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！

龙图腾网获悉国网四川省电力公司电力科学研究院申请的专利基于深度贝叶斯主动学习的电力系统暂态稳定评估方法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：CN115329669B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202210962626.5，技术领域涉及：H02J3/0012；该发明授权基于深度贝叶斯主动学习的电力系统暂态稳定评估方法是由汪康康;魏巍;孙昕炜;徐韵扬设计研发完成，并于2022-08-11向国家知识产权局提交的专利申请。

本基于深度贝叶斯主动学习的电力系统暂态稳定评估方法在说明书摘要公布了：本发明涉及电力系统自动化技术领域，公开了一种基于深度贝叶斯主动学习的电力系统暂态稳定评估方法，包括：S1、在离线阶段，针对目标电力系统，对所述目标电力系统的电网潮流方式进行随机抽样生成电网潮流方式数据集；S2、通过暂态稳定仿真分析生成含目标属性的电网潮流方式样本集；S3、构建基于深度贝叶斯神经网络的暂态稳定评估模型；S4、采用基于最小可信度的主动学习方法从所述电网潮流方式样本集中获取待标注样本；S5、在电力系统实时运行阶段，利用所述暂态稳定评估模型预判电力系统的暂态稳定性。本发明利用基于深度贝叶斯神经网络的暂态稳定评估模型可以给出其预测结果来评估电力系统的暂态稳定。

本发明授权基于深度贝叶斯主动学习的电力系统暂态稳定评估方法在权利要求书中公布了：1.一种基于深度贝叶斯主动学习的电力系统暂态稳定评估方法，其特征在于，包括： S1、在离线阶段，针对目标电力系统，对所述目标电力系统的电网潮流方式进行随机抽样生成电网潮流方式数据集； S2、采用k-medoids算法聚类从所述电网潮流方式数据集中提取代表性电网潮流方式样本，通过暂态稳定仿真分析生成含目标属性的电网潮流方式样本集； S3、构建基于深度贝叶斯神经网络的暂态稳定评估模型，利用含目标属性的电网潮流方式样本集中的样本数据对所述暂态稳定评估模型的参数进行训练； S4、采用基于最小可信度的主动学习方法从所述电网潮流方式样本集中获取待标注样本，更新电网潮流方式样本集并对训练后的所述暂态稳定评估模型的参数进行更新； S4的具体方法为： S4.1、利用暂态稳定评估模型对所有未标注样本进行稳定性预测； S4.2、按下式计算所有未标注样本的不确定性指标； ； 式中，表示暂态稳定样本集，表示未标注样本的输入特征，y为未标注样本的目标属性，表示深度贝叶斯神经网络的权重参数； ； 表示给定暂态稳定训练样本集为、待分析样本输入为x的情况下，预测结果y为类别c的后验概率； ； 表示给定暂态稳定样本集下，权重参数的后验概率，即为根据权重参数的后验概率计算的期望值，即为不确定性指标；表示暂态稳定样本集，表示未标注样本的输入特征，y为未标注样本的目标属性，表示深度贝叶斯神经网络的权重参数；大写C表示分类问题的类别集合，小写c表示第c个分类，表示给定暂态稳定训练样本集为、待分析样本输入为x的情况下，预测结果y为类别c的后验概率，表示给定暂态稳定样本集下，权重参数的后验概率，表示考虑概率分布的期望值； 步骤S4.3、按不确定性指标对所有未标注样本进行排序，取排序前10%的未标注样本构成未标注样本池； 步骤S4.4、利用k-medoids算法对未标注样本池里面的样本进行聚类，将聚类后的样本组合在一起形成待标注样本集； 步骤S4.5、针对待标注样本集中的待标注样本，设置目标电力系统的预想故障集，进行基于时域仿真的暂态稳定分析，以目标电力系统暂态稳定性作为目标属性对所述待标注样本进行标注，将新标注的样本添加到暂态稳定样本集，并从未标注样本集中删除； 步骤S4.6、利用更新后的暂态稳定样本集对暂态稳定评估模型进行模型参数更新学习； S5、在电力系统实时运行阶段，通过SCADA系统采集电力系统的相关运行参数，将所述相关运行参数输入至参数更新后的所述暂态稳定评估模型中，利用所述暂态稳定评估模型预判电力系统的暂态稳定性。

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国网四川省电力公司电力科学研究院，其通讯地址为：610000 四川省成都市高新区锦晖西二街16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。