-
公开(公告)号：CN117997129A
公开(公告)日：2024-05-07
申请号：CN202410102385.6
申请日：2024-01-24
申请人： 上海交通大学 , 国网江苏省电力有限公司电力科学研究院 , 国家电网有限公司 , 国网江苏省电力有限公司
摘要： 本发明提供了一种用于远海风电场群直流外送的多端口直流升压站拓扑，包括：三个风场侧变换器、三个Δ‑Y型双绕组变压器以及电网侧变换器；三个所述风场侧变换器的第一连接端均连接风场接入端，三个所述风场侧变换器的第二连接端分别对应连接三个所述Δ‑Y型双绕组变压器的Δ侧连接端，三个所述Δ‑Y型双绕组变压器的Y侧连接端分别连接所述电网侧变换器的三相；三个所述Δ‑Y型双绕组变压器在二次侧并联，构成变电站内部交流母线，构建内部中频磁链路。本发明面向多个远海风电场群直流外送系统，具备多个风场接入端的直流升压站拓扑主回路方案，基于远海二极管整流送出方案设计升压站内部变换器拓扑，有效降低升压站建设成本与运行损耗。
-
公开(公告)号：CN116128315A
公开(公告)日：2023-05-16
申请号：CN202211536325.2
申请日：2022-12-02
申请人： 上海交通大学
IPC分类号： G06Q10/0637 , G06Q30/0283 , G06Q50/06 , G06F18/23213 , G06F123/02
摘要： 本发明提供了一种长短期储能规划方法、系统、介质及设备，所述方法包括如下步骤：步骤S1：采用季节与趋势分解方法对全年的不平衡功率时间序列进行处理；步骤S2：在采用k‑means算法对日内波动分量进行聚类分析的基础上，通过对典型场景下功率波动曲线的线性变换，得到变换结果功率波动曲线；步骤S3：建立长短期储能优化配置模型；步骤S4：基于场景变换概念进行求解。本发明采用季节与趋势分解方法，一方面可以完全保留长期波动特征，从而保证了季节性储能规划的可靠性；另一方面，通过将不同时间尺度的功率波动解耦，使得优化模型求解更加简便。
-
公开(公告)号：CN114997498B
公开(公告)日：2024-08-02
申请号：CN202210634619.2
申请日：2022-06-07
申请人： 上海交通大学
IPC分类号： G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/045 , G06N3/082
摘要： 本发明提供了一种基于深度学习与对冲算法的海上风资源在线预测方法，包括：步骤S1：基于对冲算法的长短期记忆深度学习神经网络构建风速预测模型；步骤S2：对风电场历史数据进行预处理，并将预处理后的风电场历史数据划分为训练集和测试集；步骤S3：利用训练集训练风速预测模型，得到初步的风电预测模型；再利用测试集更新初步的风电预测模型；步骤S4：利用更新后的初步的风电预测模型进行风速预测；所述风速预测模型是由多层长短期记忆深度学习网络通过对冲算法堆叠而成，从而实现海上风资源在线预测。
-
公开(公告)号：CN116961000A
公开(公告)日：2023-10-27
申请号：CN202310890906.4
申请日：2023-07-19
申请人： 上海交通大学
摘要： 本发明提供了一种基于绿色港口集群能源经济性的优化调度方法，包括：框架搭建步骤：搭建绿色港口集群博弈框架；设备模型建立步骤：根据实际应用环境，建立相应的绿色港口微能源系统主要供能设备模型；优化模型建立步骤：利用绿色港口集群博弈框架和供能设备模型，建立绿色港口群博弈双层优化模型；求解步骤：将绿色港口群博弈双层优化模型通过最优性条件转化模型，求解后，得到绿色港口群最优能源交易价格策略；调度步骤：对绿色港口集群能源经济性优化进行调度。本发明通过建立了绿色港口集群日前能源交易和服务机制，解决了传统调度方法无法满足多利益主体需求的问题，根据港口制定的能源交易价格和自身的能源需求水平，决定能源调度的策略。
-
公开(公告)号：CN116523228A
公开(公告)日：2023-08-01
申请号：CN202310451380.X
申请日：2023-04-24
申请人： 上海交通大学
摘要： 本发明提供了一种基于深度强化学习的移动能源网络实时能量管理方法及系统，包括：步骤S1：基于马尔科夫决策过程表征全电力船舶的实时能量调控过程，包括：状态空间、动作空间以及奖励函数；步骤S2：构建表示动作价值函数的Q网络模型，并利用状态空间、动作空间以及奖励函数采用DQN算法训练Q网络模型；步骤S3：基于当前状态空间通过训练后的Q网络模型选择决策动作，实现船舶的实时能量管理智能决策；所述Q网络模型是通过神经网络的输入输出拟合船舶期望做出最优能量管理智能决策的这一行为过程，实现了从状态空间到动作空间的映射，达到了依据船舶运行的实时状态进行最优能量管理的目的。
-
公开(公告)号：CN109302463B
公开(公告)日：2020-07-14
申请号：CN201811083007.9
申请日：2018-09-17
申请人： 上海交通大学
摘要： 本发明提供了一种面向边缘计算的自组云架构与优化方法及系统，包括模型构建步骤：对层次化的无人机系统进行模型构建；适于无限虚拟机资源情形的去中心化计算卸载算法步骤：根据无人机系统的无人机终端带宽满足的条件分别进行博弈决策，达到纳什均衡；适于有限虚拟机资源情形的去中心化计算卸载算法步骤：设计去中心化计算卸载算法进行算法计算。本发明提供了一种分层去中心化的卸载方法，以在保持能效的同时降低通信开销；本发明将层次化无人机系统中的节能计算卸载决策问题建模为一种非合作博弈进行研究，针对无限虚拟机资源、有限虚拟机资源情形设计了去中心化的计算卸载算法，并证明了算法能达到纳什均衡。
-
公开(公告)号：CN109302463A
公开(公告)日：2019-02-01
申请号：CN201811083007.9
申请日：2018-09-17
申请人： 上海交通大学
摘要： 本发明提供了一种面向边缘计算的自组云架构与优化方法及系统，包括模型构建步骤：对层次化的无人机系统进行模型构建；适于无限虚拟机资源情形的去中心化计算卸载算法步骤：根据无人机系统的无人机终端带宽满足的条件分别进行博弈决策，达到纳什均衡；适于有限虚拟机资源情形的去中心化计算卸载算法步骤：设计去中心化计算卸载算法进行算法计算。本发明提供了一种分层去中心化的卸载方法，以在保持能效的同时降低通信开销；本发明将层次化无人机系统中的节能计算卸载决策问题建模为一种非合作博弈进行研究，针对无限虚拟机资源、有限虚拟机资源情形设计了去中心化的计算卸载算法，并证明了算法能达到纳什均衡。
-
公开(公告)号：CN114997498A
公开(公告)日：2022-09-02
申请号：CN202210634619.2
申请日：2022-06-07
申请人： 上海交通大学
摘要： 本发明提供了一种基于深度学习与对冲算法的海上风资源在线预测方法，包括：步骤S1：基于对冲算法的长短期记忆深度学习神经网络构建风速预测模型；步骤S2：对风电场历史数据进行预处理，并将预处理后的风电场历史数据划分为训练集和测试集；步骤S3：利用训练集训练风速预测模型，得到初步的风电预测模型；再利用测试集更新初步的风电预测模型；步骤S4：利用更新后的初步的风电预测模型进行风速预测；所述风速预测模型是由多层长短期记忆深度学习网络通过对冲算法堆叠而成，从而实现海上风资源在线预测。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.083 秒)
