-
公开(公告)号：CN112488550A
公开(公告)日：2021-03-12
申请号：CN202011435461.3
申请日：2020-12-09
申请人： 中国电力科学研究院有限公司 , 国网安徽省电力有限公司 , 国家电网有限公司
发明人： 钱甜甜 , 杨胜春 , 耿建 , 汪胜和 , 潘东 , 石飞 , 李亚平 , 王珂 , 李峰 , 王勇 , 刘建涛 , 王礼文 , 王刚 , 徐鹏 , 于韶源 , 郭晓蕊 , 潘玲玲 , 周竞 , 朱克东 , 毛文博 , 刘俊 , 汤必强
摘要： 本发明涉及一种基于深度学习的不确定性电网静态安全分析方法及系统，所述方法包括以下步骤：S1:接收电网静态安全分析请求，所述请求用于请求进行不确定性电网静态安全分析；S2:响应于所述请求，调用深度卷积神经网络模型，计算电网安全校核指标；S3:基于计算出的电网安全校核指标分析所述电网是否处于安全状态；S4：输出所述分析结果。本发明通过调用深度卷积神经网络模型计算电网安全校核指标，基于计算出的电网安全校核指标分析电网是否处于安全状态，分析速度快，效率高。
-
公开(公告)号：CN113890112A
公开(公告)日：2022-01-04
申请号：CN202111147877.X
申请日：2021-09-29
申请人： 合肥工业大学 , 中国电力科学研究院有限公司 , 国网安徽省电力有限公司电力科学研究院
IPC分类号： H02J3/46
摘要： 本发明属于电力系统技术领域，更具体地，涉及一种基于数据驱动的电网前瞻优化调度辅助决策方法。定义电网下一调度时刻至未来一段时间内的调度时刻的区间为前瞻调度窗口，定义电网前瞻调度窗口内各调度时刻的机组输出功率组成的序列为该前瞻调度窗口的前瞻调度巡航路径。首先建立包含节点拓扑结构、机组物理参数、电网系统物理参数、调度目标以及滚动刷新的前瞻调度窗口内电网日内短期负荷预测数据在内的电网调度模型，然后以多场景并行学习的Asynchronous Advantage Actor‑Critic算法作为框架构建调度智能体，通过将前瞻调度窗口的状态矩阵输入到调度智能体中，从而得到下一时刻前瞻窗口的前瞻调度巡航路径。
-
公开(公告)号：CN117056759A
公开(公告)日：2023-11-14
申请号：CN202311066646.5
申请日：2023-08-22
申请人： 中国电力科学研究院有限公司 , 国网江苏省电力有限公司营销服务中心 , 河海大学 , 国家电网有限公司
IPC分类号： G06F18/231 , G06F18/23213 , G06F18/211 , G06F18/243 , G06Q50/06 , G06N5/01 , G06N3/0442 , G06N3/088
摘要： 一种用户负荷群典型用电模式提取方法、系统、设备及介质，方法包括获取所选地区气象及用电数据；在数据层面提取出负荷数据在时域和频域的降维特征；在机理层面，利用因子分析得到不同气象因子与负荷之间的相关性，并对冗余的气象信息进行合并，再从负荷大小特征、负荷特征时间点、负荷需求响应潜力和行业特征四个方面归纳负荷的统计特征，并计算出气象特征与统计特征的重要性得分，根据重要性得分对特征进行选择，获得关键机理性特征；针对负荷数据在时域和频域的降维特征进行二次聚类，获得初次分类结果；再基于关键机理性特征，采用层次聚类算法对初次分类结果进行层次聚类，获得用户负荷群典型用电模式。本发明可以更好地揭示用户的用电需求。
-
公开(公告)号：CN116780509A
公开(公告)日：2023-09-19
申请号：CN202310711243.5
申请日：2023-06-15
申请人： 河海大学 , 中国电力科学研究院有限公司
IPC分类号： H02J3/00 , H02J3/46 , G06N3/0475 , G06N3/045 , G06N3/047 , G06N3/094 , G06N3/048 , G06F17/18
摘要： 本发明公开了一种离散概率和条件生成对抗网络融合的电网随机场景生成方法，首先，构建各源荷节点等效注入功率时序波动性和预测随机误差的离散联合概率模型。其次，构建并训练条件生成对抗网络（CGAN）模型，对CGAN生成器和判别器进行训练直至收敛。最后，基于训练好的CGAN，将研究时窗内各源荷节点等效注入功率预测信息作为CGAN输入的条件值，基于各源荷节点离散联合概率分布生成随机噪声，通过CGAN生成研究时窗各源荷节点等效注入功率，并构建研究时窗对应的电网随机场景。本发明提出一种基于离散概率模型和条件生成对抗学习融合的电网未来一段时间随机场景生成方法，以增强场景生成的针对性和适应性,为制定适应多场景的鲁棒调度策略奠定基础。
-
公开(公告)号：CN103578047B
公开(公告)日：2017-04-05
申请号：CN201310561185.9
申请日：2013-11-12
申请人： 河海大学 , 南京河海科技有限公司 , 国家电网公司 , 江苏省电力公司 , 中国电力科学研究院
IPC分类号： G06Q50/06
摘要： 本发明公开了一种电力系统源‑网‑荷互动控制方法，通过电价、激励、调度机制对电力系统源、网、荷三侧的资源进行互动控制，形成各电力设备功率的互动量，表征出源、网、荷的互动关系，为充分发挥资源的互动潜力，保证电力系统的能量平衡，消纳不可控资源，尤其是清洁可再生能源，以及电力系统的安全稳定、优质经济运行提供依据。
