检索结果-维普期刊中文期刊服务平台

基于多时空尺度特性的风电场物理-数据融合动态等值建模被引量：1: 1; 作者黄师禹朱林 +2 位作者胡永浩陈乐柯管霖《电力系统自动化》北大核心 2025年第1期150-160,共11页; 文中提出了一种风电场动态等值建模方法。核心思路是将风电场对象的物理特征分析与数据分析进行有效融合,构建出反映风电场暂态特性的数据特征,并针对风电暂态波动多变特征提出基于形状的距离的分群聚类算法,从而实现场站内具有相似动... 展开更多; 关键词等值建模风电场多时空尺度降噪自编码器分群聚类物理-数据融合模型; 在线阅读下载PDF 职称材料

基于数据-物理模型融合驱动的原始-对偶自监督学习最优潮流求解方法: 2; 作者翁宗龙李滨 +2 位作者肖佳文张佳乐白晓清《电力自动化设备》北大核心 2025年第4期202-208,共7页; 随着新型电力系统的构建以及清洁低碳能源体系的转变,高维强非线性、高不确定性、强耦合等特点使得现有最优潮流计算的复杂度急剧增加。基于数据-物理模型融合驱动,提出一种内嵌交流潮流方程的原始-对偶自监督学习的最优潮流求解方法。... 展开更多; 关键词数据-物理融合驱动类增广拉格朗日原始-对偶自监督学习最优潮流内嵌交流潮流方程; 在线阅读下载PDF 职称材料

电力系统中数据-物理融合模型的并联模式性能分析被引量：12: 3; 作者胡健雄汤奕 +2 位作者李峰王琦赵璇《电力系统自动化》 EI CSCD 北大核心 2022年第1期15-24,共10页; 随着交直流混联电网规模的扩大与电力电子化设备的大规模并网,以新能源为主体的新型电力系统的动态特性愈加复杂。物理模型的机理可解释性与数据模型的特性拟合能力具有很强的互补性。如何将融合模型的构建从定性分析向定量分析提升亟... 展开更多; 关键词新型电力系统数据驱动数据-物理融合模型泛化误差暂态功角; 在线阅读下载PDF 职称材料

数据-物理融合驱动的有源配电网自适应电压控制被引量：3: 4; 作者冯歆尧彭泽武 +3 位作者陈强陈禹旭谢瀚阳梁盈威《电力系统及其自动化学报》 CSCD 北大核心 2023年第12期80-88,共9页; 分布式电源高比例接入条件下,配电网运行状态更加复杂,同时也难以获取准确的物理参数。本文提出一种数据-物理融合驱动的有源配电网自适应电压控制方法。首先,构建数据-物理融合驱动的有源配电网自适应电压控制框架;然后,针对有源配电... 展开更多; 关键词有源配电网分布式电源数据驱动自适应电压控制数据-物理融合驱动; 在线阅读下载PDF 职称材料

