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！

龙图腾网获悉贵州电网有限责任公司申请的专利一种面向配电网的受迫振荡检测与定位方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119667363B 。

龙图腾网通过国家知识产权局官网在2025-12-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411567641.5，技术领域涉及：G01R31/08；该发明授权一种面向配电网的受迫振荡检测与定位方法及系统是由王荣;石海英;王家军;李庆生;周忠强;练寅;景诗毅;邓瑞锋;张棠茜;田婧设计研发完成，并于2024-11-05向国家知识产权局提交的专利申请。

本一种面向配电网的受迫振荡检测与定位方法及系统在说明书摘要公布了：本发明涉及配电网技术领域，特别是一种面向配电网的受迫振荡检测与定位方法及系统。包括采用谱图理论，对电网进行割集划分，基于子网能量传递值重复进行割集分割；基于割集的介数中心性、功率波动值与频率和相角数据分析割集线路的关键线路。本发明所述方法通过Fiedler向量进行二分割，可以有效识别电网中自然的割集结构，将电网划分为两个子网，且每个子网内的节点之间具有更强的连接性，通过介数中心性、功率波动、频率偏差和相角偏差三个维度分别确定关键线路候选，能够显著提高识别的准确性，通过EMD分解出的IMF和希尔伯特变换结合，能够提取瞬时频率和振幅，可以实时监测每条关键线路上振荡的强度和频率。

本发明授权一种面向配电网的受迫振荡检测与定位方法及系统在权利要求书中公布了：1.一种面向配电网的受迫振荡检测与定位方法，其特征在于：包括， 获取配电网实时运行数据，采用谱图理论对电网进行割集划分； 构建配电网图论模型，将发电站、变电站和负荷中心作为节点，线路和变压器作为边；根据节点连接关系构建邻接矩阵； 计算度矩阵和拉普拉斯矩阵；选择第二小特征值对应特征向量作为Fiedler向量，按大于等于0和小于0将节点分配至两个子网；计算两个子网之间的能量传递值，当能量传递值大于预设阈值时，对子网进一步递归分割，直至所有子网的能量传递值均小于阈值； 基于割集的功率波动值与频率相角数据，分析和筛选关键线路；具体地，使用Floyd算法计算电网中任意两个节点之间的最短路径，对于每个节点，计算其电气介数中心性，分析和筛选关键线路；同时结合频率相角数据，识别频率偏差较大的线路，综合功率波动和频率相角信息确定最终的关键线路集合； 基于割集的功率波动值，分析和筛选关键线路； 对每条筛选出的关键线路，输入采集到的功率波动值和频率偏差信号，使用经验模态分解法对关键线路进行频率分解，并通过希尔伯特变换解析信号，构建时频域分布特征； 所述经验模态分解包括： 提取功率波动和频率偏差信号的本征模态函数IMF；具体地，利用三次样条曲线连接计算数据的所有极大值点和极小值点，形成上下包络线，计算上下包络线的均值作为局部趋势；迭代去除局部趋势直至满足IMF定义，其中IMF在任何时间点的上下包络线的均值为零； 找出功率波动信号和频率偏差信号的信号峰值点和谷值点，使用所有局部极大值作为数据点，通过插值法将局部极大值连接起来，得到原始信号的上包络线，使用所有局部极小值点，通过插值法构建原始信号的下包络线，计算上包络线和下包络线的平均值，作为功率波动的局部趋势； 对提取的IMF分量进行希尔伯特变换，获得瞬时频率和瞬时振幅，构建时频域分布图； 采用LSTM深度学习模型识别振荡模式； 所述LSTM深度学习模型包括： 输入层接收时频域特征数据，所述时频域特征数据包括从功率波动和频率偏差信号中提取的瞬时频率、瞬时振幅以及时频域分布特征； 两层LSTM网络处理时序特征，第一层LSTM网络具有128个隐藏单元，用于提取时序数据的初级特征和短期依赖关系，第二层LSTM网络具有64个隐藏单元，用于进一步提炼长期依赖特征和复杂模式； 全连接层输出振荡频率和振幅预测值，全连接层包含32个神经元，通过激活函数输出最终的振荡特征预测结果； 使用均方误差作为损失函数优化模型参数，通过反向传播算法和Adam优化器进行模型训练，学习率设置为0.001，训练批次大小为32； 计算线路振荡能量，定位最大扰动源； 根据识别的振荡模式和频率特征，计算每条关键线路的振荡能量传递值；基于振荡能量的空间分布和时序演化规律，定位产生最大扰动的振荡源节点。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人贵州电网有限责任公司，其通讯地址为：550002 贵州省贵阳市南明区滨河路17号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。