CN108469553B9 - 计及环境要素的特高压输电线路近地面工频电场强度预测方法 - Google Patents

计及环境要素的特高压输电线路近地面工频电场强度预测方法 Download PDF

Info

Publication number
CN108469553B9
CN108469553B9 CN201810113464.1A CN201810113464A CN108469553B9 CN 108469553 B9 CN108469553 B9 CN 108469553B9 CN 201810113464 A CN201810113464 A CN 201810113464A CN 108469553 B9 CN108469553 B9 CN 108469553B9
Authority
CN
China
Prior art keywords
transmission line
model
electric field
ultra
high voltage
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810113464.1A
Other languages
English (en)
Other versions
CN108469553A (zh
CN108469553B (zh
Inventor
尹建光
谢连科
臧玉魏
马新刚
刘辉
王坤
巩泉泉
窦丹丹
张国英
李方伟
李佳煜
郭本祥
闫文晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201810113464.1A priority Critical patent/CN108469553B9/zh
Publication of CN108469553A publication Critical patent/CN108469553A/zh
Publication of CN108469553B publication Critical patent/CN108469553B/zh
Application granted granted Critical
Publication of CN108469553B9 publication Critical patent/CN108469553B9/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/08—Measuring electromagnetic field characteristics
    • G01R29/0807—Measuring electromagnetic field characteristics characterised by the application
    • G01R29/0814—Field measurements related to measuring influence on or from apparatus, components or humans, e.g. in ESD, EMI, EMC, EMP testing, measuring radiation leakage; detecting presence of micro- or radiowave emitters; dosimetry; testing shielding; measurements related to lightning
    • G01R29/0857—Dosimetry, i.e. measuring the time integral of radiation intensity; Level warning devices for personal safety use
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/08—Measuring electromagnetic field characteristics
    • G01R29/0864—Measuring electromagnetic field characteristics characterised by constructional or functional features
    • G01R29/0871—Complete apparatus or systems; circuits, e.g. receivers or amplifiers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/08—Measuring electromagnetic field characteristics
    • G01R29/0864—Measuring electromagnetic field characteristics characterised by constructional or functional features
    • G01R29/0892—Details related to signal analysis or treatment; presenting results, e.g. displays; measuring specific signal features other than field strength, e.g. polarisation, field modes, phase, envelope, maximum value

Landscapes

  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种计及环境要素的特高压输电线路近地面工频电场强度预测方法，对正常运行的线路进行断面的检测；把基于等效电荷法模型计算结果以及现场监测数据组成的数据集，对神经网络模型进行训练，其中理论计算值、环境要素和线路工况作为模型输入，现场测量值作为模型输出，构成多输入单输出的神经网络模型；模型预测以检验误差最小为目标，通过比较期望误差与实际训练误差、实际检验误差的关系，预估需要增减的隐含节点数，实现网络结构优化，利用模型对现场监测数据进行特高压输电线路近地面工频电场强度的预测。

