-
公开(公告)号：CN119338283B
公开(公告)日：2025-04-01
申请号：CN202411864813.5
申请日：2024-12-18
Applicant: 浙江大学
IPC: G06Q10/0637 , G06Q50/06
Abstract: 本发明公开了一种基于条件引导扩散过程的电力系统负荷预测方法，属于电力系统时序预测领域。该方法设计了多阶段渐进引导的去噪流程，解决去噪过程不可控的问题；通过相似时段负荷曲线发掘算法和多分辨率趋势特征有效发掘模式特征，并利用混合特征条件生成网络引导多阶段去噪过程；最后，设计了基于Transformer架构的深度去噪网络，通过嵌入深度频域分解模块来提升模型从高斯噪声中还原负荷曲线的能力。该方法实现了去噪过程的可控，确保负荷曲线生成的精细度和准确性，增强了模型的可解释性，显著提升了日前负荷点预测与确定性预测的精度，能为电力系统控制和优化运行提供更为精确的预测信息。
-
公开(公告)号：CN118503743A
公开(公告)日：2024-08-16
申请号：CN202410566414.4
申请日：2024-05-09
Applicant: 浙江大学 , 国网浙江省电力有限公司电力科学研究院
IPC: G06F18/23213 , G06F18/213 , G06F18/25 , G06F18/22
Abstract: 本发明公开了一种基于时间序列变密度处理手段的负荷曲线聚类方法，包括：根据负荷曲线确定负荷的峰、谷、爬坡时段；采用自适应分段聚合近似方法对负荷进行减密度处理；确定减密度处理后峰、谷、爬坡时段对应的数据点，针对减密度后的负荷序列，采用线性内插法对负荷的峰、谷、爬坡时段进行增密度处理；针对减密度和增密度后的负荷序列，采用欧氏距离和相关距离的综合判据构建相似性指标，计算负荷间的相似性；针对减密度和增密度后的负荷序列，基于负荷间的相似性，采用k‑medoids法进行聚类，得到典型日负荷曲线。根据典型日负荷曲线可以了解这类用户的负荷特性和用电规律，电网可以根据用户的特性进行调度，实施需求响应等，平衡电力电量和削峰填谷。
-
公开(公告)号：CN118035909A
公开(公告)日：2024-05-14
申请号：CN202410107366.2
申请日：2024-01-25
Applicant: 浙江大学
IPC: G06F18/2433 , G01R31/00 , H02J3/00 , G06Q50/06 , G06F17/16 , G06F123/02
Abstract: 本发明公开了一种基于经验模态分解的台区负荷异常态势协同检测方法，该方法采用边‑云协同方式进行检测，由运行于边缘物联终端的边缘计算实现本地台区负荷异常态势的本地快速检测方法进行检测；由运行于配电主站的集中计算实现台区负荷异常态势的协同检测；配电主站根据各边缘物联终端在负荷态势正常时周期性上传的历史数据、各边缘物联终端在检测到负荷态势异常后上传的主导电气量测数据和偏离特征值数指标，将台区负荷的异常态势和物理故障等配电网异常状态区分开。本发明不需要配电网详细的物理参数，能够在本地快速准确筛查出负荷异常态势，降低了通信网络负担，节省了配电网控制中心的计算资源。
-
公开(公告)号：CN111239511B
公开(公告)日：2021-01-26
申请号：CN202010005942.4
申请日：2020-01-03
Applicant: 浙江大学 , 国网浙江省电力有限公司
Abstract: 本发明公开了一种多馈入新能源并网系统广义短路比的在线测量方法。将系统节点分为馈入端口节点、网络内节点和无穷大电网等值节点三类，在上述节点中采集获取馈入端口节点的电流和电压的离散时间点数据，进而获得电流差值矩阵与电压差值矩阵；电流差值矩阵与电压差值矩阵通过重排的克罗降阶导纳矩阵建立关系模型，再根据最小二乘法矩阵迭代解法求解重排矩阵，利用重排矩阵获得广义短路比。本发明的广义短路比实时测量算法，能够实现广义短路比的实时在线测量，同时基于最小二乘法的矩阵迭代算法使得计算结果对于测量噪声干扰有着较强的抵御能力。
-
公开(公告)号：CN111239511A
公开(公告)日：2020-06-05
申请号：CN202010005942.4
申请日：2020-01-03
Applicant: 浙江大学 , 国网浙江省电力有限公司
Abstract: 本发明公开了一种多馈入新能源并网系统广义短路比的在线测量方法。将系统节点分为馈入端口节点、网络内节点和无穷大电网等值节点三类，在上述节点中采集获取馈入端口节点的电流和电压的离散时间点数据，进而获得电流差值矩阵与电压差值矩阵；电流差值矩阵与电压差值矩阵通过重排的克罗降阶导纳矩阵建立关系模型，再根据最小二乘法矩阵迭代解法求解重排矩阵，利用重排矩阵获得广义短路比。本发明的广义短路比实时测量算法，能够实现广义短路比的实时在线测量，同时基于最小二乘法的矩阵迭代算法使得计算结果对于测量噪声干扰有着较强的抵御能力。
-
Patent Agency Ranking
公开(公告)号：CN111209527A
公开(公告)日：2020-05-29
申请号：CN201911418200.8
申请日：2019-12-31
