检索结果-维普期刊中文期刊服务平台

机理-数据混合驱动的直驱风电场分群等值方法: 1; 作者张英敏李媛 +4 位作者高仕林李东晟周旭蒋奇良王渝红《高电压技术》北大核心 2025年第9期4762-4773,共12页; 为了提升风电并网系统的暂态仿真分析效率,需要建立风电场等值模型。现有直驱风电场等值模型存在难以适用于预想故障分析和计算效率低问题。针对该问题,提出一种机理-数据混合驱动的直驱风电场分群等值方法。首先,分析了直驱风机的故障... 展开更多; 关键词永磁直驱风机预想故障机理-数据混合风电场分群风电场等值图卷积神经网络; 在线阅读下载PDF 职称材料

基于改进图卷积的多站点海浪高度预测方法: 2; 作者卢鹏王慧 +1 位作者王振华郑宗生《海洋测绘》北大核心 2025年第4期37-42,共6页; 海浪高度的变化不仅随时间变化,还受周围海域的影响。针对现有方法仅关注单一站点的时序特征,缺乏对同一区域内不同站点间海浪高度的时空信息提取问题,提出一种改进图卷积的多站点海浪高度预测模型SD-STSGCN。首先采用基于密度的K-mean... 展开更多; 关键词海浪高度预测多站点预测时空同步图卷积时空相关性邻接矩阵; 在线阅读下载PDF 职称材料

计及动态时空相关性的多风电场短期功率预测: 3; 作者李丹黄烽云 +3 位作者杨帆唐建罗娇娇方泽仁《电力系统及其自动化学报》北大核心 2025年第2期1-9,共9页; 针对同一区域内多风电场出力间复杂且动态的时空相关性,提出一种基于注意力时空同步图卷积网络的多风电场短期功率预测模型。首先引入注意力机制量化天气特征对风功率的影响,构建相邻3个时间步的风功率局部时空图,卷积提取局部时空特征... 展开更多; 关键词深度学习风电功率相关性时空同步图卷积网络功率预测; 在线阅读下载PDF 职称材料

融合同步知识和时空信息的电力系统暂态稳定评估框架被引量：1: 4; 作者刘雨晴刘曌 +4 位作者王小君刘畅宇裴玮郄朝辉窦嘉铭《电网技术》北大核心 2025年第6期2334-2346,共13页; 新型电力系统复杂耦合特性和时变因素骤增,对暂态稳定评估(transientstabilityassessment,TSA)的准确性和快速性提出更高要求。深度学习算法的引入为TSA问题提供新的解决思路,但模型的结果可靠性问题制约其实际应用。因此提出一种融合... 展开更多; 关键词暂态稳定评估深度学习图卷积神经网络同步知识时空特征; 在线阅读下载PDF 职称材料

基于多通道信号二维递归融合和ECA-ConvNeXt的永磁同步电机高阻接触故障诊断被引量：6: 5; 作者丁伟宋俊材 +1 位作者陆思良王骁贤《电工技术学报》 EI CSCD 北大核心 2024年第20期6397-6408,共12页; 该文提出一种基于多通道信号二维递归融合和高效通道注意力机制新一代卷积神经网络(ECA-ConvNeXt)相结合的方法,以解决永磁同步电机高阻接触故障精细定量化诊断识别的问题。首先,建立永磁同步电机仿真模型获取三相电流信号作为有效故障... 展开更多; 关键词永磁同步电机高阻接触故障递归图卷积神经网络注意力机制; 在线阅读下载PDF 职称材料

基于时空卷积动态知识图谱的新能源消纳评估方法被引量：9: 6; 作者陈宗源余涛 +3 位作者丁茂生潘振宁陈俊斌刘希喆《电力系统自动化》 EI CSCD 北大核心 2023年第15期46-54,共9页; 为构建新能源消纳知识图谱,首先,将电网积累的海量调度运行数据以动态四元组的形式,显式地表达调度运行数据的时空关联关系。通过滑动时间窗口快速搜索、提取局部时空图,构建子图数据集。然后,时空同步图卷积网络对局部时空图进行高维... 展开更多; 关键词新能源消纳评估知识图谱时空同步图卷积网络时空图机理知识人工智能; 在线阅读下载PDF 职称材料

