一种交直流混合配电网安全域空间分析方法

    公开(公告)号:CN116526484A

    公开(公告)日:2023-08-01

    申请号:CN202310322686.5

    申请日:2023-03-29

    申请人: 河海大学

    摘要: 本申请涉及一种交直流混合配电网安全域空间分析方法。该方法包括:基于区间划分的自适应带宽核密度估计,确定各区间的核密度估计带宽构建光伏预测误差概率分布估计函数,根据预设的置信水平和光伏预测误差概率分布估计函数,确定光伏出力置信区间构建光伏出力机会约束不确定集合,构建交直流混合配电网线性化潮流模型,再根据所述光伏出力机会约束不确定集合和所述交直流混合配电网线性化潮流模型,构建交直流混合配电网鲁棒机会约束安全域模型,基于CCG算法和径向迭代搜索算法,求解所述交直流混合配电网鲁棒机会约束安全域模型,获取安全域边界点以生成鲁棒机会约束安全域。提高了交直流混合配电网安全运行空间评估的准确性。

    光伏发电预测导向的实时卫星近红外图像推算方法

    公开(公告)号:CN114037901B

    公开(公告)日:2023-06-20

    申请号:CN202111243878.4

    申请日:2021-10-25

    申请人: 河海大学

    摘要: 本发明公开了一种光伏发电预测导向的实时卫星近红外图像推算方法,包括:采集卫星近红外图像数据作为推算对象和光伏电站发电数据作为指导数据;构建针对卫星近红外图像推算的全卷积神经网络模型,将待预测时间前的多帧卫星近红外图像作为输入、预测图像作为输出,确定模型结构及其参数;使用偏微分卷积层替换模型的第二个卷积层,将矩估计误差纳入图像预测的均方误差;基于预测图像估计光伏发电量,计算光伏发电量的均方误差并纳入形成卫星近红外图像推算总误差;基于采集数据和总误差对模型训练;将训练好的模型应用于提前多步的卫星近红外图像推算和光伏发电估计。本发明可提升光伏发电量预测精度,能够提供未来光伏发电量估计的数据支持。

    一种可计及碳排放的多主体博弈协同调度方法及电子设备

    公开(公告)号:CN115271438A

    公开(公告)日:2022-11-01

    申请号:CN202210891785.0

    申请日:2022-07-27

    申请人: 河海大学

    摘要: 本发明公开了一种可计及碳排放的多主体博弈协同调度方法及电子设备,用以解决电力市场多主体在完全信息博弈下的最优调度问题。该模型应用动态博弈思想,对原配电网运营商主导的最优调度进行拓展,考虑下级产消者的市场自主行为,建立基于动态博弈的含产消者多主体协同调度策略。根据动态博弈的基本理论,通过多时间断面下产消者基于新能源发电量信息对配电网运营商进行响应,并根据Weber‑Fechner定律制定议价方案,进而求解配电网协同优化调度问题。本发明能够提供兼顾考虑电力市场参与者主动响应积极性和低碳减排目标的调度策略,从而为调度人员的合理决策提供支撑,具有一定的工程使用价值。

    一种基于推测变差模型的低碳综合能源市场仿真方法

    公开(公告)号:CN112883557B

    公开(公告)日:2022-10-14

    申请号:CN202110112007.2

    申请日:2021-01-27

    申请人: 河海大学

    摘要: 本发明公布了一种基于推测变差模型的低碳综合能源市场仿真方法,首先提出一种基于推测变差模型的电力市场与天然气市场博弈模型,该模型假定能源生产者之间的竞争为产出量的竞争,同时单个生产者的决策行为受其余生产者策略的影响,同时计及了负荷的弹性系数;接着提出一种基于电力生产者碳配额交易的碳交易市场机制;同时本发明计及了燃气轮机组同时参与电力市场、天然气市场及碳交易市场。在所提市场框架中,各市场参与者构成了非合作博弈的关系;最后提出一种直接法求解各市场参与者优化问题的最优性条件,进而辨识综合能源市场博弈的均衡点。

    基于EM-DBN融合的无量测区太阳辐射估计方法

    公开(公告)号:CN115017799A

    公开(公告)日:2022-09-06

    申请号:CN202210520496.X

    申请日:2022-05-13

    申请人: 河海大学

    摘要: 本发明公开了基于EM‑DBN融合的无量测区太阳辐射估计方法,属于电力系统技术领域,该方法流程如下:基于现有数据集,选取日太阳总辐射估计经验模型;利用周边站址和目标站址的气象数据和辐照度数据构建训练集和测试集,基于训练集数据拟合经验模型的函数表达式;通过特征扩维的方式,将经验模型和DBN模型相融合,利用周边站址数据构建EM‑DBN融合模型;结合迁移学习算法,将构建好的EM‑DBN融合模型迁移到无量测目标站址上获得太阳辐射估计值。该方法解决了无辐射量测区的辐射资源评估问题,减少了太阳能发电的不确定性对电力系统带来的危害,提高了太阳能的利用效率。

    一种基于深度学习的电力系统快速状态估计方法

    公开(公告)号:CN110443724B

    公开(公告)日:2022-08-16

    申请号:CN201910654528.3

    申请日:2019-07-19

    申请人: 河海大学

    IPC分类号: G06Q50/06 G06N3/08 G06N3/04

    摘要: 本发明提供了一种基于深度学习的电力系统快速状态估计方法,属于电力系统监测、分析和控制技术领域。其技术方案为:一种基于深度学习的电力系统快速状态估计方法,选取DNN网络作为深度学习模型,以相关性分析方法选择特征输入,通过噪声网络提高模型对坏数据的抗差能力。解决了传统的基于物理模型的状态估计方法会出现计算效率低、运行速度慢,过于复杂的网架结构甚至可能导致状态估计收敛性和稳定性差的技术问题。本发明的有益效果为:本发明在计算速度上较传统估计方法有明显提升,该方法的估计精度以及对量测坏数据的鲁棒性较传统估计方法也有较大提升。