-
公开(公告)号：CN116432935A
公开(公告)日：2023-07-14
申请号：CN202211628861.5
申请日：2022-12-18
Applicant: 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
Abstract: 本发明提出了一种基于组合预测模型的工业区综合能源低碳调度方法及装置，解决新能源出力的随机性和波动性，维持电力资源供需平衡。所述方法包括以下步骤：步骤1：通过集成聚类技术对原始新能源出力数据以均值为聚类中心进行分类；步骤2：依据步骤1的结果，将聚类得出的新能源发电特性结合包括季节、节假日在内的时间因素对新能源出力的影响，形成神经网络预测模型的输入数据集；步骤3：将步骤2的数据集结果输入到神经网络预测模型中，得到预测结果‑新能源出力负荷曲线；步骤4：根据步骤3的预测结果构建高耗能园区源‑荷侧低碳调度模型。
-
公开(公告)号：CN117713136A
公开(公告)日：2024-03-15
申请号：CN202311723164.2
申请日：2023-12-15
Applicant: 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
Abstract: 基于分布式储能协同的静态电压稳定性提升方法，属于电力系统运维技术领域，本发明采用传统调压设备作为主控设备，分布式储能协同系统为辅助调压设备，负责调节静态电压波动的关键节点；在考虑分布式储能协同系统功率约束的前提下，通过对电网调压设备的模型预测控制MPC及分布式储能协同系统的分散控制，使网络节点电压维持在允许范围内，并满足关键节点对电压的特殊要求；采用优化算法高效求解MPC优化模型；即通过不同时间尺度的两阶段协调及传统调压设备与灵活可控的DESS的协调，在确保系统电压在正常范围内的同时，有效抑制关键节点电压的波动，而且由于调节DESS功率输出能够实现对电压的快速、连续控制，较大幅度地减少传统调压设备的调节次数。
-
Patent Agency Ranking
公开(公告)号：CN116345508A
公开(公告)日：2023-06-27
申请号：CN202211569782.1
申请日：2022-12-08
Applicant: 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
Abstract: 本发明涉及一种电解铝负荷与电动汽车协调优化的需求响应策略，通过构建日前24h和日内15min电解铝负荷需求响应策略，根据日前预测数据制定日前电网功率、电解铝负荷调节情况以及风电、光伏日内预测功率，将日前需求响应策略所得结果输入到日内需求响应策略中确定实际电网功率、电动汽车充放电功率以及风电光伏实际功率，实现柔性负荷的精细化调控。本发明的优点是：构建电解铝负荷日前需求响应策略，得到日前电解铝负荷调节功率情况和风电光伏日内预测功率情况，将日前预测结果输入到日内需求响应策略中，确定实际电网功率、电动汽车充放电功率以及风电光伏实际功率，满足电网功率约束以及电动汽车出行要求。
-
公开(公告)号：CN117878890A
公开(公告)日：2024-04-12
申请号：CN202311723522.X
申请日：2023-12-15
Applicant: 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
IPC: H02J3/00 , H02J3/24 , G06F18/214 , G06F18/243 , G06N5/01 , G06F18/2113 , G06F18/241
Abstract: 一种基于数据驱动的风电占比高的电力系统静态电压稳定性评估方法，将静态电压稳定裕度评估转换为含多特征变量的分类问题，以系统中存储的海量历史运行数据为驱动，利用机器学习技术构建评估学习模型；其中构建构建评估学习模型包括训练样本生成、关键特征变量筛选以及基于决策树的静态电压稳定裕度评估模型构建；本发明能够为含高比例风电场的新型电力系统静态稳定性分析提供可靠的参考依据；对更大规模的风电并网和风电场的设计、规划和调度运行具有极其重大的意义。
-
公开(公告)号：CN116109178A
公开(公告)日：2023-05-12
申请号：CN202211704219.0
申请日：2022-12-29
Applicant: 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
IPC: G06Q10/0639 , G06Q50/06 , G06F18/214 , G06F18/24 , G06N3/0442 , G06N3/0464 , G06N3/096 , H02J3/00
Abstract: 本发明涉及面向高比例新能源接入的电力系统稳定评估方法，包括步骤一：基于高比例新能源接入的电力系统运行特性，构建暂态稳定评估特征集；步骤二：提出基于时空双注意力机制的STA‑GLN电力系统暂态稳定性评估模型；步骤三：引入集成学习和迁移学习改进STA‑GLN电力系统暂态稳定评估模型；基于AdaBoost和迁移学习的集成STA‑GLN多任务暂态稳定评估方法,引入时空双注意力机制深入挖掘暂态特性，解决前述的电力系统暂态稳定评估研究中存在的因拓扑结构变化导致评估准确率下降问题；结合AdaBoost的集成学习方法减少样本不平衡问题减少的失稳误判情况；引入迁移学习解决模型复杂导致的训练耗时长的问题，保证评估的快速性。
-
公开(公告)号：CN117649026A
公开(公告)日：2024-03-05
申请号：CN202311717316.8
申请日：2023-12-14
Applicant: 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
IPC: G06Q10/04 , H02J3/00 , G06Q50/06 , G06N3/0464 , G06N3/08 , G06N5/01 , G06F18/243
Abstract: 基于数据驱动的静态电压稳定性评估与趋势预测方法属于电力系统运维技术领域。本发明利用卷积神经网络CNN替代传统潮流计算，预测出电力系统PV、QV曲线，相较于传统潮流计算，易于找到极值点，计算速度快，准确度高。根据PV、QV曲线求得电力系统运行指标，并由运行指标确定各节点的稳定裕度指标。用于确定的稳定裕度指标的运行指标包含各节点的有功功率、无功功率、电压幅值和电压薄弱节点的电压，指标丰富，可信度高，通过确定的电力系统的稳定裕度，判断电压易失稳的节点，给出稳定性评价，准确性高，由决策树将得到的裕度指标进行处理，给出系统静态电压稳定性的评估，过程清晰可见，方便调度人员参考。
-
公开(公告)号：CN110503133A
公开(公告)日：2019-11-26
申请号：CN201910680802.4
申请日：2019-07-26
Applicant: 东北大学
Abstract: 本发明属于故障预测技术领域，涉及一种基于深度学习的离心式压缩机故障预测方法。本发明基于GRU网络，根据经过数据融合和特征提取的数据集建立预测模型，利用多元高斯分布根据预测误设置阈值，通过阈值与故障前期数据误差比较来预测离心式压缩机的故障。该方法通过聚类算法为不同时间步长候选序列子集的每个变量划分类别，然后通过信息增益对每个子集的每个变量进行评价，从而确定特征变量和多维时间序列的时间步长。本发明构建并训练GRU神经网络模型，充分考虑了数据的时间相关性，具有长期记忆能力，不用考虑具体的机理知识，且解决了传统网络模型的过拟合问题，速度快，精度高，有良好的泛化能力。
-
-
-
-
-
-
Search Results
7
records
(took 0.068 seconds)
