-
公开(公告)号：CN117996949A
公开(公告)日：2024-05-07
申请号：CN202410075815.X
申请日：2024-01-18
申请人： 武汉大学 , 国网湖北省电力有限公司 , 国网湖北省电力有限公司电力科学研究院
摘要： 本发明涉及电力系统线路辨识技术，具体涉及输电网络连锁故障关键线路辨识与预警及定位方法及设备，该方法根据潮流转移模型得到多个历史时刻的特征数据，生成输电网特征数据集；构建基于LSTM的输电网安全态势预测预警模型，将时序电网状态输入本发明所建立的安全态势预测模型中，经过ADASYN过采样等步骤进行数据预处理，划分出训练集和验证集；然后计算每个时间点输入的维度，将生成的数据输入LSTM网络的输入层中进行计算，最终输出未来特定时刻是否会发生连锁故障以及故障所处的位置等结果。本发明能对由潮流转移引发的连锁故障进行提前预警和区域判定，从而有效提升精益化管控水平，为输电网精益化运维提供可靠的决策支撑。
-
公开(公告)号：CN115102158A
公开(公告)日：2022-09-23
申请号：CN202210657453.6
申请日：2022-06-10
申请人： 国网湖北省电力有限公司经济技术研究院
摘要： 一种电‑热‑气综合能源系统双层协同控制方法，先构建由上层多智能体强化学习模型和下层潮流计算模型构成的双层决策控制模型，下层模型用于为上层模型提供系统的能流数据，上层模型则根据能流数据对智能体的决策行为进行奖励，再将采集的电、热、气负荷需求量等历史状态信息数据输入双层决策控制模型中进行迭代训练，随后采集综合能源系统的实时状态信息数据，并将其输入训练好的双层决策控制模型中，得到最优的综合能源系统出力，即热电联供机组的电出力、燃气锅炉的热出力、燃气轮机的电出力、电网向系统输送的电功率以及天然气网向系统输送的天然气量。本发明有效简化了奖励函数的设计，提高了模型的收敛性。
-
公开(公告)号：CN117726799A
公开(公告)日：2024-03-19
申请号：CN202311745525.3
申请日：2023-12-18
申请人： 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司 , 武汉大学
IPC分类号： G06V10/25 , G06V10/774 , G06V10/82 , G06N3/096 , G06N3/0895 , G06N3/044 , G06N3/084
摘要： 本发明涉及一种基于小样本和迁移学习的自监督预训练方法，包括以下步骤：获取原始数据并进行预处理，原始数据包括大量无标注图像样本数据和部分有标注图像样本数据；构建目标检测基础网络模型；基于原始数据构建基础目标检测数据集，输入至目标检测基础网络模型中，进行预训练；收集包括导线断股和线路覆冰异常情况的输电线路巡检图像放入小样本巡检专业数据集中；利用小样本巡检专业数据集，在基础目标检测模型之上进行迁移学习，得到用于识别导线断股和线路覆冰的输电线路巡检目标识别模型；通过容器化部署的方式将输电线路巡检目标识别模型封装为镜像，将该镜像部署于输电线路巡检设备中，进行输电线路巡检。
-
公开(公告)号：CN116090327A
公开(公告)日：2023-05-09
申请号：CN202211167271.7
申请日：2022-09-23
申请人： 武汉大学
摘要： 本申请涉及一种时间序列预测模型构建方法、装置、设备及可读存储介质，涉及人工智能与电力系统交叉技术领域，本申请基于自注意力机制的Transformer架构对长时间序列的典型特征提取与记忆能力，使时间序列预测模型更加容易地应对电力负荷的未知波动，且通过迁移学习可对数据集更小的下游任务进行训练，以减轻模型训练的工作量并增强模型的泛化性能。因此，对于突发情况下的电力负荷波动，本申请通过迁移长期负荷时间序列以及自注意力机制的记忆性，可使得时间序列预测模型能够对长期序列中的特征进行充分的提取并用于下游的预测，进而提升模型的预测精度和适应性。
-
公开(公告)号：CN115713026A
公开(公告)日：2023-02-24
申请号：CN202211167258.1
申请日：2022-09-23
申请人： 武汉大学
IPC分类号： G06F30/27 , G06Q10/04 , G06Q50/06 , H02J3/00 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/049 , G06N3/08 , G06F119/08
摘要： 本申请涉及一种时序数据预测模型构建方法、装置、设备及可读存储介质，涉及电力系统与人工智能交叉技术领域，包括基于三次样条插值法对待处理数据进行数据重建，得到重建后数据曲线，所述待处理数据包括温度和电力负荷；基于道格拉斯‑普克算法对重建后数据曲线进行数据压缩，得到压缩后数据曲线；将压缩后数据曲线对应的压缩数据输入至CNN‑BiGRU网络模型进行训练，得到时序数据预测模型，以利用所述时序数据预测模型进行电力负荷预测。本申请可有效降低预测模型的构建难度，并可准确预测电力负荷。
