-
公开(公告)号：CN119408440A
公开(公告)日：2025-02-11
申请号：CN202411539709.9
申请日：2024-10-31
IPC: B60L53/60 , H02J3/06 , H02J3/00 , B60L53/64 , B60L53/62 , B60L53/63 , G06Q10/04 , G06Q30/0283 , G06Q50/06 , G06N5/01
Abstract: 本发明提供了一种基于演化博弈的社区电动汽车充电站目标优化方法及系统，包括：建立代理商与用户之间的信息传递机制，基于所述信息传递机制，获得代理商运营模式，并制定次日各时段电价；根据所述次日各时段电价以及用户充电需求反馈，建立代理商与用户需求之间的演化博弈模型；对所述演化博弈模型进行目标优化，获得最优社区电动汽车充电电价；根据所述最优社区电动汽车充电电价，动态调整充电桩数量与分布、充电速度和/或电网负荷。本发明通过建立代理商和用户之间的演化博弈，以此获得全局最优的定价与购电策略，进而优化充电桩数量与分布、提升充电速度、平衡与稳定电网负荷，提高了充电站利益和用户满意度。
-
公开(公告)号：CN118886611A
公开(公告)日：2024-11-01
申请号：CN202411084833.0
申请日：2024-08-08
Abstract: 本发明提供了一种基于集合论的大规模海上风电、火电及储能系统的综合聚合方法和系统，包括：步骤1：为风电场、火电厂和储能设备分别构建基本集合，并为集合中的每个元素定义基本属性；步骤2：从基本集合中随机取出子集合，聚合成不同的聚合体；步骤3：定义隶属度函数，以量化每个聚合体对特定模糊集合的隶属程度，并基于多个评价指标评估和筛选聚合体，确定最优的系统配置。本发明提高了风电的消纳率和系统的稳定性，储能系统在风电出力过剩时存储多余电能，在风电出力不足时释放电能，实现了电力供需的平衡。
-
公开(公告)号：CN113922410B
公开(公告)日：2024-08-09
申请号：CN202111245465.X
申请日：2021-10-26
Abstract: 本发明提供了一种混合直流送出系统及其低电压故障穿越方法，受端交流电网电压发生低电压故障，直流母线电压升高导致送端交流电网电压升高，故障状态镜像到送端风电机组一侧。故障期间，受端MMC换流器对受端交流电网提供无功支撑；送端风电机组网侧变换器降低有功功率输出，直至有功功率输出与受端MMC换流器有功功率输出相同；送端风电机组机侧变换器输出多余有功功率在内部直流侧电容上累计，当直流侧电容电压升高时，触发送端风电机组内部的卸荷装置释放功率；当受端交流电网电压恢复正常后，恢复送端风电机组有功功率输出，完成受端交流电网低电压故障穿越。本发明维持高压直流母线电压稳定，保障换流器安全，无需额外高压直流卸荷装置。
-
公开(公告)号：CN117592803A
公开(公告)日：2024-02-23
申请号：CN202311501221.2
申请日：2023-11-10
Applicant: 国网上海市电力公司 , 华东电力试验研究院有限公司 , 上海交通大学
IPC: G06Q10/0637 , G06Q10/067 , G06Q10/04 , G06Q50/06 , G06Q50/26 , G06Q30/018
Abstract: 本发明设计一种城市车网互动减碳潜力评估方法，包括：步骤S1、根据城市电动汽车与电网互动特性，建立城市电网中电动汽车进行无序充电、参与有序充电以及参与车网互动的行为特性模型；步骤S2、考虑火电机组的稳态二次煤耗特性、深度调峰特性以及暂态变负荷附加煤耗特性，建立火电机组高精度煤耗特性模型；步骤S3、基于机组组合模型，考虑新能源不确定性，以优化时间窗口内系统经济性期望最优为目标函数，建立城市车网互动减碳潜力评估模型框架；步骤S4、结合电动汽车模型与火电机组高精度煤耗特性，在框架基础上建立城市车网互动减碳潜力评估模型，评估城市电网车网互动减碳潜力。与现有技术相比，本发明准确度更高。
-
公开(公告)号：CN117313304A
公开(公告)日：2023-12-29
申请号：CN202310546389.9
申请日：2023-05-16
Applicant: 上海交通大学
IPC: G06F30/20 , H02J3/06 , G06F18/2321 , G06Q50/06 , G06F113/04 , G06F111/08
Abstract: 本发明公开了配电网潮流全局灵敏度分析的高斯混合模型方法，涉及配电网领域，所述方法包括如下步骤：步骤1，建立配电网潮流输入变量与输出变量的联合概率密度函数的高斯混合模型；步骤2，获得配电网潮流输出变量的概率密度函数的解析式，并计算其方差；步骤3，获得配电网潮流输出变量关于输入变量的条件概率密度函数和条件方差的解析式，并计算条件方差的期望值；步骤4，根据步骤2和步骤3获得的结果计算配电网潮流全局灵敏度指标，完成配电网潮流全局灵敏度分析。本发明只需要较少次数的潮流计算，耗时很短，避免了耗时的代理模型构建和蒙特卡洛模拟计算过程，显著提升了配电网潮流全局灵敏度分析的计算效率。
