CN113657689A - 一种自适应微型电网的调度优化的方法及系统 - Google Patents
一种自适应微型电网的调度优化的方法及系统 Download PDFInfo
- Publication number
- CN113657689A CN113657689A CN202111020450.3A CN202111020450A CN113657689A CN 113657689 A CN113657689 A CN 113657689A CN 202111020450 A CN202111020450 A CN 202111020450A CN 113657689 A CN113657689 A CN 113657689A
- Authority
- CN
- China
- Prior art keywords
- power generation
- generation side
- historical
- parameters
- fault
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
- H02J3/0012—Contingency detection
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明公开了一种自适应微型电网的调度优化的方法,实施监控所述微型电网的发电侧状态和预先配置的发电侧的工况参数,并将所述工况参数进行向量化;创建发电侧状态的历史状态数据库,所述历史状态数据库对应于每个发电侧的历史状态设置有电压状态、功率状态及发电侧发电环境,设置问题矩阵库,所述问题矩阵库生成预设数量的故障矩阵,把所述故障矩阵与所述向量化的工况参数进行相加后输入故障预测模型得到发电侧的特征向量,并设置记录相应的数据集标签;将得到的发电侧的特征向量和所述记录的特征向量的余弦相似度是否小于设定的阈值,若小于则预估电力系统将发生故障,发出故障预测报警,若大于则判断当前的发电侧配置的参数为标准参数。
Description
技术领域
本发明涉及电力调度技术领域,尤其涉及一种自适应微型电网的调度优化的方法及系统。
背景技术
微电网(Micro-Grid)也译为微网,是指由分布式电源、储能装置、能量转换装置、负荷、监控和保护装置等组成的小型发配电系统。微电网的提出旨在实现分布式电源的灵活、高效应用,解决数量庞大、形式多样的分布式电源并网问题。开发和延伸微电网能够充分促进分布式电源与可再生能源的大规模接入,实现对负荷多种能源形式的高可靠供给,是实现主动式配电网的一种有效方式,使传统电网向智能电网过渡。然而,现有微电网调度方法普遍采用独立调度的方式,调度方案存在一定的盲目性,容易造成微电网调度结果的不合理和不安全。
同时,微电网的电力系统是把很多的发电站、变电站、配电站和用户等由输电和配电线路连接起来形成的系统。它通常由发电机、变压器、母线、输配电线路及用电设备等组成。各电气元件、设备及系统通常处于正常运行状态,但也可能出现故障或异常运行状态。电力系统故障是指电气元件和设备不能按照预期的指标进行工作的一种状态,也就是说电气元件和设备未达到其应该达到的功能,故障包括有发电机组故障、变压器故障、输电线路故障、变电所故障和母线故障等。随着电力系统的规模越来越大,结构越来越复杂,故障产生不可避免。电力系统故障处理过程可以是,从系统的运行状态中检测到拓扑变化,从拓扑变化相关联的区域(单元)内检测故障征兆信息,经过对这些信息进行分析处理,重点根据保护动作的信号,判断故障发生的具体区域与位置(如故障范围或故障点)。故障范围或故障点确定后,先确保故障区域(单元)可靠切除或被可靠隔离,再完成失电负荷的供电恢复,最后进行故障原因排查与故障消缺处理。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明公开了一种自适应微型电网的调度优化的方法,所述方法包括如下步骤:
步骤1,实施监控所述微型电网的发电侧状态和预先配置的发电侧的工况参数,并将所述工况参数进行向量化;
步骤2,创建发电侧状态的历史状态数据库,所述历史状态数据库对应于每个发电侧的历史状态设置有电压状态、功率状态及发电侧发电环境,电压状态和功率状态设置有相应的特征向量;
步骤3,设置问题矩阵库,所述问题矩阵库生成预设数量的故障矩阵,把所述故障矩阵与所述向量化的工况参数进行相加后输入故障预测模型得到发电侧的特征向量,并设置记录相应的数据集标签;
步骤4,将所述步骤3得到的发电侧的特征向量和所述步骤2中记录的特征向量的余弦相似度是否小于设定的阈值,若小于则预估电力系统将发生故障,发出故障预测报警,若大于则判断当前的发电侧配置的参数为标准参数。