题名基于多时空尺度特性的风电场物理-数据融合动态等值建模被引量：1: 1; 作者黄师禹朱林胡永浩陈乐柯管霖; 机构华南理工大学电力学院; 出处《电力系统自动化》北大核心 2025年第1期150-160,共11页; 基金国家自然科学基金面上项目(52077080) 国家自然科学基金资助项目(U22B6007)。; 文摘文中提出了一种风电场动态等值建模方法。核心思路是将风电场对象的物理特征分析与数据分析进行有效融合,构建出反映风电场暂态特性的数据特征,并针对风电暂态波动多变特征提出基于形状的距离的分群聚类算法,从而实现场站内具有相似动态风电机组的分群等值。首先,围绕风电场多时空尺度特征展开物理特性分析,提出反映风电场站动态特性的核心因素集合;其次,针对核心因素多且存在相关性这一问题,采用降噪自编码器算法来对核心因素集合进行降维,去除冗余信息后构建数据特征;然后,引入基于形状的距离度量的聚类算法,实现风电场发电单元分群;最后,以某风电场为例,在PSCAD/EMTDC平台仿真验证了所提方法的有效性。; 关键词等值建模风电场多时空尺度降噪自编码器分群聚类物理-数据融合模型; Keywords equivalent modeling wind farm multiple spatio-temporal scales denoising autoencoder clustering physics-data fusion model; 分类号 TM614 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于数据-物理模型融合驱动的原始-对偶自监督学习最优潮流求解方法: 2; 作者翁宗龙李滨肖佳文张佳乐白晓清; 机构广西电力系统最优化与节能技术重点实验室; 出处《电力自动化设备》北大核心 2025年第4期202-208,共7页; 基金国家自然科学基金资助项目(51967001) 广西自然科学基金资助项目(2020GXNSFAA297117)。; 文摘随着新型电力系统的构建以及清洁低碳能源体系的转变,高维强非线性、高不确定性、强耦合等特点使得现有最优潮流计算的复杂度急剧增加。基于数据-物理模型融合驱动,提出一种内嵌交流潮流方程的原始-对偶自监督学习的最优潮流求解方法。建立原始神经网络和对偶神经网络,并采用类增广拉格朗日的方法进行联合训练。原始神经网络仅预测所有节点的电压,在该训练网络中内嵌交流潮流方程,以计算发电机的有功和无功出力;对偶神经网络预测拉格朗日乘子估计值。仿真结果表明,所提方法不仅关注大量数据的底层特征,还优化解的质量,有助于更好地探索数据的结构和特性。同时,该方法无须预处理标签样本数据集,其计算精度和可信度优于数据驱动方法,其计算速度比传统物理模型驱动方法快数十倍。; 关键词数据-物理融合驱动类增广拉格朗日原始-对偶自监督学习最优潮流内嵌交流潮流方程; Keywords data-physical fusion driven class augmented Lagrangian primal-dual self-supervised learning optimal power flow embedded AC power flow equation; 分类号 TM73 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名电力系统中数据-物理融合模型的并联模式性能分析被引量：12: 3; 作者胡健雄汤奕李峰王琦赵璇; 机构东南大学电气工程学院东南大学数学学院; 出处《电力系统自动化》 EI CSCD 北大核心 2022年第1期15-24,共10页; 基金国家自然科学基金资助项目(51877037) 国家重点研发计划资助项目(2018YFB0904500)~。; 文摘随着交直流混联电网规模的扩大与电力电子化设备的大规模并网,以新能源为主体的新型电力系统的动态特性愈加复杂。物理模型的机理可解释性与数据模型的特性拟合能力具有很强的互补性。如何将融合模型的构建从定性分析向定量分析提升亟待深入研究。文中基于电力系统中数据方法与物理方法的特点,针对4种典型数据-物理融合模型分析了其相对应的应用场景;以并联模式为研究对象,分别对比分析了并联模式与单一物理模型和单一数据模型的泛化误差,并提出了融合模型参数的选取方法;推导了并联模式下融合模型的泛化误差上限,并提出了改进融合模型性能的可行性建议;最后,结合暂态功角稳定问题验证了所提假设与结论的合理性。; 关键词新型电力系统数据驱动数据-物理融合模型泛化误差暂态功角; Keywords novel power system data-driven data-physical fusion model generalization error transient power angle; 分类号 TM721.3 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名数据-物理融合驱动的有源配电网自适应电压控制被引量：3: 4; 作者冯歆尧彭泽武陈强陈禹旭谢瀚阳梁盈威; 机构广东电网有限责任公司; 出处《电力系统及其自动化学报》 CSCD 北大核心 2023年第12期80-88,共9页; 基金广东电网有限责任公司科技项目(037800KK52200006)。; 文摘分布式电源高比例接入条件下,配电网运行状态更加复杂,同时也难以获取准确的物理参数。本文提出一种数据-物理融合驱动的有源配电网自适应电压控制方法。首先,构建数据-物理融合驱动的有源配电网自适应电压控制框架;然后,针对有源配电网的电压控制问题进行数据驱动建模;进一步考虑数据驱动控制的局限性,通过不完备物理模型修正数据驱动模型;最后,基于改进的IEEE33节点算例进行分析验证,结果表明数据-物理融合驱动控制策略可以有效抑制有源配电网的电压频繁越限,提高配电网自适应优化控制水平。; 关键词有源配电网分布式电源数据驱动自适应电压控制数据-物理融合驱动; Keywords active distribution network(ADN) distributed generator data-driven adaptive voltage control dataphysical hybrid-driven; 分类号 TM73 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于多时空尺度特性的风电场物理-数据融合动态等值建模	黄师禹朱林胡永浩陈乐柯管霖	《电力系统自动化》北大核心	2025	1	在线阅读下载PDF 职称材料
2	基于数据-物理模型融合驱动的原始-对偶自监督学习最优潮流求解方法	翁宗龙李滨肖佳文张佳乐白晓清	《电力自动化设备》北大核心	2025	0	在线阅读下载PDF 职称材料
3	电力系统中数据-物理融合模型的并联模式性能分析	胡健雄汤奕李峰王琦赵璇	《电力系统自动化》 EI CSCD 北大核心	2022	12	在线阅读下载PDF 职称材料
4	数据-物理融合驱动的有源配电网自适应电压控制	冯歆尧彭泽武陈强陈禹旭谢瀚阳梁盈威	《电力系统及其自动化学报》 CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料