← 返回列表
电力故障事件驱动恢复方法、装置、设备及存储介质
申请人信息
- 申请人:河海大学
- 申请人地址:210098 江苏省南京市鼓楼区西康路1号
- 发明人: 河海大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 电力故障事件驱动恢复方法、装置、设备及存储介质 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311354768.4 |
| 申请日 | 2023/10/19 |
| 公告号 | CN117374952A |
| 公开日 | 2024/1/9 |
| IPC主分类号 | H02J3/00 |
| 权利人 | 河海大学 |
| 发明人 | 王冲; 吴峰; 张磊; 鞠平; 梁伟; 石大夯 |
| 地址 | 江苏省南京市江宁区佛城西路8号 |
摘要文本
本发明涉及配电系统优化运行技术领域,尤其涉及一种电力故障事件驱动恢复方法、装置、设备及存储介质,包括:构建考虑配电故障‑交通网络的半马尔可夫状态;获取交通行驶时间概率分布、故障设备维修时间概率分布、配电故障与交通网络耦合信息,构建基于随机事件驱动的半马尔可夫状态转移函数;基于半马尔可夫状态及状态转移函数,构建基于随机事件驱动的递推优化模型;构建表征半马尔可夫状态值函数的深度学习网络,采用离线迭代过程,基于深度强化学习方法对深度学习网络的参数进行更新,得到收敛的深度学习网络;观测系统时序的实时状态,利用收敛的深度学习网络和递推优化模型进行在线优化,得到实时最优恢复方案。
专利主权项内容
1.一种电力故障事件驱动恢复方法,其特征在于,包括如下步骤:获取配电拓扑、故障信息、交通网络、可调度故障设备维修人员信息、负荷信息,构建考虑配电故障-交通网络的半马尔可夫状态;获取交通行驶时间概率分布、故障设备维修时间概率分布、配电故障与交通网络耦合信息,构建基于随机事件驱动的半马尔可夫状态转移函数;基于所述半马尔可夫状态及状态转移函数,构建基于随机事件驱动的半马尔可夫递推优化模型;构建表征半马尔可夫状态值函数的深度学习网络,采用离线迭代过程,基于深度强化学习方法对所述深度学习网络的参数进行更新,得到收敛的深度学习网络;观测系统时序的实时状态,利用收敛的所述深度学习网络和半马尔可夫递推优化模型进行在线优化,得到实时最优恢复方案。