更进一步地,所述步骤4进一步包括:若大于,使用步骤2中记录的特征向量和数据集标签计算余弦损失函数,并计算将所述步骤3得到的发电侧的特征向量的均方根误差损失,把两个损失函数进行相加后进行反向传播更新故障矩阵,直到添加的故障矩阵的所述向量化的工况参数和所述步骤2中记录的特征向量的余弦相似度小于预设值。
更进一步地,在进行向量化判断之前,将历史案例中出现的工况问题中的部分特征进行标注,若监测到相关参数超出历史案例中的特征值,则进行初步预警。
更进一步地,根据初步预警的信息,在所述问题矩阵库生成相应的故障矩阵时,生成与历史案例中出现的工况问题相关参数接近的故障矩阵。
更进一步地,所述若监测到相关参数超出历史案例中的特征值进一步包括:将案例中的参数进行定义,其中,对参数进行特征值量化,若其特征值与典型历史案例的相似度小于预设值,则将当前案例归集为典型历史案例;再参数的状态值与各个所述典型历史案例的特征值矩阵进行匹配,标注出导致故障的关键参数。
本发明进一步公开了一种自适应微型电网的调度优化的系统,所述系统包括:监控单元,实施监控所述微型电网的发电侧状态和预先配置的发电侧的工况参数,并将所述工况参数进行向量化;发电侧历史状态数据库,创建发电侧状态的历史状态数据库,所述历史状态数据库对应于每个发电侧的历史状态设置有电压状态、功率状态及发电侧发电环境,电压状态和功率状态设置有相应的特征向量;问题矩阵库,所述问题矩阵库生成预设数量的故障矩阵,把所述故障矩阵与所述向量化的工况参数进行相加后输入故障预测模型得到发电侧的特征向量,并设置记录相应的数据集标签;判断单元,将得到的发电侧的特征向量和记录的特征向量的余弦相似度是否小于设定的阈值,若小于则预估电力系统将发生故障,发出故障预测报警,若大于则判断当前的发电侧配置的参数为标准参数。
更进一步地,所述判断单元进一步包括:若大于,使用记录的特征向量和数据集标签计算余弦损失函数,并计算得到的发电侧的特征向量的均方根误差损失,把两个损失函数进行相加后进行反向传播更新故障矩阵,直到添加的故障矩阵的所述向量化的工况参数和记录的特征向量的余弦相似度小于预设值。
更进一步地,在进行向量化判断之前,将历史案例中出现的工况问题中的部分特征进行标注,若监测到相关参数超出历史案例中的特征值,则进行初步预警。
更进一步地,根据初步预警的信息,在所述问题矩阵库生成相应的故障矩阵时,生成与历史案例中出现的工况问题相关参数接近的故障矩阵。
更进一步地,所述若监测到相关参数超出历史案例中的特征值进一步包括:将案例中的参数进行定义,其中,对参数进行特征值量化,若其特征值与典型历史案例的相似度小于预设值,则将当前案例归集为典型历史案例;再参数的状态值与各个所述典型历史案例的特征值矩阵进行匹配,标注出导致故障的关键参数。
本发明与现有技术相比,有益效果为:采用了将主动生成故障矩阵的方式与现有的工况矩阵进行相加,再与当前的运行环境进行对比,通过量化的形式,主动的预测当前发电侧可能出现的问题和严重程度,与现有的根据当前情况的数据分析故障问题的方式不同,本发明可以更加及时和主动防范预警。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制,而是将重点放在示出实施例的原理上。在图中,在不同的视图中,相同的附图标记指定对应的部分。
图1为本发明逻辑流程示意图。
具体实施方式
实施例一
如图1所示的一种自适应微型电网的调度优化的方法,所述方法包括如下步骤:
步骤1,实施监控所述微型电网的发电侧状态和预先配置的发电侧的工况参数,并将所述工况参数进行向量化;
步骤2,创建发电侧状态的历史状态数据库,所述历史状态数据库对应于每个发电侧的历史状态设置有电压状态、功率状态及发电侧发电环境,电压状态和功率状态设置有相应的特征向量;
步骤3,设置问题矩阵库,所述问题矩阵库生成预设数量的故障矩阵,把所述故障矩阵与所述向量化的工况参数进行相加后输入故障预测模型得到发电侧的特征向量,并设置记录相应的数据集标签;
步骤4,将所述步骤3得到的发电侧的特征向量和所述步骤2中记录的特征向量的余弦相似度是否小于设定的阈值,若小于则预估电力系统将发生故障,发出故障预测报警,若大于则判断当前的发电侧配置的参数为标准参数。
更进一步地,所述步骤4进一步包括:若大于,使用步骤2中记录的特征向量和数据集标签计算余弦损失函数,并计算将所述步骤3得到的发电侧的特征向量的均方根误差损失,把两个损失函数进行相加后进行反向传播更新故障矩阵,直到添加的故障矩阵的所述向量化的工况参数和所述步骤2中记录的特征向量的余弦相似度小于预设值。
更进一步地,在进行向量化判断之前,将历史案例中出现的工况问题中的部分特征进行标注,若监测到相关参数超出历史案例中的特征值,则进行初步预警。
更进一步地,根据初步预警的信息,在所述问题矩阵库生成相应的故障矩阵时,生成与历史案例中出现的工况问题相关参数接近的故障矩阵。
