-
公开(公告)号：CN115689747A
公开(公告)日：2023-02-03
申请号：CN202211312701.X
申请日：2022-10-25
Applicant: 清华大学
Abstract: 本发明属于电力系统的市场交易技术领域，具体而言，涉及一种电力系统市场交易过程中交易信息的加密方法及装置。本发明首先设计了针对电网操作员和电力市场用户的双向加密方法，通过随机选择的多项式对电网拓扑参数和用户交易参数进行双向加密，利用双向加密后的交易数据构建点对点优化出清模型，以总成本最小为目标，考虑用户的点对点交易偏好，确保优化出清结果满足用户出力上下限约束、线路潮流上下限约束等运行约束。该方法不但可用于园区内的电力交易优化出清过程中，还可应用于多能联合交易等场景。本方法可以在同时保护电力市场用户隐私和电网操作员隐私的前提下，构建双向加密的点对点优化出清模型。
-
公开(公告)号：CN115566686A
公开(公告)日：2023-01-03
申请号：CN202211108468.3
申请日：2022-09-13
Applicant: 国网福建省电力有限公司经济技术研究院 , 清华大学 , 国网福建省电力有限公司
IPC: H02J3/06
Abstract: 本发明提出一种基于量测驱动的线性化最优潮流生成方法及装置，属于电力系统运行和控制技术领域。其中，所述方法包括：构建一个线性化最优潮流回归模型，所述模型的约束条件包括：线性化潮流抗差模型约束和线性化节点电压幅值约束；根据历史量测断面，对所述线性化潮流抗差模型约束和所述线性化节点电压幅值约束的回归系数进行辨识；根据所述回归系数的辨识结果，求解所述线性化最优潮流回归模型以生成最优潮流。本发明不依赖于网络参数模型，且克服已有基于数据驱动的线性化潮流模型用于最优潮流计算时存在的节点功率失配量问题，有效提升了电力系统运行的安全性。
-
公开(公告)号：CN113346480B
公开(公告)日：2022-12-13
申请号：CN202110538629.1
申请日：2021-05-18
Applicant: 国网吉林省电力有限公司 , 清华大学 , 国家电网有限公司 , 国网吉林省电力有限公司电力科学研究院
Abstract: 本发明涉及一种基于机会约束的电力系统机组组合方法，属于电力系统运行控制技术领域。该方法首先建立由目标函数和约束条件构成的基于机会约束的电力系统机组组合模型，然后对该模型进行转化，将模型中的机会约束写成分位数的形式并引入松弛变量，建立松弛后的基于机会约束的电力系统机组组合模型，求解得到各松弛变量的值；利用各松弛变量的值，获得基于机会约束的电力系统机组组合模型有可行解的约束条件，然后依次建立可再生能源弃电量调度模型和发电机出力优化模型并分别求解，从而获得最终的机组组合结果。本发明考虑了电力系统中可再生能源的波动，保证了电力系统安全，适合应用于具有高可再生能源渗透率的电力系统机组组合场景之中。
-
公开(公告)号：CN113328435B
公开(公告)日：2022-12-09
申请号：CN202110577192.2
申请日：2021-05-26
Applicant: 国网河北省电力有限公司 , 国家电网有限公司 , 清华大学
Abstract: 本发明提出一种基于强化学习的主动配电网有功无功联合控制方法，属于电力系统运行和控制技术领域。该方法基于主动配电网近似仿真模型和有功无功联合控制优化模型，建立基于马尔科夫过程决策的交互训练环境，通过采集各时刻主动配电网各节点有功、无功功率以及电压组成的状态向量以及各智能逆变器有功、无功功率和各无功补偿装置的无功功率构成训练样本；通过强化学习训练主动配电网有功无功联合控制智能体；利用训练完毕的智能体通过各时刻主动配电网的状态计算得到各智能逆变器的有功、无功功率和无功补偿装置的无功功率的优化结果。本发明充分利用近似模型的内在信息，大幅提高了数据驱动的主动配电网有功无功联合控制方法的效率与安全性。
-
公开(公告)号：CN115081667A
公开(公告)日：2022-09-20
申请号：CN202110283062.8
申请日：2021-03-16
Abstract: 本发明提供了一种分布式能量管理系统、装置及分布式能量管理方法，该装置包括：最优化问题生成部，其生成最优化问题，该最优化问题用于基于包含配电系统拓扑的信息即配电系统信息、以及配电系统中的功率的需求/输出预测信息的信息来求解；成本梯度推定部，其从具备电力供给设备以及电力消耗设备的站点取得成本和输出值，针对各个站点，推定相对于功率输出的成本梯度；以及输出指令决定部，其基于由最优化问题生成部得到的最优化问题以及由成本梯度推定部推定出的成本梯度，计算对各个站点指令的输出指令。本发明能够容易地进行站点中的输出功率的控制。
-
Patent Agency Ranking
公开(公告)号：CN114884084A