-
Patent Agency Ranking
公开(公告)号：CN113343437B
公开(公告)日：2023-11-24
申请号：CN202110553274.3
申请日：2021-05-20
Applicant: 国网上海市电力公司 , 华东电力试验研究院有限公司 , 上海交通大学
IPC: G06F30/20 , G06Q50/06 , G06F111/06 , G06F111/10
Abstract: 本发明提供了一种电动汽车快速充电引导方法及系统，包括：构建电动汽车目标充电位选择冲突处理模型；基于所述充电冲突处理模型，构建电动汽车和充电位之间的双边匹配模型，得到所述电动汽车和充电位之间的匹配解；对得到的匹配解进行最优解选择，得到电动汽车和充电位之间的快速匹配，完成电动汽车快速充电引导。同时提供了一种相应的终端及介质。本发明有效缓解用户充电拥挤，提高充电设备利用率，节约充电成本；有效解决充电冲突问题和均衡充电设备利用率，实现电动汽车用户与充电站效用值最大化的同时兼顾个体最优与整体最优。
-
公开(公告)号：CN113541130B
公开(公告)日：2023-09-15
申请号：CN202110811394.9
申请日：2021-07-19
Abstract: 一种基于拓扑结构的配电网关键线路脆弱性识别方法，将配电网的节点等效为图模型的节点、配电网的线路等效为图模型的边，从而将配电网抽象为配电网拓扑结构模型，根据配电网拓扑结构模型中从电源节点到负荷节点的最短路径以及电源到负荷的各条供电路径计算得到关键线路脆弱性指标，实现关键线路脆弱性识别。本发明综合考虑供电路径间独立性和路径内独立性建立配电网拓扑结构模型，通过分析电源到负荷各条供电路径的路径间独立性和路径内独立性全面评估线路脆弱性，得到的线路关键程度指标全面反映了线路在配电网中的关键程度且实现过程简便。
-
公开(公告)号：CN116029484B
公开(公告)日：2023-07-04
申请号：CN202310009814.0
申请日：2023-01-05
Applicant: 上海交通大学
IPC: G06Q10/063 , H02J3/38 , G06Q50/06
Abstract: 本发明公开了一种基于多保真度模型的配电网运行状态评估方法及系统，涉及配电网运行状态评估领域，由配电网源‑荷、线路信息构建的，以配电网不确定性量测数据为输入，以配电网运行状态指标为输出的高保真度模型或低保真度模型，与采集到的配电网不确定性量测数据，在固定计算负担下最优分配输入各模型的量测样本数量，提升配电网运行状态指标矩信息评估的准确性；使用一种基于综合启动函数的概率分布函数刻画方法，利用多保真度模型提供的先验信息，使得概率分布函数的拟合结果更接近于实际分布。本发明能够兼顾配电网不确定性环境下运行评估的效率与准确性，弥补了传统高、低保真度模型的不足，有利于匹配配电网运行分析的多时间尺度需求。
-
公开(公告)号：CN115800269B
公开(公告)日：2023-05-05
申请号：CN202211695968.1
申请日：2022-12-28
Applicant: 上海交通大学
IPC: H02J3/00
Abstract: 本发明涉及电压功率灵敏度估计方法领域，具体涉及一种配电网量测数据驱动的电压功率灵敏度拓扑约束估计方法，包括如下步骤：对配电网电压功率灵敏度进行成分分解，将电压功率灵敏度分解为主成分和次成分；采集配电网节点量测数据和网络拓扑信息；建立电压功率灵敏度主成分估计的数据驱动的回归数学模型，并进行求解；建立电压功率灵敏度次成分估计的数据驱动的回归数学模型，并进行求解；将回归数学模型所得的主成分与次成分叠加得到最终的电压功率灵敏度。本发明通过主成分的变量降维和次成分的变量大小约束，显著降低了多重共线性问题对数据驱动方法的负面影响，相比现有方法精度大幅提升。
-
公开(公告)号：CN116011657A
公开(公告)日：2023-04-25
申请号：CN202310043210.8
申请日：2023-01-29
Applicant: 上海交通大学
Abstract: 本发明涉及态势感知技术领域，具体为基于微型PMU的配电网负荷预测模型优选方法、装置及系统。该方法获取样本负荷预测任务的任务数据和样本负荷预测任务的特征集F；根据样本负荷预测任务的任务数据对多个负荷预测模型进行训练，且基于均方根误差获取解决每个样本负荷预测任务的对应的最优负荷预测模型，构成最优负荷预测模型集Φ；将特征集F与最优负荷预测模型集Φ共同构成元数据 ；利用元数据 对分别多个元学习器进行训练，获得多个训练后的元学习器；利用多个训练后的元学习器分别对负荷预测任务特征集进行处理，获得多个模型推荐结果数据将多个模型推荐结果数据通过投票器，获得单一模型推荐结果数据
-
-
-
-
-
-
-
-
-
Search Results
96
records
(took 0.038 seconds)
