-
公开(公告)号：CN115360741A
公开(公告)日：2022-11-18
申请号：CN202211290036.9
申请日：2022-10-20
摘要： 本申请提出了一种现货场景下基于深度强化学习的风储灵活控制方法和装置，涉及风电储能控制技术领域，其中，该方法包括：获取风电信息数据；根据风电信息数据，以风储现货结算收益最大化为目标构建目标函数，并构建风储约束条件；根据目标函数和风储约束条件，构建储能灵活控制模型；基于深度强化学习对储能灵活控制模型进行求解，得到储能系统充放电功率；采用滚动优化方法周期性更新储能系统充放电功率。本申请通过将储能控制决策嵌入深度强化学习方法中，具有一定的先进性和稳定性，能够辅助风电厂实时有效控制储能系统充放电功率，提高风电可控性。
-
公开(公告)号：CN116187244A
公开(公告)日：2023-05-30
申请号：CN202211414517.6
申请日：2022-11-11
发明人： 孔金良 , 杨宁 , 李鹏飞 , 赵珈卉 , 朱勇 , 张斌 , 刘明义 , 王建星 , 刘承皓 , 杨超然 , 平小凡 , 白盼星 , 段召容 , 成前 , 王娅宁 , 周敬伦 , 郝晓伟
IPC分类号： G06F30/367 , G06F119/08
摘要： 本发明公开一种外短路下新电热耦合模型建模方法及系统。其中，该方法包括：建立描述外短路下电池行为的电气模型；其中，所述电池行为按时间顺序依次包括：电流上升阶段、极化第一阶段、极化第二阶段、平台期、破坏阶段；建立外短路发生时反应电池内部产生热量的产热模型；建立传热模型；将所述电气模型、所述产热模型、所述传热模型耦合得到新电热耦合模型。通过该方法建立的新电热耦合模型能够模拟复杂的短路情况，用于预测外短路情况下电池的复杂性和电特性。
-
公开(公告)号：CN115293416A
公开(公告)日：2022-11-04
申请号：CN202210901715.9
申请日：2022-07-28
摘要： 本申请提出了一种中长期交易辅助决策方法，涉及电力市场申报决策技术领域，其中，该方法包括：获取市场信息和用户信息；基于市场信息和用户信息进行交易价格预测，得到交易价格预测数据；基于交易价格预测数据，以收益最大化、电量预期偏差最小化为目标进行求解，得到中长期交易策略，其中，中长期交易策略包括中长期摘挂牌交易策略和中长期分时段交易策略。采用上述方案的本发明弥补了人工交易方式的效率低下、考虑因素不全面、过度依赖于行业知识和历史经验的缺陷，可以智能化生成经济性最优的辅助决策交易方案。
-
公开(公告)号：CN116184229A
公开(公告)日：2023-05-30
申请号：CN202310035129.5
申请日：2023-01-10
发明人： 赵珈卉 , 朱勇 , 张斌 , 刘明义 , 李国庆 , 林昇 , 那红宇 , 常建华 , 王建星 , 刘承皓 , 郝晓伟 , 刘大为 , 裴杰 , 徐若晨 , 曹曦 , 曹传钊 , 杨宁 , 李鹏飞 , 李志文
IPC分类号： G01R31/385 , G01R31/52
摘要： 本申请提出了一种基于电压预测的锂离子电池内短路故障诊断方法，包括：获取串联电池组中电池的第一预设时长的测量电压；根据电池的电压之间的相关系数公式，得到每个电池的预测公式；根据电池的第一预设时长的测量电压，分别使用预测公式进行预测，得到每个电池当前时刻的预测电压；获取每个电池当前时刻的测量电压，并根据预测电压和测量电压计算得到每个电池的残差；基于累积求和方法对每个电池的残差进行计算，得到每个电池的对数似然比的累积和，并根据对数似然比的累积和，对电池进行故障诊断。本申请采用基于统计推断的累积求和方法对残差进行评估，提高了故障监测的灵敏性、鲁棒性和可靠性，保证了大型电池储能系统的安全运行。
-
公开(公告)号：CN219801975U
公开(公告)日：2023-10-03
申请号：CN202222295696.8
申请日：2022-08-30
IPC分类号： H02J13/00
摘要： 本实用新型公开了一种电力现货场景下新能源场站的监控系统，包括第一网络，第一网络包括风速传感器、风向传感器和功率预测装置；第二网络，第二网络与第一网络之间设置正向隔离装置，第二网络包括数据中转装置，风速传感器、风向传感器和功率预测装置通过正向隔离装置与数据中转装置通信；第三网络，第三网络与第二网络之间设置第一防火墙，第三网络包括数据存储器、气象数据采集器和市场数据采集器，数据存储器通过第一防火墙与数据中转装置通信，气象数据采集器和市场数据采集器分别与数据存储器连接。本实用新型可以实时监控新能源场站的数据，以便根据监控数据计算电站损益，进而使得用户可以实时监控新能源场站的电站损益。
-
公开(公告)号：CN117273208A
公开(公告)日：2023-12-22
申请号：CN202311181149.X
申请日：2023-09-13
