-
公开(公告)号：CN115343656B
公开(公告)日：2024-09-03
申请号：CN202210883230.1
申请日：2022-07-26
IPC: G01R31/54
Abstract: 本发明公开了一种三电平整流器中功率开关器件开路故障的诊断方法，属于电力电子设备故障诊断技术领域，利用基于开关状态的电压和基于故障假设的电压之间的差，即三相平均电压偏差作为诊断变量，结合归一化和累加操作，实现了对三电平整流器内开关管高准确性和可靠性的开路故障诊断。设计了一种考虑直流侧电压不平衡和随整流器电流水平及调值比自动调节的诊断阈值，确保了诊断方法在整流器系统不同运行状态下的鲁棒性。上述诊断变量和阈值的获得无需复杂的计算、精确的系统建模和系统参数，并且不需要额外的传感器。因此该诊断方法具有诊断时间短、诊断成本低、不依赖于系统模型和参数的优点。
-
公开(公告)号：CN115062538B
公开(公告)日：2024-08-13
申请号：CN202210639082.9
申请日：2022-06-07
IPC: G06F30/27 , G06F18/213 , G06F18/24 , G06F18/2415 , G06F18/25 , G06N3/0464 , G06N3/08 , G01R31/54
Abstract: 本发明公开了一种基于注意力机制和卷积NN的变换器故障诊断方法及系统，步骤为：建立双有源桥变换器的仿真模型，并选择故障诊断信号；收集不同功率开关器件的故障诊断信号样本；利用卷积操作构建特征提取模块，利用注意力机制构建去噪模块和特征融合模块，提取和融合输入诊断样本中三个诊断信号的故障特征，构建多分支卷积神经网络模型；将故障诊断信号样本输入到多分支卷积神经网络中训练，根据训练后的网络对双有源桥变换器的开路故障进行诊断及定位。本发明利用注意力机制构建故障诊断模型，去除了诊断信号中的噪声并融合了多诊断信号的故障特征，有效提高了诊断准确度，且利用卷积神经网络进行诊断，提高了诊断的智能化。
-
公开(公告)号：CN114662394B
公开(公告)日：2024-07-09
申请号：CN202210312344.0
申请日：2022-03-28
Applicant: 国网安徽省电力有限公司电力科学研究院 , 武汉大学 , 国家电网有限公司
IPC: G06F30/27 , G06F111/12 , G06F113/04
Abstract: 本发明提供一种基于YOLO V3的高压交流线路保护行为评价方法及系统包括：预设YOLO V3算法的输入端口及输出端口，输入端口及输出端口的数目不少于2个；根据输入端口及输出端口及预置双端供电系统原理搭建双端供电系统仿真模型，生成被评价保护装置的参数矩阵，利用双端供电系统仿真模型批量输入运行被评价保护装置所在线路的参数矩阵以得到差异状态电流结果对应数据，据以生成故障时序图作为评价样本并分类；设置预置网络参数，从评价样本中获取并利用训练集训练预置网络；选取适用测试权重测试预置网络获取网络训练判据，据以判定并获取适用评价网络，以适用评价网络评价高压交流线路保护行为。解决了继电保护行为评价技术耗时长、准确率低等问题。
-
公开(公告)号：CN117829499A
公开(公告)日：2024-04-05
申请号：CN202311840019.2
申请日：2023-12-27
Applicant: 武汉大学
IPC: G06Q10/0631 , G06Q50/06 , G06F18/214 , G06F18/2411 , G06Q50/26
Abstract: 本发明公开了一种光伏发电污水厂低碳用电调度方法及计算机可读介质。获取污水厂历史每天每个时段进水水质参数、鼓风机及除鼓风机外的剩余设备所需用电功率、工业用电价格、光伏余电售电价格、气象数据，并计算对应时段的光伏发电功率；构建出水水质约束条件，以污水厂历史每天多个时段的总电费最小化为优化目标，通过遍历法求解历史每天每个时段优化后鼓风机所需用电功率；构建每组样本及其对应的真实标签，输入卷积神经网络，并通过梯度下降法优化参数；实时采集污水厂历史每天每个时段各项数据，通过优化后卷积神经网络预测，得到下一日每个时段优化后鼓风机所需用电功率。本发明可快速准确预测低碳用电策略，实现污水厂节能降耗。
-
公开(公告)号：CN116663714A
公开(公告)日：2023-08-29
申请号：CN202310529121.4
申请日：2023-05-11
Applicant: 武汉大学
IPC: G06Q10/04 , G06Q10/067 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种园区级IES优化调度方法及装置，涉及综合能源系统优化调度领域，该方法包括建立园区级含氢综合能源系统模型；建立园区级IES优化调度模型的目标函数并对非线性项进行线性化处理；调用求解器对建立的所有模型进行求解，得到优化结果。本发明能够大幅提高IES运行的灵活性，以灵活性促进IES的低碳性和经济性。
-
Patent Agency Ranking
公开(公告)号：CN112290637A
公开(公告)日：2021-01-29
申请号：CN202011231016.5
申请日：2020-11-06
