

    申请号:CN202210447654.3

    申请日:2022-04-26

    Abstract: 本发明的基于卷积神经网络的SVG控制器参数辨识方法,通过BPA仿真软件得到各个SVG参数的不同组合和与之对应输出的无功、电压、电流曲线数据,并进行筛选,得到最终数据集;然后依据获取到的数据集搭建可以依据无功动态曲线数据逆推出SVG参数的神经卷积网络模型;最后以RTDS实测曲线数据作为模型输入,即可快速辨识出SVG参数值。本方法将卷积神经网络与SVG控制器参数辨识相结合,为SVG控制器参数辨识提供一种新的方法,保证了参数预测结果的准确度,也提高了辨识效率。

Patent Agency Ranking