-
公开(公告)号：CN112924352A
公开(公告)日：2021-06-08
申请号：CN202110047226.7
申请日：2021-01-14
申请人： 河海大学
摘要： 本发明公开了一种潜蚀可视化试验装置、试验方法及透明土制备方法，其利用熔融石英砂颗粒代替土颗粒，配置与石英砂颗粒折射率相等的油代替水，并在油中加入荧光染料，从而制成透明土试样；基于平面激光诱导荧光技术，利用固态绿激光器照射透明土试样，荧光染料使油在激光照射平面内发出明亮荧光，而熔融石英砂颗粒则以黑色斑点形式出现；在潜蚀发生发展过程中，利用高速摄像机实时拍摄激光图片，通过分析不同水力条件下，试样不同位置的激光图像，可以实现对透明土试样内部细颗粒运移、淤堵等力学行为的可视化，同时，能够获得透明土试样内部孔隙结构的演化过程。
-
公开(公告)号：CN118552309A
公开(公告)日：2024-08-27
申请号：CN202410505142.7
申请日：2024-04-25
申请人： 河海大学
IPC分类号： G06Q40/04 , G06Q30/0201 , G06Q30/0601 , G06Q50/06 , G06N3/0442 , G06N3/045 , G06N3/092 , G06F18/20
摘要： 本发明公开了一种基于MTMA‑SAC算法的售电公司交易行为模拟方法、装置及存储介质，属于电力市场交易技术领域。方法包括：获取实时现货市场与零售市场的基本参数及数据，以及预先构建的购售电联合策略优化模型；报价智能体与定价智能体作为决策者，分别基于实时现货市场与零售市场的基本参数及数据，将优化模型转化为马尔可夫决策过程；根据马尔可夫决策过程，构建基于完全合作的MTMA强化学习训练框架；采用MTMA‑SAC算法对训练框架进行求解，报价智能体与定价智能体分别模拟得到售电公司在分层电力市场中的策略报价以及实时定价。本发明通过充分考虑现货市场和零售市场之间的相互影响，以获得电力市场资源优化配置下的最优购售电联合策略。
-
公开(公告)号：CN117252367A
公开(公告)日：2023-12-19
申请号：CN202311208216.2
申请日：2023-09-19
申请人： 河海大学 , 国网江苏省电力有限公司营销服务中心
IPC分类号： G06Q10/0631 , G06Q50/06 , G06N3/0442 , G06N3/045 , G06N3/0475 , G06N3/094
摘要： 本发明提供一种基于领域对抗迁移学习模型的需求响应潜力评估方法与系统，通过对分时电价、历史负荷、历史气象及时间等数据预处理，以分时电价及负荷等历史数据作为输入特征，未来负荷作为输出；将参与需求响应的用户作为源域、未参与的用户作为目标域；根据输入特征的形式构建领域对抗神经网络；利用源域和目标域之间的对抗训练，实现源域和目标域的特征对齐；最后将训练好的领域对抗网络用于对用户未来时刻的响应量的预测，改变输入的分时电价数据，即可估计目标域用户在特定分时电价下的响应潜力。本发明的需求响应潜力评估方法可以有效地估计及预测未参与需求响应的用户在不同的分时电价下的响应潜力，为电网的调度运行的决策提供依据。
-
公开(公告)号：CN116777134A
公开(公告)日：2023-09-19
申请号：CN202310526803.X
申请日：2023-05-10
申请人： 河海大学 , 国网江苏省电力有限公司营销服务中心 , 中国电力科学研究院有限公司南京分院
IPC分类号： G06Q10/0631 , H02J3/00 , G06Q50/06
摘要： 本发明公开了一种基于机理‑数据双驱动的住宅区负荷响应潜力估计方法、设备及存储介质，首先，得出负荷的综合功率。然后，基于若干因素的考虑建立机理模型，估计了负载的响应潜力，该响应潜力初步根据Jensen不等式进行评估。最后，提出了一种新的估算算法，进一步利用二分K均值方法将整体负荷的估算分为几个独立的组，采用数据分析来获得参数分布的特征，从而进一步提高了估计的准确性。本发明在考虑机制和数据分析的基础上，提高住宅区负荷响应潜力的估计精度。
-
公开(公告)号：CN116029415A
公开(公告)日：2023-04-28
申请号：CN202211340354.1
申请日：2022-10-28
申请人： 河海大学
IPC分类号： G06Q10/04 , G06Q30/0202 , G06Q50/06 , G06N3/0455 , G06N3/0442 , G06N3/08 , G06N7/01 , G06N20/00 , H02J3/00
摘要： 本发明公开了一种基于多任务深度强化学习的购售电联合策略优化方法，该方法将售电商购售电联合策略优化问题导入分层电力市场建模成马尔可夫决策模型，并分别定义马尔可夫决策模型的状态、动作和奖励函数；基于马尔可夫决策模型构建基于多任务学习机制的购售电联合策略优化深度强化学习求解框架；并采用多任务深度强化学习神经网络结构对求解框架进行求解，得到最优的负荷申报和零售电价联合策略。本发明充分考虑了售电商在现货市场做购电量决策和在零售市场做零售电价决策两个任务之间的相关性，构建了基于多任务学习机制的购售电联合策略优化深度强化学习求解框架，考虑两个任务之间天然的耦合性对两个任务的并行求解得到最优联合的策略。
-
-
-
-
-
-
-
-
-
搜索结果
24 条记录 (耗时 0.103 秒)