Applicant: 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司 , 中国电力科学研究院有限公司 , 武汉大学 , 青海大学
Abstract: 一种考虑储能经济性的延长电池储能寿命的双电池运行策略生成方法，根据电池的放电深度来对电池等效寿命进行评估，进而确定电池的最佳运行状态。然后建立双电池组运行的数学模型，此模型可使电池更加贴近最佳运行状态。然后提出一种为保证储能电池自身寿命最大化的运行策略，该策略应当使电池长久贴合于最佳状态运行。通过动态规划法求解出该策略的运行状态。本发明以双电池模型为基础，确定出一种电池储能寿命最大化的运行策略，可以有效的节约电池储能的成本，进而增加储能系统的经济效益。因此储能设备在作为辅助服务设备通过低价购电高价售电获得盈利时，可以使购售电价格差更低，定价更加灵活。
-
公开(公告)号：CN109033702A
公开(公告)日：2018-12-18
申请号：CN201810967613.0
申请日：2018-08-23
Applicant: 国网内蒙古东部电力有限公司电力科学研究院 , 武汉大学 , 国家电网有限公司
CPC classification number: G06F17/5009 , G06N3/0454 , G06N3/08
Abstract: 本发明涉及一种基于卷积神经网络CNN的电力系统暂态稳定评估方法，尤其是电力系统暂态电压稳定在线评估。为了解决在目前暂态电压传统评估方法无法满足准确性和快速性的问题，将CNN引入电力系统暂态稳定评估。技术方案主要分为两部分，第一步是离线训练：基于仿真数据进行预处理，得到36维输入特征量，形成训练集和测试集输入CNN，进行CNN网架结构和参数的优化，生成暂态稳定评估离线模型；第二步是获得故障后PMU量测数据构建36维特征量，输入训练好的暂态稳定评估离线模型，对暂态电压在线稳定状态进行评估。本发明解决在目前暂态电压传统评估方法无法满足准确性和快速性的问题，错误率低、测试时间短。
-
公开(公告)号：CN106599432A
公开(公告)日：2017-04-26
申请号：CN201611116044.6
申请日：2016-12-07
Applicant: 广州供电局有限公司培训与评价中心 , 武汉大学
CPC classification number: G06F17/5009 , G06Q10/0639 , G06Q50/205
Abstract: 本发明涉及一种利用变权重理论的高压电缆施工作业3D仿真培训系统可信度评估。本发明从高压电缆施工作业3D仿真培训系统可信度的评估指标选取出发，针对在仿真培训系统可信度评估过程中出现的不确定性采用梯形云来描述，实现定性概念和定量计算上的转换，实现评估指标隶属度的计算；提出采用改进的模糊层次分析法计算评估指标的常权重，针对高压电缆施工作业3D仿真培训系统可信度评估中极个别指标的严重失真而综合评价却无法灵敏做出反应的问题，根据高压电缆施工作业3D仿真培训系统可信度评估的自身属性构造惩罚型状态变权函数，使得各个指标的权重随着可信度评估结果的变化而重新分配；采用模糊加权算子计算仿真培训系统可信度评估结果。
-
公开(公告)号：CN106291234A
公开(公告)日：2017-01-04
申请号：CN201610613748.8
申请日：2016-07-29
Applicant: 武汉大学
IPC: G01R31/08
CPC classification number: G01R31/085 , G01R31/088
Abstract: 本发明涉及一种基于卷积神经网络的输电线路区内外故障判断及故障选相方法，首先根据双端供电系统原理图搭建仿真模型，得到训练样本的输入，将故障类型和区内外故障作为训练样本的输出，同理生成测试样本。其次，列出网络结构，通过测试样本的错误率，得到最佳网络结构。最后，在每次故障之后，获取故障电流，输入到训练好的网络中，即可判断是否区内故障并进行故障选相，无需再次训练。该方法对卷积神经网络输出进行了改进，用同一网络同时解决了区内外故障判断和故障选相两类非独立分类问题，实现了两种非独立分类问题的权值共享。对采样率要求低，无需计算各种整定值，不受系统频率、故障位置、负荷电流、过渡电阻等因素的影响，结果准确可靠。
-
公开(公告)号：CN106291233A
公开(公告)日：2017-01-04
申请号：CN201610613683.7
申请日：2016-07-29
Applicant: 武汉大学
IPC: G01R31/08
CPC classification number: G01R31/088
Abstract: 本发明一种基于卷积神经网络的故障选相方法。首先根据双端供电系统原理图搭建仿真模型。其次，列出网络结构，通过设置批处理数量为较大定值，训练次数为较小定值，得到测试样本的错误率，错误率最小的网络结构即为最佳网络结构。然后，在最佳网络结构下，减少批处理数量，增加训练次数，使错误率降为0，从而得到训练好的网络结构参数和权值偏置矩阵。最后，在每次故障之后，获取故障电流，输入到训练好的网络中，即可得到故障类型输出，无需再次训练。该方法能够准确进行故障选相，检测灵敏度高，不受系统频率、故障位置、负荷电流、过渡电阻等因素的影响，具有很高的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.029 seconds)
