面向PSD-BPA快速生成风电场集电线路、箱变和发电机组模型的方法

    公开(公告)号:CN113627014B

    公开(公告)日:2024-05-17

    申请号:CN202110914933.1

    申请日:2021-08-10

    Inventor: 黄淼 李韬 文旭

    Abstract: 本发明涉及一种面向PSD‑BPA快速生成风电场集电线路、箱变和发电机组模型的方法,属于电力系统技术领域,包括以下步骤:S1:建立风电场集电线路、箱变和发电机组的典型参数库;S2:读取收集到的集电线路、箱变以及发电机组数据;S3:自动生成描述节点名称的哈希表;S4:自动生成集电线路、箱变、发电机组模型参数的中间表达形式;S5:自动生成符合PSD‑PA格式要求的稳态和暂态仿真数据。本发明显著减少了PSD‑BPA用户人工建模的工作量,有效避免了繁琐的参数转换、数据录入以及数据核对工作,有助于PSD‑BPA用户快速建立风电场仿真模型,具有工程实用性强的优点。

    一种面向PSASP的光伏逆变器模型辨识方法

    公开(公告)号:CN116826844A

    公开(公告)日:2023-09-29

    申请号:CN202310823604.5

    申请日:2023-07-06

    Abstract: 本发明涉及一种面向PSASP的光伏逆变器模型辨识方法,属于光伏逆变器领域。该方法包括:对低电压穿越测试曲线开展图像识别;调用PSASP暂态稳定仿真程序开展一次无故障仿真;基于不同跌落幅度下的电压测试数据,确定低电压切机判据;计算有功电流恢复斜率和穿越恢复起点控制参数;判断有功或无功电流控制方式是否可直接确定,并计算有功、无功电流控制参数;对本地级控制器变流器参数进行辨识;读取运行参数文件,定位逆变器模型控制参数所处位置,并将其写入对应位置;通过仿真判断哪种控制方式下与实测数据偏差最小,选择偏差最小的控制方式作为最优控制方式,此时的参数值为最优辨识结果。

    一种基于Pandapower与语音识别的电力系统潮流仿真交互方法

    公开(公告)号:CN111695298B

    公开(公告)日:2023-04-07

    申请号:CN202010495491.7

    申请日:2020-06-03

    Abstract: 本发明涉及一种基于Pandapower与语音识别的电力系统潮流仿真交互方法,属于电力系统仿真领域。该方法包括:S1:采用全序列卷积神经网络与连续时序分类模型结合方式建立声学模型;S2:采用一种完全依赖于自注意力机制进行序列建模的方法建立电力系统潮流仿真交互系统的语言模型;S3:将训练完成的语音识别系统嵌入到基于潮流仿真工具Pandapower的电力系统潮流仿真交互系统中。本发明方法将语音识别技术应用到电力系统潮流仿真工具Pandapower的潮流仿真中,实现以语音交互方式完成潮流数据编辑以及控制仿真计算,提高仿真建模的效率,降低仿真技术人员的工作强度。

    一种由图像文件自动生成Simulink控制系统模型的快速建模方法

    公开(公告)号:CN115034069A

    公开(公告)日:2022-09-09

    申请号:CN202210699155.3

    申请日:2022-06-20

    Inventor: 黄淼 杨小永 文旭

    Abstract: 本发明涉及一种由图像文件自动生成Simulink控制系统模型的快速建模方法,属于电力系统控制设备的仿真建模技术领域。该方法包括:S1:读取描述控制系统传递函数方框图的图像文件;S2:对步骤S1读取的图像文件预处理,然后识别并提取传递函数方框图中各环节的位置坐标和类型等信息;S3:提取传递函数方框图之间的连接方式,包括信号线端点、拐点以及信号引出点的坐标信息;S4:自动生成Simulink格式的控制系统仿真模型文件。本发明将计算机图像识别技术应用于动态系统的仿真建模,基于控制系统的传递函数方框图快速生成Simulink仿真模型文件,可有效减少仿真人员手动建模的工作量,提高控制系统的仿真建模效率。

    基于轻量级全卷积神经网络的医学图像分割方法

    公开(公告)号:CN111489364B

    公开(公告)日:2022-05-03

    申请号:CN202010277654.4

    申请日:2020-04-08

    Abstract: 本发明请求保护一种基于轻量级全卷积神经网络的医学图像分割方法。首先对数据集进行灰度化、归一化、对比度受限自适应直方图均衡(CLAHE)、伽马校正等预处理;然后,对训练集进行随机的提取patch和测试集顺序提取patch图以完成数据增强;接着,搭建由收缩路径(左侧)和扩张路径(右侧)组成的全卷积神经网络架构,针对图像数量较少的数据集设计留一法(leave‑one‑out)训练方法;最后,通过通道稀疏正则化训练、裁剪比例因子小于设定阈值的通道以及微调裁剪后的网络完成BN通道模型裁剪,得到轻量级全卷积神经网络,并将测试数据输入到该网络中快速测试完成图像分割。轻量级全卷积神经网络即保证了深度网络的高分割精度优势,又提高了图像分割网络的测试速度。

    基于策略驱动的微电网双通道优化调度方法

    公开(公告)号:CN112165121A

    公开(公告)日:2021-01-01

    申请号:CN202011163667.5

    申请日:2020-10-27

    Abstract: 本发明公开了一种基于策略驱动的微电网双通道优化调度方法。该方法设计建立一种包含基于调度策略驱动的主调度优化和基于调度时间驱动的子调度优化的微电网双通道优化调度算法,确定微电网系统内各分布式电源和外部大电网之间分配负荷电能需求的调度控制优化过程,以便在调度稳定性和发电成本两个方面优化微电网系统调度性能。本发明所适用的微电网由风、光间歇性可再生能源发电和储能系统装置等分布式电源、外部大电网和负荷构成,本发明切实实现了微电网在离并网模式下优化调度的经济性和稳定性两大关键指标的联合优化,是一种具有较强的技术实用性和综合效益的优化调度方法。

    配电网电压薄弱台区预测方法
    8.
    发明公开

    公开(公告)号:CN118656696A

    公开(公告)日:2024-09-17

    申请号:CN202410714776.3

    申请日:2024-06-04

    Abstract: 本发明涉及一种配电网电压薄弱台区预测方法,属于配电网技术领域。该方法包含以下步骤:S1:获取配电网中台区数据;S2:根据电压将台区分类为正常台区和电压薄弱台区,并打上标签;S3:将台区数据作为输入,台区分类结果作为输出,对BP神经网络模型进行训练;S4:利用已经训练好的BP神经网络模型对配电网中其他台区进行预测,从而找出电压薄弱台区。本发明通过带标签的监督学习算法,对配电网台区电压薄弱点进行预测,保证了预测结果的准确性。

    一种面向PSCAD的多人协作建模方法

    公开(公告)号:CN116894339A

    公开(公告)日:2023-10-17

    申请号:CN202310869232.X

    申请日:2023-07-14

    Abstract: 本发明涉及一种面向PSCAD的多人协作建模方法,属于电力技术领域,包括以下步骤:S1:通过边界划分、任务分配,将待建模电网划分为至少两个子电网;S2:对各个子电网进行建模,生成描述各子网模型的PSCAD数据文件;S3:解析各子电网模型文件,将各子电网进行布局和拼接,形成完整的电网模型。本发明将PSCAD传统的单人建模方式拓展为多人协作模式,减少了建模时间,可操作性较强、工程实用价值较高。

Patent Agency Ranking