Description

计及环境要素的特高压输电线路近地面工频电场强度预测方法
技术领域
本发明涉及一种计及环境要素的特高压输电线路近地面工频电场强度预测 方法。
背景技术
我国能源禀赋在各区域有很大不同，用电负荷与能源禀赋呈现出相反的。 特高压输电具有容量大、环保节能、效率高等有点，成为缓解电力需求和能源 赋存之间矛盾的重要手段。为此，我国电网发展进入了特高压为主干网架的时 代。
随着特高压工程的陆续上马，特高压输电线路对周围环境的影响逐步成为 公众关心的问题，特别是对近地面(对人体影响最大)工频电场强度的影响。
现阶段对于特高压输电线路周围电场强度的预测技术主要是通过理论计算 (模拟电荷法、有限元分析)和类比分析。通过现场检测和理论分析发现，单 纯的理论计算并不能真是的反映出线路周围工频电场强度的真实水平，主要是 受周围环境因素的影响，特别是气象条件如湿度、温度等因素的影响；类比分 析主要是通过已投运的符合类比条件的线路来类比分析目标线路周围的电场强 度，该方法的特点是简单便捷，只能做半定量分析。
发明内容
本发明为了解决上述问题，提出了一种计及环境要素的特高压输电线路近 地面工频电场强度预测方法，本发明通过神经网络技术将理论计算与实际测量 进行结合，通过大量数据进行训练，既能结合理论计算精确性优点又能够把现 场干扰因素考虑在内，能够为以后特高压输电线路工程的建设、运维等提供一 种可行的工频电场强度的预测方法。
为了实现上述目的，本发明采用如下技术方案：
一种计及环境要素的特高压输电线路近地面工频电场强度预测方法，包括 以下步骤：
对正常运行的线路进行断面的检测；
把基于等效电荷法模型计算结果以及现场监测数据组成的数据集，对神经 网络模型进行训练，其中理论计算值、环境要素和线路工况作为模型输入，现 场测量值作为模型输出，构成多输入单输出的神经网络模型；
模型预测以检验误差最小为目标，通过比较期望误差与实际训练误差、实 际检验误差的关系，预估需要增减的隐含节点数，实现网络结构优化，利用模 型对现场监测数据进行特高压输电线路近地面工频电场强度的预测。
进一步的，检测数据包括：环境湿度和温度。
进一步的，记录检测时的线路工况电压、电流、有功功率和无功功率。
进一步的，采用等效电荷方法计算输电线路周围的工频电场强度。
进一步的，将电极表面连续分布的自由电荷或介质分界面上连续分布的束 缚电荷用一组离散化的等效电荷来替代，应用叠加原理将离散的等效电荷在空 间所产生的场量叠加，即可得原连续分布电荷所产生的空间电场分布。
进一步的，等效电荷的位置视为在输电导线的几何中心，设输电线路为无 限长并且平行于地面，地面可视为良导体，利用镜像法计算送电线上的等效电 荷。
进一步的，根据当前误差与期望误差的差异判断优化方向和调整幅度。
进一步的，样本的应变量记录值由理想值和数据噪声两者叠加构成。
进一步的，神经网络模型的检验误差为检验输出变量值和模型的预测值差 值平方的平均值。
模型的构建过程包括：
模型初始化，设定隐层神经元数，将训练集分为两个数据子集；
模型结构自适应优化调整，以一个数据子集为学习集，另一个数据子集为 检验集，利用提前终止法进行训练直到满足种植条件，完成建模。
与现有技术相比，本发明的有益效果为：
本发明通过神经网络技术将理论计算与实际测量进行结合，通过大量数据 进行训练，既能结合理论计算精确性优点又能够把现场干扰因素考虑在内，能 够为以后特高压输电线路工程的建设、运维等提供一种可行的工频电场强度的 预测方法。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申 请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为本发明的流程示意图；
图2为本发明的神经网络示意图；
具体实施方式：
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。 除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域 的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图 限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确 指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说 明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、 组件和/或它们的组合。
