首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于混合机器学习的直流落点近区无功支撑设备代理模型构建方法 

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!

申请/专利权人:国网江苏省电力有限公司;国网江苏省电力有限公司连云港供电分公司

摘要:本发明公开了一种基于混合机器学习的直流落点近区无功支撑设备代理模型构建方法。首先产生并收集动态事件样本集,保存扰动前、扰动过程、扰动后回复曲线;其次结合直流落点近区无功支撑设备设备,构建单机无穷大测试系统,提取参数;再次构建机器学习模型输入特征向量和输出特征向量,形成样本库;接着搭建不同类型监督式学习模型框架,并获得最优评估模型;最后根据上述评估结果,选取排名前K位的模型,并以加权平均的方式输出直流落点近区无功支撑设备有功功率和无功功率曲线,作为最终直流落点近区无功支撑设备代理模型。本发明结合了直流落点近区无功支撑设备动态外特性,建立该控制器代理模型,能够提升电力系统仿真的准确性。

主权项:1.一种基于混合机器学习的直流落点近区无功支撑设备代理模型构建方法,其特征在于,包括以下步骤:步骤1、针对SVG设备使用相量测量单元PMU、故障录波仪或使用封装模型仿真推演产生并收集动态事件样本集,保存扰动前、扰动过程、扰动后回复曲线;步骤2、结合SVG设备,构建单机无穷大测试系统,提取SVG设备动态模型参数、并网母线电压幅值、并网母线电压相角曲线、SVG设备有功功率、SVG设备无功功率;步骤3、构建机器学习模型输入特征向量和输出特征向量,形成样本库,并随机选取80%作为训练集,剩余20%作为测试集;步骤4、搭建不同类型监督式学习模型框架,针对每种模型分别选取超参数集合,使用训练集和测试集优化超参数组合,以获得最优评估模型;其中模型质量以最小化RMSE为目标;步骤5、根据上述评估结果,选取排名前K位的模型,并以加权平均的方式输出SVG有功功率和无功功率曲线,作为最终SVG代理模型。

全文数据:

权利要求:

百度查询: 国网江苏省电力有限公司 国网江苏省电力有限公司连云港供电分公司 一种基于混合机器学习的直流落点近区无功支撑设备代理模型构建方法

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。