원래 이름 기록: 湖南省湘电试验研究院有限公司

本申请属于配电网故障识别技术领域，尤其涉及一种配电网接地故障特征识别方法、电子设备及存储介质，该方法包括：获取配电网故障信号；对配电网故障信号进行时频特性分析，确定配电网故障信号的时频信息；对配电网故障信号进行多成分分解与模态分析，得到若干本征模态函数；基于时频信息和各本征模态函数，提取配电网故障信号的故障分量；基于故障分量识别树线放电引发的接地故障特征。本申请提供的技术方案，利用小波变换的时频局部化特性和集成经验模态分解的自适应分解能力，从配电网故障信号分离出故障分量，再通过故障分量进行树线放电引发的接地故障特征的识别，提高了对配电网树线放电引发的接地故障特征识别的准确度。

本发明涉及配电网接地故障特征识别方法及计算机存储介质，是一种基于深度学习和迁移学习相结合的树线放电故障深层抽象特征挖掘方法。一方面，通过源任务阶段的预训练过程，提取变压器故障特征，既能充分利用繁多且稳定的变压器故障数据，而且相对稳定的变压器故障放电信号，使得模型训练更简单高效，提升训练效率；更重要的是，二者的数据相似性和诱因关联性，使得提取的变压器故障特征，能与树线放电特征形式、故障时间高度吻合且匹配度；另一方面，通过目标任务阶段的后训练过程，提取树线放电故障专有特征，将迁移数据专用化，体现目标任务的独特性，能够进一步提高模型准确率。

本发明提供一种电池储能装置的优化调控方法、系统及存储介质，包括：获取电网的拓扑结构、有功功率和无功功率数据，并确认其中电池储能装置配置节点以及各电池储能装置的状态参数；基于电池储能装置的工作约束，以最小化电池储能装置总运行成本为目标，构建储能装置优化调控模型；在考虑电网功率平衡约束和潮流安全约束的前提下，根据电网的有功功率、无功功率和各电池储能装置的状态参数，利用储能装置优化调控模型求解各电池储能装置的并网容量、有功出力和无功出力；根据获得的各电池储能装置的并网容量、有功出力和无功出力，完成各电池储能装置的调控。本发明能在兼顾经济性与技术性的前提下，实现配电网分布式电池储能装置的全局最优调控。

本发明涉及基于跨域特征与分层多任务的配电网故障识别方法及介质，包括：获取配电网包括树线放电故障的响应数据，并标注故障类型或/和故障位置，以构建样本数据集；根据样本数据集，提取各样本时域‑频域‑复频域的跨域特征；基于各样本的跨域特征，构建并训练分层多任务的故障辨识模型，包括：底层任务层，用于提取跨任务共性特征；高层任务层，用于处理故障类型分类和故障位置回归；获取配电网的当前响应数据，并提取跨域特征输入故障辨识模型，得到故障识别结果。该方法将特征交互增强后的样本输入分层训练框架迭代优化，最终构建具备跨域关联解析能力的智能辨识模型，显著提升复杂工况下的诊断精度。

本发明公开了一种面向灵活储能的配电网多时间尺度协同电压优化调控方法及系统，涉及涉及电网电压优化调控技术领域，包括步骤：在日前光伏和负荷预测功率的基础上，以配电网网络损耗功率和电压偏差最小为优化目标，考虑束条件采用第一时长为调度周期、第一预设时长为时间分辨率的调度策略，求解获取慢动作设备的日前调度结果数据；在日内光伏和负荷预测功率的基础上基于日前调度结果数据进行优化决策，采用第二时长为调度周期、第二预设时长为时间分辨率的滚动优化调度策略，求解获取实时动作设备的调度计划节点数据动态修正日前调度结果。本发明提供的方法，解决了现有技术中对电压调控系统对复杂工况的适应性不足的技术问题。