-
公开(公告)号：CN117543532A
公开(公告)日：2024-02-09
申请号：CN202311293439.3
申请日：2023-09-28
Applicant: 三峡大学
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06F18/10 , G06F18/213 , G06N3/006 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 基于PSO‑VMD和CNN‑GRU的短期电力负荷预测方法，包括以下步骤：步骤1，利用变分模态分解将原始电力负荷序列分解为多个模态分量，并使用粒子群算法对其中超参数优化。步骤2，运用皮尔逊系数分析各模态分量和气象、电价等特征因素之间的相关性，获得最佳特征集。步骤3，将分解得到的各个模态分量结合特征集输入到卷积神经网络和门控循环单元组合神经网络中进行训练预测，并使用粒子群算法对组合神经网络超参数进行优化。步骤4，将预测结果进行重构得到最终预测结果。本发明可以提高电力系统短期负荷预测精度，且具有良好的泛化能力。
-
公开(公告)号：CN116961127A
公开(公告)日：2023-10-27
申请号：CN202310743062.0
申请日：2023-06-21
Applicant: 三峡大学
Abstract: 本发明提供了一种考虑需求响应及火电深度调峰的含抽蓄电力系统优化调度方法，包括以下几个步骤：S1构建需求响应模型；S2构建火电机组深度调峰成本模型；S3建立计及需求响应的火蓄联合调峰两阶段优化模型；S4构建约束条件；S5模型的求解，其中第1阶段优化模型以考虑需求响应模型构建的负荷与风电差值的平方和最小为目标优化负荷曲线；第2阶段优化模型计及火电深度调峰电量损失成本、抽蓄调峰成本、弃风成本和系统网损成本，以系统的总运行成本最小为目标优化各机组出力。利用本发明的算例结果表明，利用所提模型求解电力系统最优出力分配方案，可以降低火电深度调峰程度，促进风电消纳以及降低系统总运行成本。
-
公开(公告)号：CN117335499A
公开(公告)日：2024-01-02
申请号：CN202311092515.4
申请日：2023-08-28
Applicant: 三峡大学
Abstract: 本发明公开了一种基于深度强化学习算法的多能互补系统短期优化调度方法，包括以下步骤：S1：建立系统调度模型；S2：考虑到风光出力的不确定性，采用拉丁超立方抽样生成多种场景，并引入场景削减技术进行场景削减，从而描述可再生能源的不确定性概率分布特性；S3：将DQN与互补系统的数学模型相结合，配置最优参数，建立一个基于DQN的梯级水电‑风电‑光伏发电多能互补系统的短期优化调度模型；S4：采用现有的实际数据进行模拟仿真，将风电和光伏实际出力作为输入，实施短期决策，模拟实际运行过程，并与传统的调度方法进行对比，评价DQN模型的决策效果；本发明可利用水电的灵活性面应对风光伏的波动和不确定性。
-
公开(公告)号：CN117315434A
公开(公告)日：2023-12-29
申请号：CN202311098100.8
申请日：2023-08-29
Applicant: 三峡大学
IPC: G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08 , G06F18/21 , G06Q50/06 , G06F123/02
Abstract: 一种基于时序成像和深度学习的非侵入式负荷辨识方法，包括以下步骤：提取电器稳态运行情况下的电压、电流和功率等时间序列数据；通过格拉姆角场算法GAF，分别从电压、电流、功率的一维时间序列中计算得到N×N的格拉姆矩阵并其转换为带有时间特性二维图像，构建VGG16神经网络模型，以电器类别作为标签训练网络，负荷的分类结果作为输出即完成了非侵入式负荷识别。通过格拉姆矩阵颜色编码将电能时序数据转换为包含电压、电流、功率信息的彩色图像，相较于同样利用图像颜色编码的V‑I轨迹识别方法，不仅采用的输入负荷特征维数少且识别的准确率也更高，现如今的电表便能满足采集的要求，因此更加具有泛化性和实用性。
-
Patent Agency Ranking
公开(公告)号：CN117526364A
公开(公告)日：2024-02-06
申请号：CN202311275186.7
申请日：2023-09-28
Applicant: 三峡大学
Abstract: 一种可变速双馈抽水蓄能机组无锁相环控制方法，包括：1、通过测量电压幅值与额定值的偏差计算得到机组的总无功功率指令，并将其分配给转子侧变流器和网侧变流器；2、转子侧变流器根据定子无功功率参考值与反馈的偏差计算得到定子电压幅值参考值；3、根据定子有功功率参考值与反馈计算得到到转子侧变流器的坐标变换角度；4、网侧变流器根据网侧无功功率参考值与反馈的偏差计算得到网侧电压幅值参考值；5、根据直流电压参考值与反馈计算得到网侧变流器的坐标变换角度。本发明能实现可变速双馈抽水蓄能机组的自主构网运行，转子侧变流器和网侧变流器同时参与主动支撑电网的电压和频率，运行时不依赖锁相环进行同步，可提高在弱电网下的稳定性。
