-
公开(公告)号：CN119047296A
公开(公告)日：2024-11-29
申请号：CN202410990023.5
申请日：2024-07-23
Applicant: 华北电力大学
IPC: G06F30/27 , G06F18/20 , G06F119/02
Abstract: 本发明公开了基于不确定随机理论的轨道交通绿色能源系统风险评估方法，采用不确定随机理论对系统中的不确定性进行划分，将拥有运行数据的设备的不确定性视为随机系统，将没有运行数据的设备的不确定性视为不确定系统；对于随机系统，综合考虑退化失效与冲击失效，建立竞争失效模型，对于不确定系统，在证据理论的框架下建立多源不精确信息冲突及融合模型；通过定义风险价值函数，提出了轨道交通绿色能源系统风险价值计算方法。该方法基于不确定随机理论对轨道交通绿色能源系统的运行风险水平进行了评估，为后续研究提供基础性、前沿性的理论支撑，保障了轨道交通的可靠性与经济性水平，有利于轨道交通自洽能源系统相关工程的推广。
-
公开(公告)号：CN118868061A
公开(公告)日：2024-10-29
申请号：CN202410913235.3
申请日：2024-07-09
Applicant: 华北电力大学 , 国网能源研究院有限公司 , 国家电网有限公司 , 国网山西省电力公司经济技术研究院
IPC: H02J3/00 , H02J13/00 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于卷积神经网络的区域惯量在线监测方法及系统，属于电力系统运行和规划技术领域，解决了现有惯量监测对含变流器提供虚拟惯量支撑的新型电力系统惯量监测方法不准确的问题。包括构建待监测区域的输入数据特征集和输出数据集；输入数据特征集中元素为区域惯量中心频率、区域频率变化率和区域间联络线功率构成的时间序列，输出数据中元素为区域惯量水平；将输入数据特征集中元素进行归一化后与输出数据集构成样本数据；构建卷积神经网络模型，并基于样本数据进行训练，得到最优卷积神经网络模型；获取电力系统上待监测区域的输入数据特征，进行归一化后输入最优卷积神经网络模型，得到区域惯量水平，实现区域惯量在线监测。
-
公开(公告)号：CN118395248A
公开(公告)日：2024-07-26
申请号：CN202410310463.1
申请日：2024-03-19
Applicant: 华北电力大学 , 青海大学 , 青海理工大学 , 国网河北省电力有限公司 , 国网青海省电力公司 , 国网冀北电力有限公司
IPC: G06F18/241 , G06F18/2113 , G06F18/214 , G06F18/243
Abstract: 本发明公开了属于电力系统风电功率预测技术领域的基于双通道机制的风电功率预测方法。包括以下步骤：步骤A.使用随机森林算法对特征重要性进行排序，找出最为关键的特征；步骤B.将传统神经网络的单通道架构升级为双分支结构，搭建基于关键特征的双通道机制模型；步骤C.基于步骤B搭建的双通道机制模型以及风速数据，对风电功率进行预测。本发明可针对不同通道学习到不同特征的表示，有助于获得更准确的风电预测功率值，能够提供可靠的预测结果。
-
公开(公告)号：CN117592379A
公开(公告)日：2024-02-23
申请号：CN202311688866.1
申请日：2023-12-11
Applicant: 华北电力大学 , 国网经济技术研究院有限公司 , 国网冀北电力有限公司经济技术研究院 , 国网冀北电力有限公司
IPC: G06F30/27 , G06N3/04 , G06N3/048 , G06N3/084 , G06F111/04
Abstract: 本发明公开一种基于深度神经网络的动态频率求解方法、系统及电子设备，涉及电力系统技术领域，该方法包括：根据目标电力系统的统一频率响应模型确定动态频率的解析表达式；所述解析表达式用于计算频率响应过程中的频率最低点；根据所述解析表达式生成动态频率安全域数据集；采用动态频率安全域数据集训练深度神经网络，得到频率最低点预测模型；通过所述最低点预测模型将频率最低点约束转化为混合整数线性约束；采用所述混合整数线性约束计算频率响应过程中频率最低点。本发明提高了动态频率计算效率。
-
公开(公告)号：CN114861950A
公开(公告)日：2022-08-05
申请号：CN202210558640.9
申请日：2022-05-20
Applicant: 华北电力大学 , 国网经济技术研究院有限公司 , 国网辽宁省电力有限公司电力科学研究院
IPC: G06Q10/00 , G06F30/20 , G06Q30/02 , G06Q50/06 , G06F111/04
Abstract: 本发明涉及一种燃煤发电厂退役规划方法及系统，所述方法包括如下步骤：建立燃煤发电厂退役过程的第一数学模型和卡诺电池改造过程的第二数学模型；根据第一数学模型和第二数学模型，建立用于发电厂退役和卡诺电池改造协同规划的目标函数和约束条件；基于约束条件，采用嵌套列约束生成算法求解所述目标函数，获得最优规划方案。本发明通过对CFPP退役和改造进行联合规划，并采用嵌套列约束生成算法求解CFPP退役和改造联合规划的目标函数，实现了燃煤发电厂退役方案的规划。而且本发明通过对CFPP退役和改造进行联合规划，将CFPP改造为卡诺电池不仅可以降低其搁浅成本，还可以将其保留在系统中提供一定的调节能力。
