Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 清华大学陈磊获国家专利权

清华大学陈磊获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉清华大学申请的专利基于集成学习和电网拓扑变化的电力系统动态分析方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN112561303B

龙图腾网通过国家知识产权局官网在2024-07-19发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202011455569.9,技术领域涉及:G06Q10/0639;该发明授权基于集成学习和电网拓扑变化的电力系统动态分析方法是由陈磊;刘显壮;傅一苇;徐飞;胡伟设计研发完成,并于2020-12-10向国家知识产权局提交的专利申请。

基于集成学习和电网拓扑变化的电力系统动态分析方法在说明书摘要公布了:本发明提供一种基于集成学习和电网拓扑变化的电力系统动态分析方法,包括:采集待测电网当前的潮流参数和拓扑结构参数;将所述潮流参数和拓扑结构参数输入预测模型,输出待测电网的极限切除时间预测值;其中,所述预测模型是基于样本潮流参数、样本拓扑结构参数和对应的极限切除时间标签在已有训练参考集合的基础上进行训练得到的,训练过程中将拓扑结构的种类进行合并,训练完成后所述预测模型携带所述已有训练参考集合。本发明提供的方法,实现了在减轻电力系统动态安全分析的计算负担的同时还提高安全分析的准确率。

本发明授权基于集成学习和电网拓扑变化的电力系统动态分析方法在权利要求书中公布了:1.一种基于集成学习和电网拓扑变化的电力系统动态分析方法,其特征在于,包括:采集待测电网当前的潮流参数和拓扑结构参数;将所述潮流参数和拓扑结构参数输入预测模型,输出待测电网的极限切除时间预测值;其中,所述预测模型是基于样本潮流参数、样本拓扑结构参数和对应的极限切除时间标签在已有训练参考集合的基础上进行训练得到的,训练过程中将拓扑结构的种类进行合并,训练完成后所述预测模型携带所述已有训练参考集合;所述预测模型训练过程中基于马式距离构建的高斯核函数建立输入的样本潮流参数和拓扑结构参数、输出的极限切除时间预测值和所述已有训练参考集合之间的关系;所述基于马式距离构建的高斯核函数建立输入的样本潮流参数和拓扑结构参数、输出的极限切除时间预测值和所述已有训练参考集合之间的关系,具体包括:对于任一合并后的拓扑结构种类,构建该拓扑结构种类下的子极限切除时间预测值、输入样本潮流参数、所述已有训练参考集合中对应于所述任一合并后的拓扑结构种类的参考潮流参数和参考极限切除时间之间的关系;基于马式距离构建的高斯核函数构建任一子极限切除时间预测值的加权系数、合并后的拓扑结构种类、输入样本潮流参数、输入样本拓扑结构、所述已有训练参考集合中参考潮流参数和参考极限切除时间之间的关系;基于所有子极限切除时间预测值和所有子极限切除时间预测值的加权系数确定输出的极限切除时间预测值;所述对于任一合并后的拓扑结构种类,构建该拓扑结构种类下的子极限切除时间预测值、输入样本潮流参数、所述已有训练参考集合中对应于所述任一合并后的拓扑结构种类的参考潮流参数和参考极限切除时间之间的关系,具体包括:通过如下公式确定任一拓扑结构种类s下的子极限切除时间预测值 其中,x为输入样本潮流参数,x为D维的向量,为所述已有训练参考集合中参考潮流参数矩阵XTRAIN的第w行,为D维的向量,XTRAIN为所述已有训练参考集合中所有参考潮流参数构成的矩阵,XTRAIN大小为NTRAIN×D,NTRAIN为所述已有训练参考集合中参考潮流参数的个数,为所述已有训练参考集合中对应的参考极限切除时间,Ωs为XTRAIN中属于合并后的拓扑结构种类中第s种种类中所有原始拓扑结构的行数集合,γs为所述预测模型训练时待调标量参数,Ms为所述预测模型训练时待调矩阵参数,Ms的大小为D×D,S为合并后的拓扑结构种类的总种类数,r=1,2,…,S;对应地,所述基于马式距离构建的高斯核函数构建所述任一子极限切除时间预测值的加权系数、合并后的拓扑结构种类、输入样本潮流参数、输入样本拓扑结构、所述已有训练参考集合中参考潮流参数和参考极限切除时间之间的关系,具体包括:通过如下公式确定所述任一子极限切除时间预测值的加权系数Psx,t: 其中,t为对应于输入样本潮流参数x的输入样本拓扑结构参数,其元素为0-1变量,t为W维的向量,WD,Tsuni和Truni表示合并后的拓扑结构种类中第s种和第r种拓扑结构参数向量,维度均为W,γ0和γs均为所述预测模型训练时待调标量参数,M0和Ms均为所述预测模型训练时待调矩阵参数,M0的大小为W×W,Ms的大小为D×D,S为合并后的拓扑结构种类的总种类数,r=1,2,…,S;所述基于所有子极限切除时间预测值和所有子极限切除时间预测值的加权系数确定输出的极限切除时间预测值,具体包括:通过如下公式确定输出的极限切除时间预测值 其中,S为合并后的拓扑结构种类的总种类数,为任一拓扑结构种类s下的子极限切除时间预测值,Psx,t为所述任一子极限切除时间预测值的加权系数,s=1,2,…,S。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人清华大学,其通讯地址为:100084 北京市海淀区双清路30号清华大学;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。