在本发明中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、 “侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为 了便于叙述本发明各部件或元件结构关系而确定的关系词，并非特指本发明中 任一部件或元件，不能理解为对本发明的限制。
本发明中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固 定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中 间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定 上述术语在本发明中的具体含义，不能理解为对本发明的限制。
如图1所示，一种计及环境要素的特高压输电线路近地面工频电场强度预 测方法，具体包括基于现场测量的数据积累；
选择已经正常运行的线路进行实际检测，检测过程应该符合相应的标准条 件，选择好典型断面后，进行检测。检测数据包括：环境湿度(H)、温度(T) 等，同时记录检测时的线路工况：电压(U)，电流(I)，有功功率(AP)，无功 功率(RP)。积累大量的数据。
建立计及环境要素的基于神经网络原理的特高压输电线路近地面工频电场 强度预测模型
把基于等效电荷法模型计算结果(E1)及第二部现场监测数据组成的数据 集，对神经网络模型进行训练，其中理论计算值(E1)、环境要素(H、T···)、 线路工况(U、I、AP、RP)作为模型输入，现场测量值作为模型输出，构成多 输入单输出的神经网络模型。
基于等效电荷法的理论计算
静态电场是电磁场中的一种重要的特殊情形，近代电磁场问题能精确求解 的不多，故多借助于静电场方法来得到近似解。本发明采用等效电荷方法计算 输电线路周围的工频电场强度。该方法法基于电磁场的唯一性定理，将电极表 面连续分布的自由电荷或介质分界面上连续分布的束缚电荷用一组离散化的等 效电荷来替代，这样，应用叠加原理将离散的等效电荷在空间所产生的场量叠 加，即可得原连续分布电荷所产生的空间电场分布。
高压送电线上的等效电荷是线电荷，由于输电线半径r远小于架设高度h， 因此等效电荷的位置可以认为是在输电导线的几何中心。设输电线路为无限长 并且平行于地面，地面可视为良导体，利用镜像法计算送电线上的等效电荷。 多导线线路中导线上的等效电荷由下列矩阵方程计算：
Figure BDA0001569975960000051
式中：[Ui]——各导线上电压的单列矩阵；
[Qi]——各导线上等效电荷的单列矩阵；
[λij]——各导线的电位系数组成的n阶方阵(n为导线数目)。
[U]矩阵可由输电线的电压和相位确定，从环境保护考虑以额定电压的1.05 倍作为计算电压。
[U]矩阵可由输电线的电压和相位确定，各相的相位和分量，可计算各导线 对地电压：|UA|＝|UB|＝|UC|。
[λ]矩阵有镜像原理求得。地面为电位等于零的平面，地面的感应电荷可由 对应地面导线的镜像电荷代替，用i，j，…表示相互平行的实际导线，用i′,j′,…表 示他们的镜像，电位系数可表示为：
Figure BDA0001569975960000061
Figure BDA0001569975960000062
λij＝λji(4)
ε0为真空介质常数，Ri为输电导线半径，对于分裂导线可用等效单根导线 半径代入。
对于三相交流线路，由于电压为时间向量，计算各相导线的电压时要用复 数表示
Figure BDA0001569975960000063
相应的电荷也是复数量：
Figure BDA0001569975960000071
然后计算由等效电荷产生的电场。为计算地面电场强度的最大值，通常取 夏天满负荷最大孤垂时导线的最小对地高度。因此，所计算的地面场强仅对档 距中央一段(该处场强最大)是符合的。
当各导线单位长度的等效电荷量求出后，空间任意一点的电场强度可根据 叠加原理计算得出，在(x，y)点的电场强度分量Ex和Ey可表示为：
Figure BDA0001569975960000072
Figure BDA0001569975960000073
式中：xi、yi——导线i的坐标(i＝1、2、…m)；
m——导线数目；
Li、L′i——分别为导线i及镜像至计算点的距离，m。
对于三相交流线路，其任一点电场强度的水平和垂直分量为：
Figure BDA0001569975960000074
Figure BDA0001569975960000075
则该点的合成场强为：
Figure BDA0001569975960000076
现场监测积累数据
