買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉河海大學(xué)申請(qǐng)的專(zhuān)利不完全量測(cè)下新能源電力系統(tǒng)頻率穩(wěn)定的MGAF-ConvNeXt智能評(píng)估方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120524839B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202511023638.1，技術(shù)領(lǐng)域涉及：G06F30/27；該發(fā)明授權(quán)不完全量測(cè)下新能源電力系統(tǒng)頻率穩(wěn)定的MGAF-ConvNeXt智能評(píng)估方法是由潘學(xué)萍;何蔚;郭金鵬;孫曉榮;周鵬設(shè)計(jì)研發(fā)完成，并于2025-07-24向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本不完全量測(cè)下新能源電力系統(tǒng)頻率穩(wěn)定的MGAF-ConvNeXt智能評(píng)估方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種不完全量測(cè)下新能源電力系統(tǒng)頻率穩(wěn)定的MGAF?ConvNeXt智能評(píng)估方法，首先，進(jìn)行新能源電力系統(tǒng)頻率響應(yīng)分區(qū)；然后構(gòu)建頻率穩(wěn)定智能評(píng)估的MGAF?ConvNeXt輕量化深度學(xué)習(xí)模型；獲取多運(yùn)行方式多擾動(dòng)場(chǎng)景下的仿真數(shù)據(jù)，根據(jù)系統(tǒng)分區(qū)結(jié)果選取各區(qū)域慣量或機(jī)組容量最大、距離系統(tǒng)慣性中心距離近的發(fā)電機(jī)作為測(cè)量點(diǎn)，構(gòu)建歷史數(shù)據(jù)集，并對(duì)模型進(jìn)行訓(xùn)練，采用測(cè)試集數(shù)據(jù)進(jìn)行電力系統(tǒng)頻率穩(wěn)定預(yù)測(cè)；最后對(duì)不同量測(cè)下的頻率穩(wěn)定預(yù)測(cè)精度進(jìn)行評(píng)估。本發(fā)明在系統(tǒng)PMU覆蓋率較低的情況下仍保持較高的頻率穩(wěn)定評(píng)估精度，為新能源電力系統(tǒng)PMU經(jīng)濟(jì)部署與實(shí)時(shí)頻率穩(wěn)定評(píng)估提供了高效解決方案。

本發(fā)明授權(quán)不完全量測(cè)下新能源電力系統(tǒng)頻率穩(wěn)定的MGAF-ConvNeXt智能評(píng)估方法在權(quán)利要求書(shū)中公布了：1.一種不完全量測(cè)下新能源電力系統(tǒng)頻率穩(wěn)定的MGAF-ConvNeXt智能評(píng)估方法，其特征在于，包括如下步驟： 步驟1、進(jìn)行新能源電力系統(tǒng)頻率響應(yīng)分區(qū)，得到頻率響應(yīng)分區(qū)結(jié)果； 步驟1具體包括如下步驟： 步驟1.1、基于PSASP平臺(tái)建立新能源電力系統(tǒng)算例，構(gòu)建新能源不同出力和負(fù)荷不同擾動(dòng)組成的場(chǎng)景，根據(jù)構(gòu)造的各場(chǎng)景仿真獲得電力系統(tǒng)各節(jié)點(diǎn)的頻率受擾軌跡； 步驟1.2、根據(jù)系統(tǒng)各節(jié)點(diǎn)的頻率受擾軌跡，基于Hausdorff距離計(jì)算各節(jié)點(diǎn)頻率響應(yīng)曲線的相似矩陣；節(jié)點(diǎn)m的頻率受擾軌跡和節(jié)點(diǎn)n的頻率受擾軌跡的Hausdorff距離計(jì)算公式為： 1 其中：，；頻率受擾軌跡的數(shù)據(jù)集合m=[m1,m2,…,ma]和n=[n1,n2,…,nb]為兩長(zhǎng)度不相等的曲線，a和b分別為集合m和n中數(shù)據(jù)總長(zhǎng)度；hn,m為集合n到集合m的單向Hausdorff距離，||mu-nv||為mu到nv的歐氏距離；u=[1,2,…,a]，v=[1,2,…,b]，對(duì)于含N個(gè)節(jié)點(diǎn)的系統(tǒng)，相似矩陣H的維度為N×N； 