-
公开(公告)号：CN116247631A
公开(公告)日：2023-06-09
申请号：CN202310307819.1
申请日：2023-03-24
Applicant: 中国能源建设集团湖南省电力设计院有限公司 , 湖南大学
Abstract: 本发明公开了一种基于区段有功变化系数的微电网保护方法，包括以下步骤：S100：根据电压值与电流值计算故障前后各母线的电压幅值差ΔUo；S200：计算故障前后阻抗角之差；S300：获取故障前后各母线有功功率变化量ΔPi、ΔPj；S400：计算各区段两端母线的有功变化系数Sij；S500：当区段有功变化系数Sij小于零时，则判定此区段内发生故障，输出保护信号。本发明可实现微电网区内外故障的识别与保护。
-
公开(公告)号：CN118117621A
公开(公告)日：2024-05-31
申请号：CN202410032664.X
申请日：2024-01-09
Applicant: 湖南大学
Abstract: 本发明提出了一种光伏低压台区储能优化配置方法，包括通过智能电表获取光伏低压台区用户节点的历史数据信息；基于历史数据信息，构建低压台区节点电压平方‑功率的三相线性模型并使用最小二乘法计算线性模型的参数值；获取光伏低压台区的光伏及负荷出力的典型日场景信息，基于电压三相线性模型及典型日场景信息，以光伏低压台区各典型日场景下的总经济运行成本最小为目标，构建储能优化配置模型并对储能优化配置模型求解，获取低压台区储能配置相关信息。本发明考虑台区多个典型日场景和三相不平衡特征，在台区拓扑和线路参数未知的情况下进行储能优化配置，可有效提升台区光伏消纳能力并治理电压越限，更符合台区实际运行工况。
-
Patent Agency Ranking
公开(公告)号：CN118074317A
公开(公告)日：2024-05-24
申请号：CN202410035541.1
申请日：2024-01-09
Applicant: 湖南大学
Abstract: 本发明提出了一种低压台区用户相位辨识方法，包括获取低压台区的历史数据信息；对历史数据信息进行预处理操作；基于预处理后的历史数据信息，以节点电压估算误差最小为目标构建相位辨识模型；对预设模型的第一目标函数进行线性化处理，获取混合整数线性规划模型；对混合整数线性规划模型进行求解，获得台区用户节点的相位辨识结果。该方法可在低压台区拓扑结构、线路参数和全体用户相别均未知的条件下进行用户相位辨识，更符合工程实际，可有效提高用户相位辨识的准确性。
-
公开(公告)号：CN117556715B
公开(公告)日：2024-03-26
申请号：CN202410044729.2
申请日：2024-01-12
Applicant: 湖南大学
IPC: G06F30/27 , G06N3/0464 , G06N3/08 , G06F18/213 , G06F18/21 , G06F18/25 , G06F119/04
Abstract: 本发明公开了一种基于信息融合的典型环境下智能电表退化分析方法及系统，本发明方法包括采用多尺度复合卷积神经网络模型来融合输入的时间t、温度T、湿度H获得输出的智能电表测量误差y，多尺度复合卷积神经网络模型针对输入的时间t、温度T、湿度H采用独立的特征多尺度复合卷积层分别提取特征并将特征融合后用于预测输出智能电表测量误差y，特征多尺度复合卷积层包括采用一维复合卷积通过组合标准卷积与扩张卷积在提高信息感受野的同时减少特征盲点。本发明旨在提高传统卷积神经网络的特征提取与多源信息融合性能，充分考虑多源输入特征差异性实现信息融合与特征互补，提高对智能电表退化趋势预测的准确性与可靠性。
-
公开(公告)号：CN117556715A
公开(公告)日：2024-02-13
申请号：CN202410044729.2
申请日：2024-01-12
Applicant: 湖南大学
IPC: G06F30/27 , G06N3/0464 , G06N3/08 , G06F18/213 , G06F18/21 , G06F18/25 , G06F119/04
Abstract: 本发明公开了一种基于信息融合的典型环境下智能电表退化分析方法及系统，本发明方法包括采用多尺度复合卷积神经网络模型来融合输入的时间t、温度T、湿度H获得输出的智能电表测量误差y，多尺度复合卷积神经网络模型针对输入的时间t、温度T、湿度H采用独立的特征多尺度复合卷积层分别提取特征并将特征融合后用于预测输出智能电表测量误差y，特征多尺度复合卷积层包括采用一维复合卷积通过组合标准卷积与扩张卷积在提高信息感受野的同时减少特征盲点。本发明旨在提高传统卷积神经网络的特征提取与多源信息融合性能，充分考虑多源输入特征差异性实现信息融合与特征互补，提高对智能电表退化趋势预测的准确性与可靠性。
-
公开(公告)号：CN118114130A
公开(公告)日：2024-05-31
申请号：CN202410120958.8
申请日：2024-01-29
Applicant: 国网新疆电力有限公司营销服务中心 , 湖南大学
IPC: G06F18/2411 , G06F18/15 , G06F18/214 , G06N3/006
Abstract: 本发明公开了一种数据缺失条件下智能电能表基本误差预估方法与系统，本发明包括采集智能电能表原始的日数据，进行数据清洗及归一化后采用三角函数插值方法FFI对日数据进行拟合完成缺失值填补，根据完成缺失值填补后的日数据计算月平均基本误差；将时间和环境应力数据作为输入、月平均基本误差作为输出划分数据集，构建最小二乘支持向量机LSSVM；采用改进麻雀搜索算法ISSA为最小二乘支持向量机LSSVM优化参数；采用数据集训练最小二乘支持向量机LSSVM。本发明旨在针对数据缺失条件下的智能电能表实现智能电能表基本误差预估，以实现更高的预测精度和运行效率。
-
公开(公告)号：CN118114108A
公开(公告)日：2024-05-31
申请号：CN202410120955.4
申请日：2024-01-29
Applicant: 国网新疆电力有限公司营销服务中心 , 湖南大学
IPC: G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种高干热环境下智能电能表退化趋势预测方法与系统，本发明方法包括获取待测智能电能表在高干热环境下的运行状态数据集；计算各环境应力数据与智能电能表基本误差数据的相关性，并根据相关性筛选运行状态数据集中的环境应力数据，得到优化后的运行状态数据集；基于优化后的运行状态数据集训练基于Swish激活函数构建改进时间卷积网络模型STCN，使其建立环境应力数据、智能电能表基本误差数据之间的映射关系以用于根据输入的环境应力数据获得对应的智能电能表基本误差数据。本发明旨在实现高干热环境下智能电能表退化趋势的精确预测，提高智能电能表的精确度。
-
-
-
-
-
-
Search Results
7
records
(took 0.032 seconds)
