申请/专利权人:四川大学
申请日:2023-12-21
公开(公告)日:2024-03-29
公开(公告)号:CN117791706A
主分类号:H02J3/38
分类号:H02J3/38;H02J3/16;G06F18/213;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:本发明公开了一种基于机理‑数据混合驱动的风电场分群等值方法,包括如下步骤:获取风电机组的动态响应特性及对应的边界条件,并基于风速及故障稳态电压对风电机组进行分群;获取影响风电场并网点故障稳态电压跌落程度的关键性指标,并基于预想故障信息,对风电场并网点故障稳态电压跌落程度进行预测;结合网络拓扑结构,采用图卷积神经网络,构建网络拓扑可迁移的系统模型,通过构建的网络拓扑可迁移的系统模型预测风电场并网点故障稳态电压的跌落程度。
主权项:1.一种基于机理-数据混合驱动的风电场分群等值方法,其特征在于,包括如下步骤:步骤一,获取风电机组的动态响应特性及对应的边界条件,并基于风速及故障稳态电压对风电机组进行分群;步骤二,获取影响风电场并网点故障稳态电压跌落程度的关键性指标,并基于预想故障信息,对风电场并网点故障稳态电压跌落程度进行预测;步骤三,结合网络拓扑结构,采用图卷积神经网络,构建网络拓扑可迁移的系统模型,通过构建的网络拓扑可迁移的系统模型预测风电场并网点故障稳态电压的跌落程度。
全文数据:
权利要求:
百度查询: 四川大学 基于机理-数据混合驱动的风电场分群等值方法
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。