更进一步地,所述若监测到相关参数超出历史案例中的特征值进一步包括:将案例中的参数进行定义,其中,对参数进行特征值量化,若其特征值与典型历史案例的相似度小于预设值,则将当前案例归集为典型历史案例;再参数的状态值与各个所述典型历史案例的特征值矩阵进行匹配,标注出导致故障的关键参数。
本发明进一步公开了一种自适应微型电网的调度优化的系统,所述系统包括:监控单元,实施监控所述微型电网的发电侧状态和预先配置的发电侧的工况参数,并将所述工况参数进行向量化;发电侧历史状态数据库,创建发电侧状态的历史状态数据库,所述历史状态数据库对应于每个发电侧的历史状态设置有电压状态、功率状态及发电侧发电环境,电压状态和功率状态设置有相应的特征向量;问题矩阵库,所述问题矩阵库生成预设数量的故障矩阵,把所述故障矩阵与所述向量化的工况参数进行相加后输入故障预测模型得到发电侧的特征向量,并设置记录相应的数据集标签;判断单元,将得到的发电侧的特征向量和记录的特征向量的余弦相似度是否小于设定的阈值,若小于则预估电力系统将发生故障,发出故障预测报警,若大于则判断当前的发电侧配置的参数为标准参数。
更进一步地,所述判断单元进一步包括:若大于,使用记录的特征向量和数据集标签计算余弦损失函数,并计算得到的发电侧的特征向量的均方根误差损失,把两个损失函数进行相加后进行反向传播更新故障矩阵,直到添加的故障矩阵的所述向量化的工况参数和记录的特征向量的余弦相似度小于预设值。
更进一步地,在进行向量化判断之前,将历史案例中出现的工况问题中的部分特征进行标注,若监测到相关参数超出历史案例中的特征值,则进行初步预警。
更进一步地,根据初步预警的信息,在所述问题矩阵库生成相应的故障矩阵时,生成与历史案例中出现的工况问题相关参数接近的故障矩阵。
更进一步地,所述若监测到相关参数超出历史案例中的特征值进一步包括:将案例中的参数进行定义,其中,对参数进行特征值量化,若其特征值与典型历史案例的相似度小于预设值,则将当前案例归集为典型历史案例;再参数的状态值与各个所述典型历史案例的特征值矩阵进行匹配,标注出导致故障的关键参数。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
虽然上面已经参考各种实施例描述了本发明,但是应当理解,在不脱离本发明的范围的情况下,可以进行许多改变和修改。因此,其旨在上述详细描述被认为是例示性的而非限制性的,并且应当理解,以下权利要求(包括所有等同物)旨在限定本发明的精神和范围。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (10)
1.一种自适应微型电网的调度优化的方法,其特征在于,所述方法包括如下步骤:
步骤1,实施监控所述微型电网的发电侧状态和预先配置的发电侧的工况参数,并将所述工况参数进行向量化;
步骤2,创建发电侧状态的历史状态数据库,所述历史状态数据库对应于每个发电侧的历史状态设置有电压状态、功率状态及发电侧发电环境,电压状态和功率状态设置有相应的特征向量;
步骤3,设置问题矩阵库,所述问题矩阵库生成预设数量的故障矩阵,把所述故障矩阵与所述向量化的工况参数进行相加后输入故障预测模型得到发电侧的特征向量,并设置记录相应的数据集标签;
步骤4,将所述步骤3得到的发电侧的特征向量和所述步骤2中记录的特征向量的余弦相似度是否小于设定的阈值,若小于则预估电力系统将发生故障,发出故障预测报警,若大于则判断当前的发电侧配置的参数为标准参数。
2.如权利要求1所述的一种自适应微型电网的调度优化的方法,其特征在于,所述步骤4进一步包括:若大于,使用步骤2中记录的特征向量和数据集标签计算余弦损失函数,并计算将所述步骤3得到的发电侧的特征向量的均方根误差损失,把两个损失函数进行相加后进行反向传播更新故障矩阵,直到添加的故障矩阵的所述向量化的工况参数和所述步骤2中记录的特征向量的余弦相似度小于预设值。
3.如权利要求1所述的一种自适应微型电网的调度优化的方法,其特征在于,在进行向量化判断之前,将历史案例中出现的工况问题中的部分特征进行标注,若监测到相关参数超出历史案例中的特征值,则进行初步预警。
4.如权利要求3所述的一种自适应微型电网的调度优化的方法,其特征在于,根据初步预警的信息,在所述问题矩阵库生成相应的故障矩阵时,生成与历史案例中出现的工况问题相关参数接近的故障矩阵。
5.如权利要求2所述的一种自适应微型电网的调度优化的方法,其特征在于,所述若监测到相关参数超出历史案例中的特征值进一步包括:将案例中的参数进行定义,其中,对参数进行特征值量化,若其特征值与典型历史案例的相似度小于预设值,则将当前案例归集为典型历史案例;再参数的状态值与各个所述典型历史案例的特征值矩阵进行匹配,标注出导致故障的关键参数。