选择已经正常运行的线路进行实际检测，检测过程应该符合相应的标准条 件，选择好典型断面后，进行检测。检测数据包括：环境湿度(H)、温度(T) 等，同时记录检测时的线路工况：电压(U)，电流(I)，有功功率(AP)，无功 功率(RP)。积累大量的数据。
基于神经网络模型的计及环境要素的工频电场强度预测
令神经网络输入为Xi，输出(工频电场强度的预测值)为yi。把基于等效电 荷法模型计算结果(E1)及第二部现场监测数据组成的数据集，对神经网络模 型进行训练，其中理论计算值(E1)、环境要素(H、T···)、线路工况(U、I、 AP、RP)作为模型输入(X)，现场测量值作为模型输出(Y)，构成多输入单输 出的神经网络模型。
针对神经网络建模效果对网络结构、训练方法过于敏感的缺陷,利用一种结 构自适应神经网络模型及其训练方法。
网络结构自适应调整方法：
模型预测以检验误差最小为目标，因最小检验误差未知,需逐步试凑，从而 消耗大量时间。若能事先估算最小检验误差(本发明称其为期望误差)，则可根 据当前误差与期望误差的差异判断优化方向和调整幅度,从而显著提高建模的 时间效率.为此,本发明利用一种基于期望误差的复合神经经网络结构自适应调 整方法，定义神经网络模型的检验误差为
Figure BDA0001569975960000081
其中:yi和
Figure BDA0001569975960000082
分别为第i个检验样本的输出变量值和模型的预测值；K为检验 集中的样本数。可以认为，样本的应变量记录值由理想值yi和数据噪声δi两者叠 加构成。理想应变量信号通常为理论上可以预报的确知信号，而噪声一般为不 可预报的随机信号。式(1)表明，模型的最小检验误差不可能低于数据集上的 噪声方差。噪声方差有多种估算方法，本发明选用Devroye等提出的最近邻交 叉检验法估算噪声方差和期望误差，即
Figure BDA0001569975960000091
其中：n为样本数；
Figure BDA0001569975960000092
为噪声方差估计值；yi,n为yi的最近邻估计，即在自变 量空间中距离样本i最近的样本的应变量值。记MSEL为学习集误差，MSEV为检 验集误差。当期望误差的估计较为准确、神经网络结构合理时，提前终止法的 训练结果应满足MSEL≈MSEV≈MSEO。因为提前终止法的倾斜效应，通常MSEL 略小于MSEO，MSEV略大于MSEO。
若MSEL<MSEO<MSEV且差距较大，则说明网络结构冗余,应减少隐层节点 数；若MSEL和MSEV均大于MSEO且差距较大，则说明网络结构过于简单，应增 加隐层节点数。因此，通过比较期望误差与实际训练误差、实际检验误差的关 系，可以大致估计需要增减的隐含节点数，实现网络结构优化。
结构自适应神经网络的建模过程如下：
Step 1：模型初始化。估算模型期望误差MSEO，将训练集分为规模相当的 两个子集DA和DB，构造如图1所示的神经网络，凭经验设定隐层神经元数。
Step 2：模型结构自适应优化调整，以DA为学习集，DB为检验集，利用提 前终止法训练NNA。比较训练后NNA的MSEL，MSEV和MSEO，若3者相差不 大，则转至Step3；否则，调整隐层节点数，重复Step 2。
Step 3：模型优化训练。以DA为学习集，DB为检验集，选择合适的方法训 练NNA。随机设定权重初值，多次训练后，选取与MSEL，MSEV和MSEO接近 的模型作为NNA的训练结果。以DB为学习集，DA为检验集，以同样方法训练 NNB。
Step 4：终止训练过程，完成建模。
在Step 3中采用多次训练是为了降低建模效果对权重初值的敏感性。事实 上，因为采用了双网结构，与一般的单网模型相比，本发明方法的建模效果对 权重初值的敏感性明显减小。所以，为了提高时间效率，可以省略Step 3中的 多次训练操作。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领 域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则 之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之 内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明 保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上， 本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明 的保护范围以内。