公开(公告)日：2022-08-09
申请号：CN202210321640.7
申请日：2022-03-30
Applicant: 国网冀北电力有限公司 , 清华大学 , 国家电网有限公司
IPC: H02J3/24
Abstract: 本发明提出一种电力系统频率动态安全在线判断方法及装置，属于电力系统运行控制领域。其中，所述方法包括：建立基于惯性中心的电力系统频率响应模型；获取电力系统各发电机组、场站的运行工况；根据预设的功率扰动和电力系统频率响应模型，计算电力系统的频率动态指标；根据运行工况和频率动态指标对所述电力系统的频率安全性进行判断。本发明根据电力系统当前运行工况计算预想扰动下的频率动态指标，对最大频率变化率安全性、准稳态频率偏差安全性、最大频率偏差安全性、调频备用安全性进行判断评估，从而指导电力系统调度决策。
-
公开(公告)号：CN114818473A
公开(公告)日：2022-07-29
申请号：CN202210320587.9
申请日：2022-03-29
Applicant: 清华大学 , 国网浙江省电力有限公司
IPC: G06F30/27 , G06K9/62 , G06F119/02
Abstract: 本发明公开了一种电力系统特定运行方式样本生成方法和装置，该方法包括：采集电力系统的运行数据或对其运行状态进行蒙特卡洛仿真得到运行方式数据，将运行方式分为全运行方式样本集和特定运行方式样本集，分析并利用生成对抗网络算法在全运行方式样本集上训练，得到基础生成模型，通过模型迁移方法并进行模型预训练得到迁移后的生成模型与判别模型，基于特定类型运行方式样本训练得到目标生成模型；通过目标生成模型生成所需的特定类型运行方式关键特征，与其他特征样本集中抽样得到的其他特征相结合，得到满足特定需求的电力系统运行方式样本。本发明快速、准确、高效地生成调度人员所需的特定运行方式样本节约计算资源、提高运行方式计算效率。
-
公开(公告)号：CN111666713B
公开(公告)日：2022-07-08
申请号：CN202010413883.4
申请日：2020-05-15
Applicant: 清华大学
Abstract: 本发明提供了一种电网无功电压控制模型训练方法，所述方法包括：建立电网仿真模型；根据电网无功电压控制目标，建立无功电压优化模型；结合电网仿真模型和无功电压优化模型，搭建基于对抗马尔科夫决策过程的交互训练环境；通过联合对抗训练算法训练电网无功电压控制模型；将训练后的电网无功电压控制模型迁移到在线系统。本发明所训练得到的电网无功电压控制模型，相较于传统方法，具备可迁移的特性，可以直接用于在线电网无功电压控制。相较于现有的基于强化学习的电网优化方法，本发明的在线控制训练成本与安全隐患大幅降低，更适合部署在实际电网系统中。
-
公开(公告)号：CN111401647B
公开(公告)日：2022-04-08
申请号：CN202010205326.3
申请日：2020-03-23
Applicant: 清华大学
Abstract: 本发明涉及一种考虑不确定性传递的电气耦合系统分布式优化调度方法，属于综合能源系统的运行控制技术领域。本发明方法在电气耦合系统优化过程中充分考虑不确定性在电网和天然气网中的传递，建立电网和天然气网分布式优化模型，从而获得更加合理的电气耦合系统优化运行的参数。本发明方法中建立了考虑风电有功功率不确定性的电网约束条件和天然气网约束条件；建立了电网和天然气网分布式优化模型；提出了电网和天然气网优化信息交互的方法，通过不断交互优化信息，克服了电气耦合系统中由于高比例的可再生能源的注入而存在的诸多不确定性，最终实现电气耦合系统分布式优化，并实现电气耦合系统的安全、可靠和经济运行。
-
公开(公告)号：CN114156867A
公开(公告)日：2022-03-08
申请号：CN202111332341.5
申请日：2021-11-11
Applicant: 国网北京市电力公司 , 国网冀北电力有限公司 , 国家电网有限公司 , 清华大学
Abstract: 本公开涉及一种配电网区间网络重构模型优化方法及装置，属于电力系统配电网区间网络重构领域。其中方法包括：建立配电网的确定性网络重构模型；将所述确定性网络重构模型转换成区间优化模型；将所述区间优化模型转换成确定性优化模型；对所述确定性优化模型进行松弛，得到松弛后的确定性优化模型；对所述松弛后的确定性优化模型求解，得到配电网支路投切最优结果，完成配电网区间网络重构优化。本公开能够避免概率方法与模糊数理论方法的大量历史数据统计需求和主观的假定分布，且能够全面反映配电网运行的真实情况，具有较高的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
620
records
(took 0.083 seconds)