6.一种自适应微型电网的调度优化的系统,其特征在于,所述系统包括:监控单元,实施监控所述微型电网的发电侧状态和预先配置的发电侧的工况参数,并将所述工况参数进行向量化;发电侧历史状态数据库,创建发电侧状态的历史状态数据库,所述历史状态数据库对应于每个发电侧的历史状态设置有电压状态、功率状态及发电侧发电环境,电压状态和功率状态设置有相应的特征向量;问题矩阵库,所述问题矩阵库生成预设数量的故障矩阵,把所述故障矩阵与所述向量化的工况参数进行相加后输入故障预测模型得到发电侧的特征向量,并设置记录相应的数据集标签;判断单元,将得到的发电侧的特征向量和记录的特征向量的余弦相似度是否小于设定的阈值,若小于则预估电力系统将发生故障,发出故障预测报警,若大于则判断当前的发电侧配置的参数为标准参数。
7.如权利要求6所述的一种自适应微型电网的调度优化的系统,其特征在于,所述判断单元进一步包括:若大于,使用记录的特征向量和数据集标签计算余弦损失函数,并计算得到的发电侧的特征向量的均方根误差损失,把两个损失函数进行相加后进行反向传播更新故障矩阵,直到添加的故障矩阵的所述向量化的工况参数和记录的特征向量的余弦相似度小于预设值。
8.如权利要求6所述的一种自适应微型电网的调度优化的系统,其特征在于,在进行向量化判断之前,将历史案例中出现的工况问题中的部分特征进行标注,若监测到相关参数超出历史案例中的特征值,则进行初步预警。
9.如权利要求8所述的一种自适应微型电网的调度优化的系统,其特征在于,根据初步预警的信息,在所述问题矩阵库生成相应的故障矩阵时,生成与历史案例中出现的工况问题相关参数接近的故障矩阵。
10.如权利要求7所述的一种自适应微型电网的调度优化的系统,其特征在于,所述若监测到相关参数超出历史案例中的特征值进一步包括:将案例中的参数进行定义,其中,对参数进行特征值量化,若其特征值与典型历史案例的相似度小于预设值,则将当前案例归集为典型历史案例;再参数的状态值与各个所述典型历史案例的特征值矩阵进行匹配,标注出导致故障的关键参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111020450.3A CN113657689B (zh) | 2021-09-01 | 2021-09-01 | 一种自适应微型电网的调度优化的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111020450.3A CN113657689B (zh) | 2021-09-01 | 2021-09-01 | 一种自适应微型电网的调度优化的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113657689A true CN113657689A (zh) | 2021-11-16 |
CN113657689B CN113657689B (zh) | 2023-07-14 |
Family
ID=78492586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111020450.3A Active CN113657689B (zh) | 2021-09-01 | 2021-09-01 | 一种自适应微型电网的调度优化的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113657689B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129013A (zh) * | 2011-01-21 | 2011-07-20 | 昆明理工大学 | 一种利用自然频率和人工神经网络的配网故障测距方法 |
CN104502795A (zh) * | 2014-11-26 | 2015-04-08 | 国家电网公司 | 一种适用于微电网的智能故障诊断方法 |
CN106503864A (zh) * | 2016-11-10 | 2017-03-15 | 国网山东省电力公司济南供电公司 | 一种支撑配网故障主动抢修的分级预测与预警方法 |
WO2018232937A1 (zh) * | 2017-06-23 | 2018-12-27 | 深圳市盛路物联通讯技术有限公司 | 一种电力电缆故障监测方法及装置 |
CN109142965A (zh) * | 2018-06-29 | 2019-01-04 | 马瑞 | 一种大数据融合配电网故障精确定位新方法及其装置 |
CN109447048A (zh) * | 2018-12-25 | 2019-03-08 | 苏州闪驰数控系统集成有限公司 | 一种人工智能预警系统 |
CN109973331A (zh) * | 2019-05-05 | 2019-07-05 | 内蒙古工业大学 | 一种基于bp神经网络的风力发电机组风轮叶片故障诊断算法 |
CN111444240A (zh) * | 2020-03-26 | 2020-07-24 | 北京国网富达科技发展有限责任公司 | 输电线路故障预警方法及装置 |
