一种基于变异人工鱼群的风电储能系统充放电过程优化方法

    公开(公告)号:CN113779883A

    公开(公告)日:2021-12-10

    申请号:CN202111075348.3

    申请日:2021-09-14

    IPC分类号: G06F30/27 G06N3/00 G06F113/06

    摘要: 本发明公布了一种基于变异人工鱼群的风电储能系统充放电过程优化方法,包括以下步骤:依据风电储能系统实时监控设备获取各蓄电池组实时运行状态信息;依据获取的状态信息,引入复数,赋予人工鱼信息,建立人工鱼群,建立公告板;人工鱼群产生变异开始迭代;人工鱼群基于自身感知和环境反馈选择相应行为;记录每条人工鱼位置,更新公告板;系统根据检测点充满能量数之和是否达到设定的最高食物浓度或最低食物浓度,从而进行放电或者充能;系统检测点充满能量点数之和回到最高食物浓度设定以下时,重新恢复系统正常运行;输出系统运行结果。本发明引入变异鱼的概念,将变异人工鱼群算法与风机储能系统补偿相结合对风电进行优化。

    一种基于卡尔曼滤波器与卷积神经网络的电力负荷预测方法

    公开(公告)号:CN111967688A

    公开(公告)日:2020-11-20

    申请号:CN202010909741.7

    申请日:2020-09-02

    IPC分类号: G06Q10/04 G06Q50/06 G06N3/04

    摘要: 本发明公布了一种基于卡尔曼滤波器与卷积神经网络的电力负荷预测方法包括以下步骤:获取某地区的电力系统历史负荷数据,对历史负荷数据的异常数据进行处理;对影响电力负荷的因素进行分析与量化,将修正后的数据进行归一化;确定神经网络的输入输出数据,确定最优的隐含层的神经元个数,建立卷积神经网络;用训练好的卷积神经网络进行预测,并将预测的数据反归一化从而得到负荷预测值;根据时间序列模型和卷积神经网络预测值确定卡尔曼方程,时间序列模型的预测值作为卡尔曼滤波的真实值,卷积神经网络的预测值作为卡尔曼滤波的测量值,对电网负荷进行预测。本发明预测精度较高,可广泛应用于电力系统的负荷预测中。

    一种区域多能源系统多目标调度优化方法及系统

    公开(公告)号:CN117495050A

    公开(公告)日:2024-02-02

    申请号:CN202311698376.X

    申请日:2023-12-12

    摘要: 本发明提供了一种区域多能源系统多目标调度优化方法及系统,属于多能源系统优化调度领域,方法包括:以区域多能源系统的运行成本、环境成本及能耗成本之和最小为目标,以供给侧功率平衡约束、储能侧运行成本约束、环境成本约束及机组爬坡运行约束为约束条件,建立多目标优化模型;运行成本包括供给侧运行成本及储能侧运行成本;环境成本包括碳排放成本、固体污染物排放成本及液体污染物排放成本;基于粒子群算法及蚁狮算法对多目标优化模型求解,得到区域多能源系统的调度优化策略。本发明在保证运行成本达到要求的同时最大程度地降低碳排放和污染物排放,实现区域多能源系统低碳环保运行,同时提高了多目标优化模型的求解精度及效率。

    一种区域综合能源系统双层优化调度方法、系统及设备

    公开(公告)号:CN116914850A

    公开(公告)日:2023-10-20

    申请号:CN202310825626.5

    申请日:2023-07-07

    摘要: 本发明公开了一种区域综合能源系统双层优化调控方法、系统及设备,涉及能源优化调度领域,该方法包括:以火电机组的运行成本、高温储能装置的运行成本、蓄电池的运行成本、电锅炉的运行成本以及新能源远地输送成本建立上层优化模型,并建立上层约束条件;采用改进遗传算法对上层优化模型进行求解,得到全局最优解;全局最优解为最优火电机组启停计划;基于最优火电机组启停计划,以火电机组有功输出为优化变量,以区域综合能源系统的碳交易成本最小为目标建立下层优化模型,并建立下层约束条件;采用自适应粒子群算法对下层优化模型进行求解,得到最优解,最优解为最优调度方案。本发明能够在满足系统净负荷波动的情况下保障系统稳定运行。