Claims (9)

1.一种计及环境要素的特高压输电线路近地面工频电场强度预 测方法，其特征是：包括以下步骤：
对正常运行的线路进行断面的检测；
把基于等效电荷法模型计算结果以及现场监测数据组成的数据 集，对神经网络模型进行训练，其中理论计算值、环境要素和线路工 况作为模型输入，现场测量值作为模型输出，构成多输入单输出的神 经网络模型；
模型预测以检验误差最小为目标，通过比较期望误差与实际学习 集误差、实际检验集误差的关系，预估需要增减的隐含节点数，实现 网络结构优化，利用模型对现场监测数据进行特高压输电线路近地面 工频电场强度的预测；
期望误差为检验样本的输出变量值与最近邻样本应变量值差值 平方的平均值的一半；模型的构建过程包括：
模型初始化，设定隐层神经元数，将训练集分为两个数据子集；
模型结构自适应优化调整，以一个数据子集为学习集，另一个数 据子集为检验集，利用提前终止法进行训练直到满足种植条件，完成 建模。
2.如权利要求1所述的一种计及环境要素的特高压输电线路近 地面工频电场强度预测方法，其特征是：检测数据包括：环境湿度和 温度。
3.如权利要求1所述的一种计及环境要素的特高压输电线路近 地面工频电场强度预测方法，其特征是：记录检测时的线路工况电压、 电流、有功功率和无功功率。
4.如权利要求1所述的一种计及环境要素的特高压输电线路近 地面工频电场强度预测方法，其特征是：采用等效电荷方法计算输电 线路周围的工频电场强度。
5.如权利要求1所述的一种计及环境要素的特高压输电线路近 地面工频电场强度预测方法，其特征是：将电极表面连续分布的自由 电荷或介质分界面上连续分布的束缚电荷用一组离散化的等效电荷 来替代，应用叠加原理将离散的等效电荷在空间所产生的场量叠加， 即可得原连续分布电荷所产生的空间电场分布。
6.如权利要求1所述的一种计及环境要素的特高压输电线路近 地面工频电场强度预测方法，其特征是：等效电荷的位置视为在输电 导线的几何中心，设输电线路为无限长并且平行于地面，地面可视为 良导体，利用镜像法计算送电线上的等效电荷。
7.如权利要求1所述的一种计及环境要素的特高压输电线路近 地面工频电场强度预测方法，其特征是：根据当前误差与期望误差的 差异判断优化方向和调整幅度。
8.如权利要求1所述的一种计及环境要素的特高压输电线路近 地面工频电场强度预测方法，其特征是：样本的应变量记录值由理想 值和数据噪声两者叠加构成。
9.如权利要求1所述的一种计及环境要素的特高压输电线路近 地面工频电场强度预测方法，其特征是：神经网络模型的检验误差为 检验输出变量值和模型的预测值差值平方的平均值。
CN201810113464.1A 2018-02-05 2018-02-05 计及环境要素的特高压输电线路近地面工频电场强度预测方法 Active CN108469553B9 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810113464.1A CN108469553B9 (zh) 2018-02-05 2018-02-05 计及环境要素的特高压输电线路近地面工频电场强度预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810113464.1A CN108469553B9 (zh) 2018-02-05 2018-02-05 计及环境要素的特高压输电线路近地面工频电场强度预测方法

Publications (3)

Publication Number Publication Date
CN108469553A CN108469553A (zh) 2018-08-31
CN108469553B CN108469553B (zh) 2020-11-13
CN108469553B9 true CN108469553B9 (zh) 2021-01-29

Family

ID=63266143

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810113464.1A Active CN108469553B9 (zh) 2018-02-05 2018-02-05 计及环境要素的特高压输电线路近地面工频电场强度预测方法

Country Status (1)