IPC分类号： G06Q10/04 , G06Q50/06 , G06F18/10 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/08
摘要： 本发明涉及新能源功率预测技术领域，尤其涉及一种组合功率预测方法、装置、设备及存储介质，包括：获取新能源原始数据，构建原始数据集，对原始数据集进行数据清洗处理，获得预处理数据集，构建预训练模型，利用预处理数据集对预训练模型进行训练，得到训练完成的功率预测模型，利用功率预测模型对待预测的数据进行预测处理，得到预测结果。对不同的数据源进行数据清晰与预处理，对不同的数据源的历史数据采用通道独立的思想进行时间序列预测，分别用不同数据源的历史数据预测该数据源未来的结果，随后对不同数据源的预测结果进行状态融合，实现对各个时间步的单独预测过程，最终时间短期的功率预测功能，实现了准确、高效的组合功率预测。
-
公开(公告)号：CN117252635A
公开(公告)日：2023-12-19
申请号：CN202311181123.5
申请日：2023-09-13
IPC分类号： G06Q30/0202 , G06Q30/0201 , G06N3/0442 , G06N3/045
摘要： 本公开提出了一种电价预测模型权重获取和电价预测方法及装置，该方法包括：获取电价预测模型和历史电价数据；基于历史电价数据生成至少一个电价数据矩阵；将电价数据矩阵分别输入至BiLSTM预测子模型和XGBoost预测子模型中，以分别获取第一预测结果矩阵和第二预测结果矩阵；基于第一预测结果矩阵、第二预测结果矩阵和真实结果矩阵，确定第一权重矩阵和第二权重矩阵。通过第一权重矩阵和第二权重矩阵，可以针对不同的预测条件因素进行精确预测，可以提升模型的实用性，同时通过设置BiLSTM预测子模型和XGBoost预测子模型的形式，可以同时兼顾BiLSTM预测子模型和XGBoost预测子模型的优点，提升预测的准确性。
-
公开(公告)号：CN117252616A
公开(公告)日：2023-12-19
申请号：CN202311127328.5
申请日：2023-09-01
IPC分类号： G06Q30/0201 , G06N20/00 , G06F18/2413
摘要： 本发明涉及人工智能和电力控制技术领域，尤其涉及一种电价差价预测方法、装置、设备及存储介质，包括：获取历史电价参数，构建历史电价数据集，提取所述历史电价数据集特征值，获得特征值数据集，基于K近邻算法模型构建电价差价预测模型，利用特征值数据集对所述电价差价预测模型进行训练，获得训练完成的电价差价预测模型，利用训练完成的电价差价预测模型对电价差价进行预测，获得电价差价预测结果。从实际应用场景出发，针对日前申报所关注的“价差”这一参数，基于K近邻算法模型对价差进行预测，利用历史数据，计算出最佳的价差数据，从而提高日前申报策略的收益，显著的提高了价差预测的准确性，可以有效提高新能源在现货市场中的收益。
-
公开(公告)号：CN117251728A
公开(公告)日：2023-12-19
申请号：CN202311149117.1
申请日：2023-09-06
IPC分类号： G06F18/214 , G06F18/25 , G06Q10/04 , G06Q50/06 , H02J3/00 , G06F17/16 , G06N3/0442 , G06N3/0464 , G06N3/08
摘要： 本公开提出一种风电机组发电功率预测模型训练方法、装置及设备，方法包括：获取多条训练数据，其中，每条训练数据包括每天中多个时间点的多种机组运行数据构成的第一矩阵、多种测风塔数据构成的第二矩阵、多种气象预报数据构成的第三矩阵，并分别将每条训练数据的第一矩阵、第二矩阵以及第三矩阵作为特征图并进行融合处理，以得到训练特征图，以及分别将训练特征图输入至初始网络模型，以输出多个时间点的多个预测功率，利用预设损失函数基于多个时间点的实际功率和预测功率计算目标损失值，并参考目标损失值对初始网络模型进行优化直至收敛，得到发电功率预测模型，从而能够利用发电功率预测模型准确预测风电机组的发电功率。
-
公开(公告)号：CN117151248A
公开(公告)日：2023-12-01
申请号：CN202311117254.7
申请日：2023-08-31
摘要： 本申请提出一种风电功率预测模型的训练方法和装置、用于预测风电功率的方法，涉及人工智能技术领域，其中，方法包括：获取样本风电机组在运行时的多组历史监测数据和对应的实际输出功率；对任一组历史监测数据进行特征提取，以获取对应的关键特征；基于各关键特征和对应的实际输出功率，对预测模型进行模型训练，以得到经过训练的预测模型；其中，预测模型为支持向量回归SVR模型。由此，可以实现对风电功率预测模型的训练，可以提升模型的预测效果，即提升模型预测结果的准确性和可靠性。
-
-
-
-
-
-
-
-
-
搜索结果
70 条记录 (耗时 0.119 秒)