-
Patent Agency Ranking
公开(公告)号：CN108923414B
公开(公告)日：2021-03-09
申请号：CN201810616975.5
申请日：2018-06-15
Applicant: 华北电力大学 , 国家电网公司 , 国网新疆电力有限公司经济技术研究院 , 国网四川省电力公司经济技术研究院 , 国网经济技术研究院有限公司
IPC: H02J3/00
Abstract: 本发明属于电力系统动态等值技术领域，尤其涉及一种基于面板数据加权聚类的同调机组分群方法，包括：在故障条件下仿真得到发电机数据，形成面板数据；计算面板数据截面指标权重、时间序列上各时间点权重；计算各台机组间的特征指标绝对值距离矩阵、临近时点增长率距离矩阵以及波动变异程度距离矩阵，计算各距离矩阵权重形成综合加权距离矩阵，利用Ward.D聚类法实现同调机组的分群。在聚类中考虑特征指标权重和时间权重，将由单一特征的同调机组识别转变为多特征的综合决策，既考虑了功角曲线、电压、转子动能的相似程度又考虑了各特征量在相邻时间段的变化以及整体的波动，具有良好的聚类效果和很高的计算效率，适合于大规模系统同调分群。
-
公开(公告)号：CN107994567B
公开(公告)日：2020-09-01
申请号：CN201711174558.1
申请日：2017-11-22
Applicant: 华北电力大学
IPC: H02J3/00
Abstract: 本发明提出一种广义快速分解状态估计方法，该方法包括以下步骤：对量测量进行变换，得到类有功量测量和类无功量测量，进而得到类有功型量测量和类无功型量测量表示的量测方程以及迭代方程的雅克比矩阵；在此基础上提出广义快速分解状态估计模型，利用牛顿法，对所述广义快速分解状态估计模型求解，得到状态变量估计值。算例分析表明，广义快速分解状态估计方法对输电网和配电网均具有良好的适应性，同时广义快速分解状态估计方法可使用支路电流幅值量测。仿真算例验证了所提方法具有良好的收敛性和很高的计算效率，适合于大规模网络的在线应用。
-
公开(公告)号：CN110688725A
公开(公告)日：2020-01-14
申请号：CN201910744012.8
申请日：2019-08-13
Applicant: 国网山西省电力公司电力科学研究院 , 华北电力大学 , 清华大学
Inventor： 张一帆 , 郑惠萍 , 卫鹏杰 , 刘新元 , 郝鑫杰 , 王金浩 , 王玮茹 , 郝捷 , 曲莹 , 杨尉薇 , 张颖 , 程雪婷 , 马东娟 , 张谦 , 皮军 , 高宏 , 郭文博 , 张智 , 陈艳波 , 刘锋
Abstract: 本发明公开了一种计及运行风险和需求响应的鲁棒机组组合方法，所述鲁棒机组组合方法包括以下步骤：步骤1：根据风电历史数据，建立基于统计方法的运行风险模型；步骤2：基于步骤1的运行风险模型，将基于分时电价的需求响应纳入建立的计及运行风险的鲁棒机组组合模型，并采用奔德斯(Benders)分解法和列约束生成方法(C&CG)对鲁棒机组组合模型进行求解。
-
公开(公告)号：CN110311427A
公开(公告)日：2019-10-08
申请号：CN201910524106.4
申请日：2019-06-18
Applicant: 华北电力大学 , 国网山西省电力公司电力科学研究院 , 清华大学
Abstract: 本本发明提出了一种计及故障概率的两阶段N-K鲁棒故障约束机组组合方法，基于故障不确定集合和概率性准则，建立以预测场景下的开停机成本和运行成本最低为目标的两阶段的鲁棒故障约束机组组合模型，并采用Benders分解法与列和约束生成(C&CG)法相结合的二阶段法进行求解。提出的模型使基本场景下的调度成本最小，同时保证确定的鲁棒机组组合可以自适应和安全地在不确定性的发电机和输电线路故障下进行调整。本申请所提的模型能有效保证基本场景下机组组合在N-K故障下的鲁棒性，考虑发电机和输电线路故障概率可以有效地将发生概率较小的极端故障场景排除，降低了不确定集合的保守性，提高了鲁棒优化的经济性。
-
公开(公告)号：CN108923414A
公开(公告)日：2018-11-30
申请号：CN201810616975.5
申请日：2018-06-15
Applicant: 华北电力大学 , 国家电网公司 , 国网新疆电力公司经济技术研究院 , 国网四川省电力公司经济技术研究院 , 国网经济技术研究院有限公司
IPC: H02J3/00
Abstract: 本发明属于电力系统动态等值技术领域，尤其涉及一种基于面板数据加权聚类的同调机组分群方法，包括：在故障条件下仿真得到发电机数据，形成面板数据；计算面板数据截面指标权重、时间序列上各时间点权重；计算各台机组间的特征指标绝对值距离矩阵、临近时点增长率距离矩阵以及波动变异程度距离矩阵，计算各距离矩阵权重形成综合加权距离矩阵，利用Ward.D聚类法实现同调机组的分群。在聚类中考虑特征指标权重和时间权重，将由单一特征的同调机组识别转变为多特征的综合决策，既考虑了功角曲线、电压、转子动能的相似程度又考虑了各特征量在相邻时间段的变化以及整体的波动，具有良好的聚类效果和很高的计算效率，适合于大规模系统同调分群。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.089 seconds)
