-
公开(公告)号：CN110630467A
公开(公告)日：2019-12-31
申请号：CN201910884436.4
申请日：2019-09-19
Applicant: 东北大学
Abstract: 本发明的可提高电-电转换效率的压缩空气储能系统及方法，系统结合了补燃型和非补燃型两种发电模式，弥补了由储气罐气压下限约束较高所造成的系统充电效率降低的缺陷；系统在发电工况下，当储气罐内气压值处于较高位时，由非补燃发电组件进行发电，储气罐排出的高压气体节流后，用低品质热源与高压气体进行换热，可提高单位工质的做功能力；当空气透平长时间处于较高发电负荷运行时，储气罐内的气压值下降速率加快，改用高品质热源与高压气体进行换热，以节省储气罐在气压值处于高位时的用气；当储气罐内气压值较低时，由补燃发电组件进行发电，以增加储气罐的用气深度，保证系统在一个调度周期内只进行一次充放电循环，提高系统电-电转换效率。
-
公开(公告)号：CN109256773B
公开(公告)日：2021-01-26
申请号：CN201811218395.7
申请日：2018-10-19
Applicant: 东北大学
IPC: H02J3/00
Abstract: 本发明提出降噪自编码和深度支持向量机的电力系统状态估计方法，包括：获取电网节点中电压幅值的量测值和电压相角的量测值的历史数据；标准化处理；输入到1维降噪自编码中进行降噪处理；降噪后的数据在输入到深度支持向量机进行状态估计；判断状态估计误差是否满足要求；输出1维降噪自编码和深度支持向量机的状态估计模型参数；把一个大电网分解成p个子网；一个GPU对一个子网进行计算，CPU进行汇总，输出全网的状态估计结果；本发明采用GPU+CPU的混合结构对电力系统进行状态估计，缩短了计算时间；采用的降噪自编码和深度支持向量机模型，提高了状态估计的精度，并在训练过程中采用变学习率的梯度下降法，有效地寻找到最优参数，且缩短了训练时间。
-
公开(公告)号：CN110378286B
公开(公告)日：2023-03-28
申请号：CN201910652562.7
申请日：2019-07-19
Applicant: 东北大学
Abstract: 本发明公开一种基于DBN‑ELM的电能质量扰动信号分类方法，属于信号分类技术领域。该方法利用深度信念网络DBN对扰动信号进行特征提取，在搭建DBN时利用改进的量子粒子群算法对DBN网络中的每个RBM的学习速率进行寻优，再利用极限学习机ELM对提取的特征进行分类，得到电能质量扰动信号的类别。该方法充分利用了深度学习的特点，提高了分类准确率以及抗噪性，使得单一扰动和复合扰动均能得到准确的分类。
-
Patent Agency Ranking
公开(公告)号：CN110630467B
公开(公告)日：2020-12-15
申请号：CN201910884436.4
申请日：2019-09-19
Applicant: 东北大学
Abstract: 本发明的可提高电‑电转换效率的压缩空气储能系统及方法，系统结合了补燃型和非补燃型两种发电模式，弥补了由储气罐气压下限约束较高所造成的系统充电效率降低的缺陷；系统在发电工况下，当储气罐内气压值处于较高位时，由非补燃发电组件进行发电，储气罐排出的高压气体节流后，用低品质热源与高压气体进行换热，可提高单位工质的做功能力；当空气透平长时间处于较高发电负荷运行时，储气罐内的气压值下降速率加快，改用高品质热源与高压气体进行换热，以节省储气罐在气压值处于高位时的用气；当储气罐内气压值较低时，由补燃发电组件进行发电，以增加储气罐的用气深度，保证系统在一个调度周期内只进行一次充放电循环，提高系统电‑电转换效率。
-
公开(公告)号：CN109345045A
公开(公告)日：2019-02-15
申请号：CN201811442084.9
申请日：2018-11-29
Applicant: 东北大学
Abstract: 本发明提出基于双乘子迭代算法的电热综合能源系统经济调度方法，流程包括：建立电热综合能源系统经济调度模型；采用Lagrange乘子法求解电热综合能源系统经济调度模型，转化为优化调度问题；设计双乘子迭代算法求解上述优化调度问题，找到满足约束条件下各机组的最优出力，计算电热综合能源系统优化调度下的运行总成本最小值；本发明中电热综合能源系统经济调度模型首次考虑了网络传输损耗，并且能够实现实时计算；实现了电热两种能源协同优化配置；在计及网络传输损耗的前提下，满足用户两种负荷需求的同时减少企业的产能成本；采用本发明提出的双乘子迭代算法可以避免直接求解多维隐式方程组，降低了模型求解的复杂程度并具有很快的收敛速度。
-
公开(公告)号：CN109345045B
公开(公告)日：2021-11-30
申请号：CN201811442084.9
申请日：2018-11-29
Applicant: 东北大学
Abstract: 本发明提出基于双乘子迭代算法的电热综合能源系统经济调度方法，流程包括：建立电热综合能源系统经济调度模型；采用Lagrange乘子法求解电热综合能源系统经济调度模型，转化为优化调度问题；设计双乘子迭代算法求解上述优化调度问题，找到满足约束条件下各机组的最优出力，计算电热综合能源系统优化调度下的运行总成本最小值；本发明中电热综合能源系统经济调度模型首次考虑了网络传输损耗，并且能够实现实时计算；实现了电热两种能源协同优化配置；在计及网络传输损耗的前提下，满足用户两种负荷需求的同时减少企业的产能成本；采用本发明提出的双乘子迭代算法可以避免直接求解多维隐式方程组，降低了模型求解的复杂程度并具有很快的收敛速度。
-
公开(公告)号：CN110378286A
公开(公告)日：2019-10-25
申请号：CN201910652562.7
申请日：2019-07-19
Applicant: 东北大学
Abstract: 本发明公开一种基于DBN-ELM的电能质量扰动信号分类方法，属于信号分类技术领域。该方法利用深度信念网络DBN对扰动信号进行特征提取，在搭建DBN时利用改进的量子粒子群算法对DBN网络中的每个RBM的学习速率进行寻优，再利用极限学习机ELM对提取的特征进行分类，得到电能质量扰动信号的类别。该方法充分利用了深度学习的特点，提高了分类准确率以及抗噪性，使得单一扰动和复合扰动均能得到准确的分类。
-
公开(公告)号：CN109256773A
公开(公告)日：2019-01-22
申请号：CN201811218395.7
申请日：2018-10-19
Applicant: 东北大学
IPC: H02J3/00
Abstract: 本发明提出降噪自编码和深度支持向量机的电力系统状态估计方法，包括：获取电网节点中电压幅值的量测值和电压相角的量测值的历史数据；标准化处理；输入到1维降噪自编码中进行降噪处理；降噪后的数据在输入到深度支持向量机进行状态估计；判断状态估计误差是否满足要求；输出1维降噪自编码和深度支持向量机的状态估计模型参数；把一个大电网分解成p个子网；一个GPU对一个子网进行计算，CPU进行汇总，输出全网的状态估计结果；本发明采用GPU+CPU的混合结构对电力系统进行状态估计，缩短了计算时间；采用的降噪自编码和深度支持向量机模型，提高了状态估计的精度，并在训练过程中采用变学习率的梯度下降法，有效地寻找到最优参数，且缩短了训练时间。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