基于图卷积神经网络与K-means聚类的居民用户集群短期负荷预测被引量：40: 7; 作者董雷陈振平 +2 位作者韩富佳王晓辉蒲天骄《电网技术》 EI CSCD 北大核心 2023年第10期4291-4301,共11页; 随着智能电表等高级量测装置在用户侧的广泛部署与使用,海量多源异构的居民用户数据得以采集与存储,为用户级负荷预测提供良好的数据基础。精准的居民用户集群负荷预测是促进智能配电网需求侧管理、辅助电网公司实现削峰填谷的重要基础... 展开更多; 关键词智能配电网用户级负荷预测居民用户集群图数据时空同步图卷积神经网络; 在线阅读下载PDF 职称材料

题名机理-数据混合驱动的直驱风电场分群等值方法: 1; 作者张英敏李媛高仕林李东晟周旭蒋奇良王渝红; 机构四川大学电气工程学院国家电网华中分部清华大学电机工程与应用电子技术系; 出处《高电压技术》北大核心 2025年第9期4762-4773,共12页; 基金国家重点研发计划(响应驱动的大电网稳定性智能增强分析与控制技术)(2021YFB2400800)。; 文摘为了提升风电并网系统的暂态仿真分析效率,需要建立风电场等值模型。现有直驱风电场等值模型存在难以适用于预想故障分析和计算效率低问题。针对该问题,提出一种机理-数据混合驱动的直驱风电场分群等值方法。首先,分析了直驱风机的故障后暂态响应特性,并推导了基于风机初始风速及机端故障稳态电压的风电机组分群方法。其次,提出了一种基于多层图卷积神经网络的机端故障稳态电压高效预测方法,该预测模型能够适应不同的风电场和电网拓扑。进一步,构建了风电场的三机等值模型。最后,仿真验证了所提出的分群等值方法的正确性。; 关键词永磁直驱风机预想故障机理-数据混合风电场分群风电场等值图卷积神经网络; Keywords direct-driven permanent magnet synchronous generator anticipated fault mechanism-data hybrid-driven wind farm clustering wind farm equivalence graph convolutional network; 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

题名基于改进图卷积的多站点海浪高度预测方法: 2; 作者卢鹏王慧王振华郑宗生; 机构上海海洋大学信息学院; 出处《海洋测绘》北大核心 2025年第4期37-42,共6页; 基金上海市科委科研计划项目(20dz1203800)。; 文摘海浪高度的变化不仅随时间变化,还受周围海域的影响。针对现有方法仅关注单一站点的时序特征,缺乏对同一区域内不同站点间海浪高度的时空信息提取问题,提出一种改进图卷积的多站点海浪高度预测模型SD-STSGCN。首先采用基于密度的K-means聚类对站点分组;其次提出缩放距离因子构建邻接矩阵以动态调整权重;最后结合扩张卷积的时空同步图卷积模块捕捉时空特征,非线性映射输出各组站点未来时段的海浪高度预测结果。在覆盖多维度场景的44个站点上进行大区域实验,结果表明,相比于LSTM和TCN等模型,SD-STSGCN的预测效果最好,该方法有效挖掘了多站点时空相关性,为海浪高度预测提供了有效的补充方案。; 关键词海浪高度预测多站点预测时空同步图卷积时空相关性邻接矩阵; Keywords wave height prediction multi-site prediction spatial-temporal synchronous graph convolutional network spatial-temporal correlation adjacency matrix; 分类号 P229.7 [天文地球—大地测量学与测量工程]; 在线阅读下载PDF 职称材料

题名计及动态时空相关性的多风电场短期功率预测: 3; 作者李丹黄烽云杨帆唐建罗娇娇方泽仁; 机构三峡大学电气与新能源学院梯级水电站运行与控制湖北省重点实验室国网宁夏电力有限公司银川供电公司新能源微电网湖北省协同创新中心; 出处《电力系统及其自动化学报》北大核心 2025年第2期1-9,共9页; 基金国家自然科学基金资助项目(51807109)。; 文摘针对同一区域内多风电场出力间复杂且动态的时空相关性,提出一种基于注意力时空同步图卷积网络的多风电场短期功率预测模型。首先引入注意力机制量化天气特征对风功率的影响,构建相邻3个时间步的风功率局部时空图,卷积提取局部时空特征;然后用时空同步图卷积层聚合输入时窗的整体时空特征;最后非线性映射输出多风电场未来时段的功率预测结果。实际算例结果表明,所提模型通过学习不同天气条件下风功率的时空动态演变规律,可将多风电场日前功率预测精度提高2.10%~13.94%。; 关键词深度学习风电功率相关性时空同步图卷积网络功率预测; Keywords deep learning wind power correlation spatial-temporal synchronous graph convolutional networks power forecasting; 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

