期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于风电预测误差聚类的分布鲁棒含储能机组组合
被引量:
25
1
作者
施云辉
王橹裕
+1 位作者
陈玮
郭创新
《电力系统自动化》
EI
CSCD
北大核心
2019年第22期3-12,121,共11页
为应对风电不确定性给电力系统调度带来的难题,提出了一种基于风电预测误差聚类的分布鲁棒含储能机组组合模型。首先,基于狄利克雷过程高斯混合模型对风电预测误差进行聚类,建立了数据驱动的风电预测误差模糊集,并进一步建立了考虑风电...
为应对风电不确定性给电力系统调度带来的难题,提出了一种基于风电预测误差聚类的分布鲁棒含储能机组组合模型。首先,基于狄利克雷过程高斯混合模型对风电预测误差进行聚类,建立了数据驱动的风电预测误差模糊集,并进一步建立了考虑风电场间风电预测误差相关性的不确定集。接着提出了考虑储能的分布鲁棒机组组合模型,建立了考虑储能系统循环老化成本的目标函数。针对该模型min-max-max-min的4层结构,将其分解为两阶段问题,在第1阶段中引入运行域变量、爬坡事件约束与储能能量约束,以消去第2阶段中的动态约束,并将第2阶段问题通过KKT条件转化为单层问题,然后采用列约束生成算法对两阶段问题进行求解。最后,通过IEEE 6节点以及IEEE 118节点的算例分析,证明了所提模型的鲁棒性和有效性。
展开更多
关键词
狄利克雷
过程
高斯
混合模型
分布鲁棒优化
非参数贝叶斯
锂电池储能
风电不确定性
运行域
下载PDF
职称材料
考虑高阻接地的配电网故障检测方法
被引量:
6
2
作者
刘硕
刘灏
+2 位作者
毕天姝
于希娟
江阳
《电网技术》
EI
CSCD
北大核心
2023年第8期3438-3447,共10页
实际配电系统中存在一些高阻态的故障,表现为微弱、非线性、随机和不稳定的现象,这对于故障的检测提出了更高的挑战。为此,该文提出一种考虑高阻接地的配电网故障检测方法。首先,通过分析大量的现场波形数据,得到了故障发生前后的波形...
实际配电系统中存在一些高阻态的故障,表现为微弱、非线性、随机和不稳定的现象,这对于故障的检测提出了更高的挑战。为此,该文提出一种考虑高阻接地的配电网故障检测方法。首先,通过分析大量的现场波形数据,得到了故障发生前后的波形特性。并且,为减弱噪声的干扰,对现场数据进行预处理。进一步,提出了一种基于数学形态学的故障特征增强方法,以放大故障在发生时刻的响应,同时减弱故障暂态过程以及正常运行状态下的畸变响应。接着,提出了一种基于狄利克雷过程高斯混合模型的故障时刻检测方法,通过对增强后的故障特征进行自适应判断,实现故障时刻的快速准确检测。基于实际配电网现场数据,进一步验证了该文所提方法的优势。实验结果表明,所提方法通用性强,仅需要配电网零序电流数据。同时,该文方法具有较高的检测精度和检测效率,满足配电网的可靠性和安全性要求。
展开更多
关键词
故障检测
配电网
高阻故障
数学形态学
狄利克雷
过程
高斯
混合模型
下载PDF
职称材料
基于变分贝叶斯推断的DPGMM风电机组异常数据识别研究
被引量:
1
3
作者
甘雨
郭鹏
林立栋
《动力工程学报》
CAS
CSCD
北大核心
2023年第7期885-892,共8页
为了准确识别和剔除风电机组在实际运行过程中产生的异常数据,以便为功率预测等工作提供有效的数据支持,通过分析风电机组运行数据散点在风速-功率(v-P)坐标系中的分布特征,提出了基于变分贝叶斯推断的狄利克雷过程高斯混合模型异常数...