-
公开(公告)号：CN116961009A
公开(公告)日：2023-10-27
申请号：CN202310937842.9
申请日：2023-07-27
申请人： 武汉大学
摘要： 本发明提供一种基于人机交互的电力系统调度方法及系统，属于电力智能调度技术领域，包括：建立电力系统的有功功率校正控制领域模型，以总体成本最小化约束有功功率校正控制模型；提出建立基于图深度强化学习算法的电力系统有功校正控制模型，对电力系统进行优化调度控制；由贝叶斯网络建立调度员认知行为模型，利用调度员认知行为模型获取人因可靠性分析结果；采用虚拟数字人技术，利用优化后的电力系统和人因可靠性分析结果构建电力系统人机交互模型。本发明融合人类认知模型，机器智能模型以及人机交互接口来构建人机混合系统，采用虚拟数字人与可解释技术相结合作为新型人机智能接口提高人机混合认知水平，实现人类智能与机器智能的有效融合。
-
公开(公告)号：CN115906606A
公开(公告)日：2023-04-04
申请号：CN202211167278.9
申请日：2022-09-23
申请人： 武汉大学
IPC分类号： G06F30/27 , G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/0442 , G06N3/049 , G06N3/08 , G06F119/08 , G06F113/06 , G06F111/08
摘要： 本申请涉及一种短期时序数据预测模型构建方法、装置、设备及存储介质，涉及短期时序数据预测技术领域，包括对包括风电功率和多个风电特征参数的历史多维时序数据进行正则化处理，筛选出多个第一风电特征参数，将包含第一风电特征参数的历史多维时序数据作为新的历史多维时序数据；构建包括CNN网络、扁平化层和BiLSTM网络的CNN‑BiLSTM模型，CNN网络对多维时序数据进行特征提取处理，扁平化层对处理后的多维时序数据进行扁平化处理得到一维时序数据，BiLSTM网络对一维时序数据进行学习和预测；基于新的历史多维时序数据对上述模型进行训练得到短期时序数据预测模型，可有效提高短期风电功率预测的精度。
-
公开(公告)号：CN114004282A
公开(公告)日：2022-02-01
申请号：CN202111188349.9
申请日：2021-10-12
申请人： 武汉大学 , 国网浙江省电力有限公司
摘要： 本发明提出了一种电力系统深度强化学习紧急控制策略提取方法。通过引入电力系统节点模型多个历史时刻的特征数据构建观测数据；进一步构建深度Q学习网络模型，并采用随机梯度下降优化算法进行优化训练得到电力系统紧急控制深度强化学习模型；基于已训练完成的深度Q学习网络模型，在特定的故障场景下，生成数据集；并在此数据及上训练基于信息增益比的加权倾斜决策树模型，以完成策略提取；设定策略保真度指标、策略实际控制性能指标、模型复杂度指标，以评估不同超参数下的模型性能，从而根据实际需求选出最优模型，以用于电力系统紧急控制领域中。
-
公开(公告)号：CN116169776A
公开(公告)日：2023-05-26
申请号：CN202211089297.4
申请日：2022-09-07
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网山西省电力公司电力科学研究院 , 武汉大学
摘要： 本发明公开了一种电力系统云边协同人工智能调控方法、系统、介质及设备，方法包括：基于电力系统中所有子区域的观测数据确定每个子区域对应的预测值；基于所述预测值确定每个子区域对应的执行动作；基于每个子区域对应的执行动作执行联合动作，以进行电力系统调控。本发明在每个子区域分别进行利用对应的边缘平台进行运算，基于云协同技术实现电力系统广域协调运行控制，能够实现原有中心化任务的有效解耦与任务下沉，对维护高比例新能源接入下大规模互联电网的安全稳定运行提供了基础。
-
公开(公告)号：CN113991645A
公开(公告)日：2022-01-28
申请号：CN202111208028.0
申请日：2021-10-18
申请人： 武汉大学 , 国网浙江省电力有限公司
摘要： 本发明提出了一种基于电力系统紧急控制的关键因素辨识方法。构建电力系统紧急控制深度强化学习模型，引入配电网节点模型多个历史时刻的特征数据构建配电网特征数据集；进一步将配电网特征数据集中每组配电网特征矩阵集合依次输入至采用随机梯度下降算法和Q学习算法的深度强化学习模型进行训练，预测并得到负荷削减动作；将配电网特征数据集中每组配电网特征矩阵集合依次输入至电力系统紧急控制深度强化学习模型预测得到对应的负荷削减动作，通过Deep‑SHAP方法获取多个影响电力系统紧急控制深度强化学习模型的主要特征；本发明解决机器学习模型中透明度过低的问题，为调度人员提供更加充分的决策帮助，提高模型的可解释性和准确度。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.103 秒)