题名融合同步知识和时空信息的电力系统暂态稳定评估框架被引量：1: 4; 作者刘雨晴刘曌王小君刘畅宇裴玮郄朝辉窦嘉铭; 机构北京交通大学电气工程学院中国科学院电工研究所南瑞集团有限公司(国网电力科学研究院有限公司); 出处《电网技术》北大核心 2025年第6期2334-2346,共13页; 基金国家自然科学基金青年科学基金项目(52107068) 国家电网有限公司科技项目(SGNRGF00WDJS2302604)。; 文摘新型电力系统复杂耦合特性和时变因素骤增,对暂态稳定评估(transientstabilityassessment,TSA)的准确性和快速性提出更高要求。深度学习算法的引入为TSA问题提供新的解决思路,但模型的结果可靠性问题制约其实际应用。因此提出一种融合同步知识和时空信息的评估框架,从电气特征选择、融入领域知识和模型内嵌可解释性方面提升评估性能与结果可信度。首先分析电气特征量与暂态稳定间的理论映射关系,引导模型特征选择;其次分析基于Kuramoto耦合振子模型的同步现象,将同步关键参数(节点耦合强度)引入图卷积神经网络(graph convolution network,GCN)的空间拓扑表示;在此基础上,结合内嵌可解释的Informer模型,提出Infor-GCN模型提取暂态过程特征时空耦合信息并进行特征增强;然后针对不同特征的稳定判别结果设计综合输出策略,提高模型结果可靠性。最后在IEEE-68节点系统的仿真算例表明所提方法在评估准确度和分析效率上具有优越性,并且在新样本下具备较强的泛化能力。; 关键词暂态稳定评估深度学习图卷积神经网络同步知识时空特征; Keywords transient stability assessment deep learning graph convolution network synchronize knowledge spatial-temporal characteristics; 分类号 TM721 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于多通道信号二维递归融合和ECA-ConvNeXt的永磁同步电机高阻接触故障诊断被引量：6: 5; 作者丁伟宋俊材陆思良王骁贤; 机构安徽大学电气工程与自动化学院安徽大学互联网学院安徽大学电子信息工程学院; 出处《电工技术学报》 EI CSCD 北大核心 2024年第20期6397-6408,共12页; 基金国家自然科学基金项目(52207036,62203010,52075002) 安徽省自然科学基金项目(22080850E167) 安徽省教育厅自然科学重点项目(KJ2021A0018)资助。; 文摘该文提出一种基于多通道信号二维递归融合和高效通道注意力机制新一代卷积神经网络(ECA-ConvNeXt)相结合的方法,以解决永磁同步电机高阻接触故障精细定量化诊断识别的问题。首先,建立永磁同步电机仿真模型获取三相电流信号作为有效故障信号;其次,引入递归图,将三相电流信号分别映射为二维图像并进行多通道融合,以提高故障特征信息的丰富性并消除人工特征提取的影响,实现故障特征的增强显示;然后,通过在ConvNeXt中引入高效通道注意力模块,提升了网络在通道维度上的适应性,得到ECA-ConvNeXt以实现永磁同步电机故障位置类型和严重程度的精确诊断分类,分类精度达到99.18%,并通过带噪声数据验证了该方法的鲁棒性;最后,搭建了样机实验平台,验证所提方法识别精度高达97.35%,能够准确识别永磁同步电机高阻接触故障位置和严重程度。; 关键词永磁同步电机高阻接触故障递归图卷积神经网络注意力机制; Keywords Permanent magnet synchronous motor(PMSM) high-resistance connection(HRC)fault recursive graph convolutional neural network attention mechanism; 分类号 TM351 [电气工程—电机]; 在线阅读下载PDF 职称材料