CN111738573A (zh) * | 2020-06-09 | 2020-10-02 | 国网河北省电力有限公司营销服务中心 | 一种基于电能表全寿命周期数据的健康评价方法 |
US20210048487A1 (en) * | 2019-08-12 | 2021-02-18 | Wuhan University | Power transformer winding fault positioning method based on deep convolutional neural network integrated with visual identification |
CN112751418A (zh) * | 2020-12-31 | 2021-05-04 | 国网山东省电力公司青岛供电公司 | 智能配电网区域态势要素感知方法及系统 |
CN112749904A (zh) * | 2021-01-14 | 2021-05-04 | 国网湖南省电力有限公司 | 基于深度学习的配电网故障风险预警方法及系统 |
CN113036913A (zh) * | 2021-03-03 | 2021-06-25 | 国网信息通信产业集团有限公司 | 一种综合能源设备状态监测方法及装置 |
-
2021
- 2021-09-01 CN CN202111020450.3A patent/CN113657689B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129013A (zh) * | 2011-01-21 | 2011-07-20 | 昆明理工大学 | 一种利用自然频率和人工神经网络的配网故障测距方法 |
CN104502795A (zh) * | 2014-11-26 | 2015-04-08 | 国家电网公司 | 一种适用于微电网的智能故障诊断方法 |
CN106503864A (zh) * | 2016-11-10 | 2017-03-15 | 国网山东省电力公司济南供电公司 | 一种支撑配网故障主动抢修的分级预测与预警方法 |
WO2018232937A1 (zh) * | 2017-06-23 | 2018-12-27 | 深圳市盛路物联通讯技术有限公司 | 一种电力电缆故障监测方法及装置 |
CN109142965A (zh) * | 2018-06-29 | 2019-01-04 | 马瑞 | 一种大数据融合配电网故障精确定位新方法及其装置 |
CN109447048A (zh) * | 2018-12-25 | 2019-03-08 | 苏州闪驰数控系统集成有限公司 | 一种人工智能预警系统 |
CN109973331A (zh) * | 2019-05-05 | 2019-07-05 | 内蒙古工业大学 | 一种基于bp神经网络的风力发电机组风轮叶片故障诊断算法 |
US20210048487A1 (en) * | 2019-08-12 | 2021-02-18 | Wuhan University | Power transformer winding fault positioning method based on deep convolutional neural network integrated with visual identification |
CN111444240A (zh) * | 2020-03-26 | 2020-07-24 | 北京国网富达科技发展有限责任公司 | 输电线路故障预警方法及装置 |
CN111738573A (zh) * | 2020-06-09 | 2020-10-02 | 国网河北省电力有限公司营销服务中心 | 一种基于电能表全寿命周期数据的健康评价方法 |
CN112751418A (zh) * | 2020-12-31 | 2021-05-04 | 国网山东省电力公司青岛供电公司 | 智能配电网区域态势要素感知方法及系统 |
CN112749904A (zh) * | 2021-01-14 | 2021-05-04 | 国网湖南省电力有限公司 | 基于深度学习的配电网故障风险预警方法及系统 |
CN113036913A (zh) * | 2021-03-03 | 2021-06-25 | 国网信息通信产业集团有限公司 | 一种综合能源设备状态监测方法及装置 |
Non-Patent Citations (2)
Title |
---|
常剑;高明;: "基于相似性建模的发电机组设备故障预警系统", 机电工程, no. 05 * |
曾浩然;杨超;: "基于电压幅值纠正的配电网故障定位矩阵算法", 电力科学与工程, no. 07 * |
Also Published As
Publication number | Publication date |