Country Link
CN (1) CN108469553B9 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116226696A (zh) * 2023-03-12 2023-06-06 南通大学 电场强度预测方法、装置、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3208084B2 (ja) * 1997-02-28 2001-09-10 株式会社ワイ・アール・ピー移動通信基盤技術研究所 電波伝搬損失推定方法及び装置
CN101221202A (zh) * 2007-12-20 2008-07-16 国网武汉高压研究院 1000kv特高压交流输电线路电磁环境水平评价方法
CN101349720A (zh) * 2008-08-28 2009-01-21 重庆电力科学试验研究院 高压架空输电线路工频电场屏蔽分析方法
CN105929251A (zh) * 2016-04-13 2016-09-07 国网重庆市电力公司电力科学研究院 Uhvac输电线路地面工频电场三维屏蔽分析与优化方法及系统
CN106168987A (zh) * 2016-04-18 2016-11-30 国网重庆市电力公司电力科学研究院 一种输电线下复杂场景工频电场三维分析方法及系统
CN107085646A (zh) * 2017-04-28 2017-08-22 国家电网公司 一种输电线路下地面场强测量方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3208084B2 (ja) * 1997-02-28 2001-09-10 株式会社ワイ・アール・ピー移動通信基盤技術研究所 電波伝搬損失推定方法及び装置
CN101221202A (zh) * 2007-12-20 2008-07-16 国网武汉高压研究院 1000kv特高压交流输电线路电磁环境水平评价方法
CN101349720A (zh) * 2008-08-28 2009-01-21 重庆电力科学试验研究院 高压架空输电线路工频电场屏蔽分析方法
CN105929251A (zh) * 2016-04-13 2016-09-07 国网重庆市电力公司电力科学研究院 Uhvac输电线路地面工频电场三维屏蔽分析与优化方法及系统
CN106168987A (zh) * 2016-04-18 2016-11-30 国网重庆市电力公司电力科学研究院 一种输电线下复杂场景工频电场三维分析方法及系统
CN107085646A (zh) * 2017-04-28 2017-08-22 国家电网公司 一种输电线路下地面场强测量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"考虑气象条件的输电导线工频电场计算新方法";彭一琦;《高压电技术》;20101031;第36卷(第10期);第2507-2512页 *

Also Published As

Publication number Publication date
CN108469553A (zh) 2018-08-31
CN108469553B (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
CN112528870B (zh) 一种基于mimo神经网络和迁移学习的多点振动响应预测方法
CN105203963B (zh) 一种基于开路电压滞回特性的荷电状态的估计方法
CN115062668B (zh) 基于RAdam优化宽度学习的谐波参数检测方法和系统
CN112630659A (zh) 一种基于改进bp-ekf算法的锂电池soc估算方法
CN114692505A (zh) 一种电容式电压互感器误差预测方法及装置
CN110969306A (zh) 基于深度学习的配电低压台区负荷预测方法及装置
CN108469553B9 (zh) 计及环境要素的特高压输电线路近地面工频电场强度预测方法
CN108846200B (zh) 一种基于迭代法的准静态桥梁影响线识别方法
CN115219938A (zh) 一种锂电池soh状态的预估方法和装置
CN114329347B (zh) 一种电能表计量误差预测方法、装置及存储介质
CN114418378A (zh) 基于lof离群因子检测算法的光伏发电上网数据校核方法
CN114912356A (zh) 冲击性负荷的分段概率谐波模型构建方法
CN117913987B (zh) 基于ai的配网10kv线路技术降损智能调节方法及装置
CN111275744A (zh) 基于深度学习及图像处理的非接触振动频率测量方法
CN117330963B (zh) 储能电站故障检测方法、系统及设备
CN110649588A (zh) 一种柔性直流输电控制系统攻击量化评估方法
CN117131341A (zh) 一种电表运行误差估计方法、超差电表判断方法及系统
CN111598255A (zh) 一种磁浮列车悬浮间隙传感器齿槽效应的补偿方法
CN110738009A (zh) 一种输电线路电场计算中导线内模拟电荷的设置方法
CN114636933A (zh) 基于复合神经网络的退役动力电池容量的检测方法及系统
CN114295987A (zh) 一种基于非线性卡尔曼滤波的电池soc状态估计方法
Wang et al. Harmonic state estimation based on graph signal processing
CN111695082A (zh) 智能配电网抗差动态状态估计方法
CN105305441B (zh) 一种状态与参数联合追踪方法
CN115146389B (zh) 一种永磁磁浮列车动力学特征建模方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CI03 Correction of invention patent

Correction item: Claims

Correct: Claim submitted on November 9, 2020

False: Claim submitted on July 24, 2020

Number: 46-02

Page: full text

Volume: 36

CI03 Correction of invention patent