题名基于时空卷积动态知识图谱的新能源消纳评估方法被引量：9: 6; 作者陈宗源余涛丁茂生潘振宁陈俊斌刘希喆; 机构华南理工大学电力学院国网宁夏电力有限公司; 出处《电力系统自动化》 EI CSCD 北大核心 2023年第15期46-54,共9页; 基金国家自然科学基金委员会-国家电网公司智能电网联合基金资助项目(U2066212) 国家自然科学基金资助项目(52207105) 广东省基础与应用基础研究基金资助项目(2023A1515011598)。; 文摘为构建新能源消纳知识图谱,首先,将电网积累的海量调度运行数据以动态四元组的形式,显式地表达调度运行数据的时空关联关系。通过滑动时间窗口快速搜索、提取局部时空图,构建子图数据集。然后,时空同步图卷积网络对局部时空图进行高维特征提取,充分挖掘历史数据的时空关联关系,利用新能源消纳知识图谱中存储的机理知识对模型进行引导,并通过多子图并行训练提升模型的学习效率。最后,基于中国西北某省级电网算例进行仿真和实验验证。结果表明,所提方法可以有效避免复杂的数学建模以及模型求解,相比于传统方法具有更高的评估精度与速度。; 关键词新能源消纳评估知识图谱时空同步图卷积网络时空图机理知识人工智能; Keywords renewable energy accommodation assessment knowledge graph spatio-temporal synchronous graph convolutional network spatio-temporal graph mechanism knowledge artificial intelligence; 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

题名基于图卷积神经网络与K-means聚类的居民用户集群短期负荷预测被引量：40: 7; 作者董雷陈振平韩富佳王晓辉蒲天骄; 机构新能源电力系统全国重点实验室(华北电力大学) 中国电力科学研究院有限公司; 出处《电网技术》 EI CSCD 北大核心 2023年第10期4291-4301,共11页; 基金国家电网公司科技项目(5400-202112507A-0-5-ZN)。; 文摘随着智能电表等高级量测装置在用户侧的广泛部署与使用,海量多源异构的居民用户数据得以采集与存储,为用户级负荷预测提供良好的数据基础。精准的居民用户集群负荷预测是促进智能配电网需求侧管理、辅助电网公司实现削峰填谷的重要基础。然而,现有的用户级负荷预测方法大多利用历史负荷序列的时间相关性构建数据驱动模型,却忽视相邻用户用电行为之间存在的潜在空间相关性。因此,提出一种基于K-means聚类和自适应时空同步图卷积神经网络的居民用户集群负荷预测方法。首先,采用K-means聚类将居民用户集群按照用电行为相似性划分成不同组;然后,基于居民用户集群的分组数量、各组居民用户的历史负荷数据以及各组居民用户负荷序列之间的相关性,构建面向居民用户集群负荷预测的时空图数据;最后,使用自适应时空同步图卷积神经网络实现居民用户集群短期负荷预测。文章通过真实的爱尔兰居民用户负荷公开数据集测试并验证所提方法的准确性和有效性,实验结果表明,相较于各个基准预测方法,所提方法能够充分挖掘并利用不同居民用户用电负荷之间的时空相关性,进而提高居民用户集群负荷预测精度。; 关键词智能配电网用户级负荷预测居民用户集群图数据时空同步图卷积神经网络; Keywords smart distribution network user-level load forcasting residential user group graph data spatial-temporal synchronization graph convolutional neural network; 分类号 TM721 [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	机理-数据混合驱动的直驱风电场分群等值方法	张英敏李媛高仕林李东晟周旭蒋奇良王渝红	《高电压技术》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于改进图卷积的多站点海浪高度预测方法	卢鹏王慧王振华郑宗生	《海洋测绘》北大核心	2025	0	在线阅读下载PDF 职称材料
3	计及动态时空相关性的多风电场短期功率预测	李丹黄烽云杨帆唐建罗娇娇方泽仁	《电力系统及其自动化学报》北大核心	2025	0	在线阅读下载PDF 职称材料
4	融合同步知识和时空信息的电力系统暂态稳定评估框架	刘雨晴刘曌王小君刘畅宇裴玮郄朝辉窦嘉铭	《电网技术》北大核心	2025	1	在线阅读下载PDF 职称材料
5	基于多通道信号二维递归融合和ECA-ConvNeXt的永磁同步电机高阻接触故障诊断	丁伟宋俊材陆思良王骁贤	《电工技术学报》 EI CSCD 北大核心	2024	6	在线阅读下载PDF 职称材料
6	基于时空卷积动态知识图谱的新能源消纳评估方法	陈宗源余涛丁茂生潘振宁陈俊斌刘希喆	《电力系统自动化》 EI CSCD 北大核心	2023	9	在线阅读下载PDF 职称材料
7	基于图卷积神经网络与K-means聚类的居民用户集群短期负荷预测	董雷陈振平韩富佳王晓辉蒲天骄	《电网技术》 EI CSCD 北大核心	2023	40	在线阅读下载PDF 职称材料