---|---|
CN113657689B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109713668B (zh) | 一种新能源基地直流外送连锁脱网预警和防御系统及方法 | |
Vyas et al. | Data analytics and computational methods for anti-islanding of renewable energy based distributed generators in power grids | |
Gholami et al. | Static security assessment of power systems: A review | |
Wu et al. | A genetic-algorithm support vector machine and DS evidence theory based fault diagnostic model for transmission line | |
CN111049131B (zh) | 一种地区电网在线故障处置预案生成方法及系统 | |
CN115358558A (zh) | 基于数字化预案模型的实时电网状态安全校核方法 | |
CN110361609B (zh) | 特高压设备监测系统及方法 | |
Kumar | Power system restoration using multilayer perceptron | |
JP4556946B2 (ja) | 潮流計算方法及びその装置 | |
CN114202304A (zh) | 一种电网故障智能监控处理方法及系统 | |
CN113572193A (zh) | 分布式电源孤岛运行状态识别方法、融合终端及系统 | |
Enns et al. | Potential applications of expert systems to power system protection | |
Cepeda et al. | Probabilistic-based overload estimation for real-time smart grid vulnerability assessment | |
CN113657689B (zh) | 一种自适应微型电网的调度优化的方法及系统 | |
Rayudu | A knowledge-based architecture for distributed fault analysis in power networks | |
Ozgonenel et al. | Detection of blackouts by using K-means clustering in a power system | |
Xiaoyu et al. | The Effect of secondary-DC-loss Protection on the Reliability of substation protection system | |
Guan et al. | Contingency-based nodal market operation using intelligent economic alarm processor | |
da Silva et al. | Transmission expansion planning based on relaxed n-1 criteria and reliability indices | |
CN107194594B (zh) | 一种基于iec61850的背靠背换流站物理信息系统可靠性评估方法 | |
Negnevitsky et al. | Preventing large-scale blackouts in power systems under uncertainty | |
Hor et al. | Knowledge extraction from intelligent electronic devices | |
CN117060383B (zh) | 考虑多维设备特征的配网运行综合监测方法、设备及介质 | |
Wang et al. | Cascading failure path prediction based on association rules in cyber-physical active distribution networks | |
Nagasawa et al. | Development of restoration guidance system for control centres |
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 |