一种输出滤波器多目标优化参数设计方法

    公开(公告)号:CN106300357A

    公开(公告)日:2017-01-04

    申请号:CN201610856054.7

    申请日:2016-09-27

    IPC分类号: H02J3/01

    摘要: 本发明涉及一种输出滤波器多目标优化参数设计方法,其技术特点在于包括如下具体步骤:步骤1、选择能够有效抑制谐振的输出滤波器拓扑结构;步骤2、根据工程上的经验估算法,初步设计输出滤波器参数;步骤3、确定输出滤波器的多目标优化模型;步骤4、求解所述步骤3的多目标优化模型,对经验估算法得到的初步输出滤波器参数结果进行优化处理;步骤5、通过对比优化设计前后的输出滤波器性能,验证参数优化设计的有效性。本发明通过采用参数经验估算法与多目标优化设计方法相结合,改善了传统的参数估算法得到的参数设计结果,使输出滤波器的性能达到了各方面的均衡优化,提高了D-STATCOM的输出性能。

    一种冷热电联供系统优化运行的线性化方法

    公开(公告)号:CN105676646A

    公开(公告)日:2016-06-15

    申请号:CN201610139612.8

    申请日:2016-03-11

    IPC分类号: G05B13/04

    CPC分类号: G05B13/042

    摘要: 本发明涉及一种冷热电联供系统优化运行的线性化方法,其技术特点在于包括以下步骤:步骤1、在冷热电联供系统中分别选取电源设备和辅助联供设备设置冷热电联供系统场景,并对场景中每个设备进行数学建模;步骤2、分析冷热电联供系统优化运行的优化目标,建立冷热电联供系统优化运行的多目标优化函数,并对其进行优化处理,将多个优化目标加权转化为单一优化目标;步骤3、确定冷热电联供系统优化运行的约束条件,并将约束条件进行线性优化后对冷热电联供系统进行运行优化。本发明从线性化的角度直接对冷热电联供系统的运行进行规划,便于快速、正确地获得冷热电联供系统优化运行的最优解。

    一种智能配用电动态评价方法

    公开(公告)号:CN105389624A

    公开(公告)日:2016-03-09

    申请号:CN201510702045.8

    申请日:2015-10-26

    IPC分类号: G06Q10/04 G06Q50/06

    CPC分类号: G06Q10/04 G06Q50/06

    摘要: 本发明涉及一种智能配用电动态评价方法,其技术特点是包括以下步骤:步骤1、建立配用电指标模型;步骤2、对步骤1所建立的指标进行数据预处理,统一各指标的数据形式;步骤3、采用熵权法对指标进行评价;步骤4、采用SVM法对指标进行动态预测分析。本发明通过对智能电网配用电侧在节能减排方面取得的效益而提出一种符合低碳能源政策的动态评价方法来适应智能配用电系统的发展过程,一方面可以反映智能电网配用电侧的相关指标的发展水平,另一个方面可以研究在今后一定时间范围内各个指标的发展规律,有利于制定相关政策来推动智能配用电系统向低碳化方向发展。

    一种融合需求侧响应的分布式能源系统能量优化调控方法

    公开(公告)号:CN105207205A

    公开(公告)日:2015-12-30

    申请号:CN201510590816.9

    申请日:2015-09-16

    IPC分类号: H02J3/00 H02J3/38 H02J3/32

    摘要: 本发明公开了一种融合需求侧响应的分布式能源系统能量优化调控方法,包括建立分布式能源系统优化调控模型,通过引入用户制冷设备的响应能力来参与分布式能源系统优化运行;通过考虑系统内建筑的热平衡方程,来定量描述获得用户室内温度与制冷设备出力之间的数学关系。本发明在满足用户用能舒适性的基础上,减少对电池储能系统的依赖性,有效提高分布式能源系统运行的经济性;建立了分布式能源系统优化调控模型,通过引入用户侧制冷设备的响应能力来参与分布式能源系统优化运行,同时通过考虑系统内建筑的热平衡方程,来定量描述获得用户室内温度与制冷设备出力之间的数学关系,保证用户的舒适性。结果表明引入用户需求响应可有效节约用能成本。

    一种智能电网园区终端用户能源需求状况动态预测系统及方法

    公开(公告)号:CN105069519A

    公开(公告)日:2015-11-18

    申请号:CN201510418161.7

    申请日:2015-07-16

    IPC分类号: G06Q10/04 G06Q50/06

    摘要: 本发明公开了一种智能电网园区终端用户能源需求状况动态预测系统及方法,首先对影响智能电网园区终端用户冷热电负荷需求的气象因素进行主成分分析;其次将相关变量转换成少数线性无关的随机变量;将天气因素和日类型进行量化,与历史负荷数据采用模糊聚类方法进行分析形成样本;然后将智能电网园区中多种类型的负荷、多种类型的分布式供能系统的负荷特性均体现在负荷曲线中;最后按照BP神经网络算法流程对模型进行求解,得到冷热电负荷预测结果;所述系统包括主成分分析模块、分析样本形成模块、负荷特性曲线模块、负荷预测模块。本发明降低了网络规模,提高了预测精度,充分发挥BP神经网络在大规模并行处理和自适应学习能力方面优势。