为了准确识别和剔除风电机组在实际运行过程中产生的异常数据,以便为功率预测等工作提供有效的数据支持,通过分析风电机组运行数据散点在风速-功率(v-P)坐标系中的分布特征,提出了基于变分贝叶斯推断的狄利克雷过程高斯混合模型异常数据识别方法。将试验机组E17实测数据散点沿水平功率方向以一定间隔划分区间,采用能自适应确定最佳分量个数的狄利克雷过程高斯混合模型对每一个功率区间内的数据散点进行聚类,结合各高斯分量置信椭圆参数及数据散点在v-P坐标系中的分布特征,对试验机组E17各功率区间内的高斯分量及其聚类散点进行异常标识。结果表明:该模型克服了传统高斯混合模型需要人为确定分量个数的缺点,能够对风电机组异常数据进行准确识别。
展开更多
关键词
风电机组
异常数据识别
狄利克雷
过程
高斯
混合模型
变分贝叶斯推断
下载PDF
职称材料
题名
基于风电预测误差聚类的分布鲁棒含储能机组组合
被引量:
25
1
作者
施云辉
王橹裕
陈玮
郭创新
机构
浙江大学电气工程学院
出处
《电力系统自动化》
EI
CSCD
北大核心
2019年第22期3-12,121,共11页
基金
国家重点研发计划资助项目(2017YFB0902600)
国家电网公司科技项目(SGJS0000DKJS1700840)~~
文摘
为应对风电不确定性给电力系统调度带来的难题,提出了一种基于风电预测误差聚类的分布鲁棒含储能机组组合模型。首先,基于狄利克雷过程高斯混合模型对风电预测误差进行聚类,建立了数据驱动的风电预测误差模糊集,并进一步建立了考虑风电场间风电预测误差相关性的不确定集。接着提出了考虑储能的分布鲁棒机组组合模型,建立了考虑储能系统循环老化成本的目标函数。针对该模型min-max-max-min的4层结构,将其分解为两阶段问题,在第1阶段中引入运行域变量、爬坡事件约束与储能能量约束,以消去第2阶段中的动态约束,并将第2阶段问题通过KKT条件转化为单层问题,然后采用列约束生成算法对两阶段问题进行求解。最后,通过IEEE 6节点以及IEEE 118节点的算例分析,证明了所提模型的鲁棒性和有效性。
关键词
狄利克雷
过程
高斯
混合模型
分布鲁棒优化
非参数贝叶斯
锂电池储能
风电不确定性
运行域
Keywords
Dirichlet process Gaussian mixture model(DPGMM)
distributed robust optimization
non-parametric Bayesian
lithium-ion battery energy storage
wind power uncertainty
operation region
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
考虑高阻接地的配电网故障检测方法
被引量:
6
2
作者
刘硕
刘灏
毕天姝
于希娟
江阳
机构
新能源电力系统国家重点实验室(华北电力大学)
国网北京电力科学研究院
出处
《电网技术》
EI
CSCD
北大核心
2023年第8期3438-3447,共10页
基金
国家自然科学基金项目(51725702)
国网北京电力有限公司科技项目。
文摘
实际配电系统中存在一些高阻态的故障,表现为微弱、非线性、随机和不稳定的现象,这对于故障的检测提出了更高的挑战。为此,该文提出一种考虑高阻接地的配电网故障检测方法。首先,通过分析大量的现场波形数据,得到了故障发生前后的波形特性。并且,为减弱噪声的干扰,对现场数据进行预处理。进一步,提出了一种基于数学形态学的故障特征增强方法,以放大故障在发生时刻的响应,同时减弱故障暂态过程以及正常运行状态下的畸变响应。接着,提出了一种基于狄利克雷过程高斯混合模型的故障时刻检测方法,通过对增强后的故障特征进行自适应判断,实现故障时刻的快速准确检测。基于实际配电网现场数据,进一步验证了该文所提方法的优势。实验结果表明,所提方法通用性强,仅需要配电网零序电流数据。同时,该文方法具有较高的检测精度和检测效率,满足配电网的可靠性和安全性要求。
关键词
故障检测
配电网
高阻故障
数学形态学
狄利克雷
过程
高斯
混合模型
Keywords
fault detection
distribution network
high impedance fault
mathematical morphology
Dirichlet process Gaussian mixture model
分类号
TM721 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于变分贝叶斯推断的DPGMM风电机组异常数据识别研究
被引量:
1
3
作者
甘雨
郭鹏
林立栋
机构
华北电力大学控制与计算机工程学院
出处
《动力工程学报》
CAS
CSCD
北大核心
2023年第7期885-892,共8页
基金
国家自然科学基金资助项目(62073136)。
文摘
为了准确识别和剔除风电机组在实际运行过程中产生的异常数据,以便为功率预测等工作提供有效的数据支持,通过分析风电机组运行数据散点在风速-功率(v-P)坐标系中的分布特征,提出了基于变分贝叶斯推断的狄利克雷过程高斯混合模型异常数据识别方法。将试验机组E17实测数据散点沿水平功率方向以一定间隔划分区间,采用能自适应确定最佳分量个数的狄利克雷过程高斯混合模型对每一个功率区间内的数据散点进行聚类,结合各高斯分量置信椭圆参数及数据散点在v-P坐标系中的分布特征,对试验机组E17各功率区间内的高斯分量及其聚类散点进行异常标识。结果表明:该模型克服了传统高斯混合模型需要人为确定分量个数的缺点,能够对风电机组异常数据进行准确识别。
关键词
风电机组
异常数据识别
狄利克雷
过程
高斯
混合模型
变分贝叶斯推断
Keywords
wind turbine
abnormal data identification
DPGMM
variational Bayesian inference
分类号
TK83 [动力工程及工程热物理—流体机械及工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于风电预测误差聚类的分布鲁棒含储能机组组合
施云辉
王橹裕
陈玮
郭创新
《电力系统自动化》
EI
CSCD
北大核心
2019
25
下载PDF
职称材料
2
考虑高阻接地的配电网故障检测方法
刘硕
刘灏
毕天姝
于希娟
江阳
《电网技术》
EI
CSCD
北大核心
2023
6
下载PDF
职称材料
3
基于变分贝叶斯推断的DPGMM风电机组异常数据识别研究
甘雨
郭鹏
林立栋
《动力工程学报》
CAS
CSCD
北大核心
2023
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部