步驟1.3、采用K-means++聚類(lèi)算法對(duì)相似矩陣進(jìn)行分類(lèi)，得到電力系統(tǒng)分區(qū)所需要的聚類(lèi)中心； 步驟1.3具體為： 隨機(jī)選取Hausdorff相似矩陣H中第i行hi作為第k個(gè)初始聚類(lèi)中心hk，i=[1,2,…,N]；k=[1,2,…,l]，其中，l為聚類(lèi)中心數(shù)； 計(jì)算每個(gè)節(jié)點(diǎn)與當(dāng)前已有聚類(lèi)中心之間的最短距離DH： 2 式中，j=[1,2,…,N]；hij表示相似矩陣H中的第i行第j列元素，hkj表示相似矩陣H中的第k行第j列元素； 計(jì)算每個(gè)節(jié)點(diǎn)被選為下一個(gè)聚類(lèi)中心的概率PH，選擇最大概率值所對(duì)應(yīng)節(jié)點(diǎn)作為下一個(gè)聚類(lèi)中心； 3 重復(fù)式2和式3直到選擇出電力系統(tǒng)分區(qū)所需的l個(gè)聚類(lèi)中心，并基于DH找到各節(jié)點(diǎn)到各聚類(lèi)中心的距離最小值，將節(jié)點(diǎn)與距離最短的聚類(lèi)中心劃分為一個(gè)區(qū)域，最終得到系統(tǒng)分區(qū)結(jié)果； 步驟2、構(gòu)建混合格拉姆角場(chǎng)-次世代卷積神經(jīng)網(wǎng)絡(luò)MGAF-ConvNeXt頻率響應(yīng)智能評(píng)估模型； 步驟2具體包括如下步驟： 步驟2.1、混合格拉姆角場(chǎng)MGAF方法將一維數(shù)據(jù)轉(zhuǎn)換為深度學(xué)習(xí)模型可識(shí)別的二維矩陣，包括： 通過(guò)最大最小歸一化將長(zhǎng)度為L(zhǎng)的一維時(shí)序數(shù)據(jù)g映射至[-1,1]區(qū)間，公式為： 4 式中g(shù)ζ為樣本g中的第ζ個(gè)變量，為歸一化后的樣本，ζ=[0,1,…,L]； 將歸一化數(shù)據(jù)轉(zhuǎn)換至極坐標(biāo)系，公式為： 5 式中：Φζ為樣本中第ζ個(gè)極角，rζ為樣本中第ζ個(gè)極徑； 步驟2.2、融合格拉姆求和角場(chǎng)GASF與格拉姆差分角場(chǎng)GADF生成非對(duì)稱MGAF矩陣，公式為： 6 其中，Φβ為樣本中第β個(gè)極角，rβ為樣本中第β個(gè)極徑，β=[0,1,…,L]； 步驟2.3、ConvNeXt深度學(xué)習(xí)模型，結(jié)構(gòu)包括輸入層、中間層和輸出層； 輸入層通過(guò)4×4卷積進(jìn)行空間下采樣與特征維度擴(kuò)展； 中間層為三組級(jí)聯(lián)的ConvNeXtBlock和MaxPooling復(fù)合單元，其中ConvNeXtBlock包含：7×7深度可分離卷積層；LayerNormalization標(biāo)準(zhǔn)化層；兩級(jí)1×1卷積層構(gòu)成的瓶頸結(jié)構(gòu)，并在兩級(jí)1×1卷積層中間嵌入GELU激活函數(shù)； 輸出層通過(guò)全局平均池化與全連接層生成五維頻率穩(wěn)定指標(biāo)； 步驟3、仿真獲得算例系統(tǒng)在多運(yùn)行方式多擾動(dòng)場(chǎng)景下的響應(yīng)數(shù)據(jù)，并根據(jù)步驟1的頻率響應(yīng)分區(qū)結(jié)果選取各區(qū)域慣量或機(jī)組容量最大或距離系統(tǒng)慣性中心距離最近的發(fā)電機(jī)作為測(cè)量點(diǎn)，構(gòu)建歷史數(shù)據(jù)集； 步驟4、基于混合精度量化方法對(duì)MGAF-ConvNeXt頻率響應(yīng)智能評(píng)估模型進(jìn)行訓(xùn)練加速； 步驟5、建立不完全量測(cè)案例庫(kù)，通過(guò)歷史數(shù)據(jù)集對(duì)MGAF-ConvNeXt頻率響應(yīng)智能評(píng)估模型進(jìn)行訓(xùn)練，基于訓(xùn)練后的智能評(píng)估模型，對(duì)不完全量測(cè)下的頻率穩(wěn)定預(yù)測(cè)精度進(jìn)行誤差分析。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人河海大學(xué)，其通訊地址為：211100 江蘇省南京市江寧區(qū)佛城西路8號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。