-
公开(公告)号：CN117526351A
公开(公告)日：2024-02-06
申请号：CN202311282408.8
申请日：2023-09-28
Applicant: 三峡大学
Abstract: 一种可变速双馈抽水蓄能机组次同步振荡抑制方法，包括：1、按照次同步电流在可变速双馈抽水蓄能机组中的发散过程建立次同步振荡影响下的可变速双馈抽水蓄能机组转子侧变流器控制系统数学模型，作为改进型自适应的转子侧变流器控制系统模型；2、基于改进型自适应的转子侧变流器控制系统模型，在电网振荡频率变化时维持转子侧变流器控制系统的控制效果，实现自适应可变速双馈抽水蓄能机组次同步振荡抑制。本发明能实现可变速双馈抽水蓄能机组免受电网次同步振荡影响，保障可变速双馈抽水蓄能机组发电平稳，保障电网运行安全。
-
公开(公告)号：CN117592593A
公开(公告)日：2024-02-23
申请号：CN202311366894.1
申请日：2023-10-20
Applicant: 三峡大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/006 , G06N3/0442 , G06N3/045 , G06N3/0985 , H02J3/00
Abstract: 基于改进二次模态分解和WOA优化BILSTM‑attention的短期电力负荷预测方法，包括：Step1、对历史电力负荷数据进行预处理；Step2、对预处理之后的数据采用完全集合经验模态分解，得到多个子序列分量；Step3、采用变分模态分解进一步分解，建立评价标准，采用鲸鱼优化算法对分解个数和惩罚因子进行参数寻优；Step4、选取最大相关性影响因素，获得最佳特征集；Step5、构建双向长短期神经网络进行训练预测，定义损失函数为目标函数，并采用鲸鱼优化算法对其中超参数进行优化；Step6、预测得到得到最终预测结果；Step7、验证预测模型的有效性。二次模态分解可以自适应地分解为合适数量的简单模态分量；BiLSTM神经网络的双向处理能力以及注意力机制和鲸鱼优化算法也进一步地提高了预测精度。
-
公开(公告)号：CN117351259A
公开(公告)日：2024-01-05
申请号：CN202311098090.8
申请日：2023-08-29
Applicant: 三峡大学
IPC: G06V10/764 , G01R31/00 , G06F18/2431 , G06V10/44 , G06V10/56 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于二值化V‑I轨迹颜色编码的非侵入式负荷识别方法，包括以下步骤：从采集到的高频电压、电流数据中提取设备的稳态区间；利用Fryze功率理论将电流分解为有功和无功电流；将得到的电压和无功电流数据进行归一化处理并绘制V‑I轨迹曲线；得到V‑I轨迹后对其进行二值轨迹映射并进行HSV颜色编码；再构建ResNet50神经网络，并把图像作为输入，将神经网络的全连接层数调整至与设备类别数保一致来进行特征提取和负荷识别。通过HSV颜色编码将V‑I轨迹转换为视觉表示，将不同领域之间的知识联系起来，这样不仅增强了负荷特征的唯一性，还能把在图像识别领域的出色表现的ResNet50神经网络用到非侵入式负荷识别领域中来，最后利用PLAID公共数据集进行了验证。
-
公开(公告)号：CN116937701A
公开(公告)日：2023-10-24
申请号：CN202310743080.9
申请日：2023-06-21
Applicant: 三峡大学
Abstract: 本发明提供了一种计及火电深度调峰的含抽水蓄能电力系统优化调度方法，包括构建火电机组深度调峰成本模型、构建火电机组和抽蓄电站联合调峰的优化调度模型、构建约束条件以及通过MATLAB采用改进线性递减策略—粒子群优化算法（LDW‑PSO）对火蓄联合调峰的优化调度模型在约束条件下进行求解，得出各机组最优出力分配方案等步骤，优化调度的模型计及火电深度调峰电量损失成本、抽蓄调峰成本、弃风成本和系统网损成本，以系统总运行成本最小为目标优化各机组出力。本发明采用改进线性递减策略—粒子群优化算法（LDW‑PSO）对模型进行求解。算例结果表明，抽水蓄能可有效降低电力系统运行成本，减少火电深度调峰以及促进风电消纳。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
