-
公开(公告)号:CN118017492A
公开(公告)日:2024-05-10
申请号:CN202410185026.1
申请日:2024-02-19
申请人: 中国电力科学研究院有限公司 , 国网天津市电力公司 , 国家电网有限公司
摘要: 本发明属于电力系统自动化领域,公开了一种主动配电网优化调度方法、系统、设备及存储介质,包括获取主动配电网各区域的光伏出力预测值和负荷预测值;根据各区域的光伏出力预测值和负荷预测值,调用预设的基于联盟博弈的分布式优化调度模型,得到各区域的各可控设备最优出力值;根据各区域的各可控设备最优出力值生成各区域的各可控设备控制指令,并发送至各区域的各可控设备;其中,基于联盟博弈的分布式优化调度模型包括联盟博弈层和与联盟博弈层交互的各区域智能体。基于各区域基于博弈机制的非关键信息共享实现分布式协同优化,避免了大量数据的集中收集和处理,大幅提升决策速度。
-
公开(公告)号:CN117688362A
公开(公告)日:2024-03-12
申请号:CN202311700048.9
申请日:2023-12-12
申请人: 天津大学 , 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司 , 中国电力科学研究院有限公司 , 国家电网有限公司
IPC分类号: G06F18/213 , G06F18/15 , G06F18/27 , G06F18/23213 , G06F18/2433 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06Q50/06 , H02J3/00 , H02J3/38 , G06F123/02
摘要: 基于多元数据特征增强的光伏功率区间预测方法及装置,通过构建相似日数据集,相似日数据集中包括采样的天气特征和光伏功率出力原始数据,对相似日数据集进行相关性分析,聚类前生数据预处理,聚类指标选取和聚类结果处理;对卷积神经网络模块CNN、超轻量子空间注意力模块ULSAM、双向长短期记忆神经网络模块BiLSTM、模块内分位数回归模型QR进行组合形成基于QR‑CNN‑ULSAM‑BiLSTM的光伏功率短期区间预测混合模型以预测区间覆盖率、预测区间平均宽度为区间评价指标,对光伏功率预测区间进行评估预测。本发明在多种复杂天气场景下表现出更高的预测准确性、敏锐性和场景适应性。
-
公开(公告)号:CN117937736A
公开(公告)日:2024-04-26
申请号:CN202311722014.X
申请日:2023-12-14
申请人: 中国电力科学研究院有限公司 , 国网浙江省电力有限公司电力科学研究院 , 国家电网有限公司
IPC分类号: H02J13/00 , H02J3/46 , H02J3/32 , G06Q10/0637 , G06Q50/06
摘要: 一种柔性互联配电网智能优化决策方法、系统、设备及介质,方法包括在低压配电网侧部署边端,在边端设置若干个自主可控能量装置,将各个用户侧资源分别接入自主可控能量装置并部署功率分配算法,将自主可控能量装置封装成边端侧资源封装调度模型;在中压配电网侧部署云端,云端设置配电自动化主站调度中心;配电自动化主站调度中心接入边端侧资源封装调度模型,并利用元强化学习和优化求解器输出总功率分配指令发送给边端;边端接收总功率分配指令,并通过功率分配算法,计算得到各个自主可控能量装置对应的功率分配值;各个自主可控能量装置利用一致性算法,对各个用户侧资源进行功率分配。本发明可以整体提升柔性互联配电网优化决策响应速度。
-
公开(公告)号:CN117559393A
公开(公告)日:2024-02-13
申请号:CN202311465747.X
申请日:2023-11-06
申请人: 中国电力科学研究院有限公司
摘要: 本发明属于电力系统低压台区拓扑辨识技术领域,具体涉及一种基于数据与模型驱动的低压配电台区拓扑辨识方法及系统,首先获取台变、表箱、用户的原始电压和表箱、用户的用电量的实测序列数据;接下来用电压序列减去其均值再乘以放大系数;再利用分层聚类算法,分别聚类表箱和用户电压序列;然后采用皮尔逊相关系数,辨识表箱和用户的所述相别;通过数学规划模型,实现用户与表箱之间的分线拓扑辨识;最终根据台区分相分线辨识结果生成低压台区拓扑结构。本发明有效降低了低压配电台区拓扑辨识的人力成本,无需增加专用识别设备,且其辨识准确率高、效率高,更具备实用性,对于提高低压配电台区的智能化管理水平具有较大的实践应用价值和推广前景。
-
公开(公告)号:CN117374937A
公开(公告)日:2024-01-09
申请号:CN202311315801.2
申请日:2023-10-11
申请人: 中国电力科学研究院有限公司
摘要: 本发明提供了一种多微电网协同优化运行方法、装置、设备及介质,通过构建多微电网的状态空间S及动作空间A,其中每个微电网为一个智能体,状态空间S包括多个状态变量,每个智能体选择电储能作为动作空间A的动作变量;进一步构建多智能体深度强化学习奖励函数,通过奖励引导多智能体协同满足区域用电需求,其中,每个智能体的奖励函数包括自身的外购电量,以及含有其他智能体信息的分量,即区域整体的电量消耗。公开了包含各智能体用电消耗以及区域用电消耗的强化学习奖励函数,使得多智能体之间分享了电量消耗信息,从而通过奖励引导多智能体协同满足区域用电需求,以降低用能成本。
-
-
-
-