Applicant: 浙江大学 , 国网浙江省电力有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种二次侧施加扰动的非变工况逆变器广义阻抗测量方法。双环矢量控制的逆变器并网系统的逆变器内环电流控制输入端对内控制环的电流参考值施加扰动；使用采样设备对扰动施加前与扰动施加后的逆变器输出的三相电压和电流进行采样；计算扰动量，使用离散傅里叶变换将扰动量由时域变换到频域；所施加不同的扰动计算获得广义阻抗；改变所施加扰动的频率进行扫频，直至测得待测频段内所有频率点的广义阻抗。本发明对逆变器的广义阻抗进行测量，测量更加便捷，成本更低，且不用改变工况，也降低了多次测量产生的现场因素的干扰。
-
公开(公告)号：CN119651609B
公开(公告)日：2025-05-13
申请号：CN202510147884.1
申请日：2025-02-11
Applicant: 浙江大学 , 广西大学 , 国家电投集团广西电力有限公司
Abstract: 本发明公开了一种基于注意力机制的多维风电功率场景生成方法。包括以下步骤：首先，构建历史风电功率数据集，进而训练具有编码器‑解码器结构的风电功率预测模型，获得训练完成的风电功率预测模型；然后，利用训练完成的风电功率预测模型中的编码器提取历史风电功率数据集中各样本对应的压缩特征以及特征权重，从而更新历史风电功率数据集；最后，利用编码器提取目标样本对应的压缩特征，在历史风电功率数据集中寻找与目标样本最为接近的历史样本并作为风电功率场景，场景重要度作为样本相似程度，以场景及其重要度描述未来风电功率。本发明能在不牺牲概率性能的基础上有效缩短场景生成时间，并且还能更为准确地描述未来风电功率。
-
公开(公告)号：CN119231574B
公开(公告)日：2025-05-09
申请号：CN202411750148.7
申请日：2024-12-02
Abstract: 本发明公开了一种大规模分布式光伏电压‑频率协调支撑控制方法，该方法建立了一种分布式光伏本地下垂控制参数优化模型，以优化本地有功/频率与无功/电压下垂控制参数。在实时控制阶段，分布式光伏结合本地量测和优化后的下垂控制曲线，快速调节输出功率以响应系统电压和频率偏差。本发明方法能够充分利用分布式光伏灵活功率调节能力，保证配电网电压安全性并改善系统频率响应特性。针对分布式光伏本地有功/频率与无功/电压下垂控制回路间的耦合干扰，提出一种临界电压边界以表征分布式光伏的调压能力极限，并利用该临界电压边界来重构下垂控制参数优化模型的电压约束，可有效防止因分布式光伏参与频率调节而造成的配电网局部电压越限。
-
公开(公告)号：CN119813166A
公开(公告)日：2025-04-11
申请号：CN202411817970.0
申请日：2024-12-11
Applicant: 浙江大学 , 国网浙江省电力有限公司电力科学研究院
IPC: H02J3/00 , G06N3/0442 , G06N3/049 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的电动汽车集群充电负荷区间预测方法，属于电气工程技术领域。所述方法包括：首先，建立QR‑LSTM神经网络模型；然后，选择包含历史同一时间点的充电功率与日历信息的数据集作为输入变量，在此基础上，对日历信息采用one‑hot编码方法进行处理以转换为数值变量；接着，在模型的训练过程中，将数据集采用滑动窗口法进行处理，并对数据进行归一化处理；训练好的模型即可对配电台区内电动汽车集群充电负荷进行区间预测。本发明考虑到电动汽车充电负荷的不确定性，提出的预测方法能够对电动汽车集群充电负荷进行区间预测；预测结果可以为电网规划，需求响应等提供理论支撑。
-
公开(公告)号：CN119109037A
公开(公告)日：2024-12-10
申请号：CN202411247203.0
申请日：2024-09-06
Applicant: 浙江大学
IPC: H02J3/00 , H02J3/38 , G06F17/13 , G06Q10/063 , G06Q10/04 , G06Q50/06 , G06N3/0455 , G06N3/049 , G06N3/048 , G06N3/044 , G06N3/08
Abstract: 本发明公开了一种基于非参数随机微分方程的超短期风电功率概率预测方法。该方法为：首先构建用于描述风电出力短时随机波动的非参数随机微分方程，并结合高斯过程回归与近似差分运算，实现有限风电观测数据下非参数随机微分方程的自适应推断；为满足随机微分方程推断和求解对于样本分辨率和计算效率的需求，将随机微分方程与深度神经网络相结合，基于双层注意力循环神经网络构建风电随机过程路径插值器与随机微分方程数值积分器，并提出两阶段训练算法实现网络参数的协同优化；最后，通过随机微分方程的概率转移特性，利用训练好的网络计算得到风电功率在预测时间内的时变概率分布。本发明可实现具有超时间分辨率的风电功率概率预测。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.02 seconds)
