-
公开(公告)号：CN115333111A
公开(公告)日：2022-11-11
申请号：CN202211109903.4
申请日：2022-09-13
申请人： 中国电力科学研究院有限公司 , 华北电力大学 , 国网天津市电力公司 , 国网天津市电力公司电力科学研究院 , 国家电网有限公司
摘要： 一种多区域电网协同优化方法、系统、设备及可读存储介质，优化方法包括收集每个智能体区域的观测数据；构建含可再生能源的多区域电网协同优化模型；将含可再生能源的多区域电网协同优化模型按照状态空间、动作空间、环境以及奖励函数设计为多智能体环境下的强化学习模型；对多智能体环境下的强化学习模型进行求解，输出协同优化结果。本发明采用多决策中心的分布式模型减轻了系统的通讯压力，能够在训练中考虑可再生能源和负荷的双重不确定性，具有较好应对不确定性的能力，还能够实现系统实时决策，基于多智能体“集中训练‑分布执行”的特性，训练完成后各区域电网只需根据自身局部的观测值对可控机组做出决策，有利于保护各区域电网的隐私性。
-
公开(公告)号：CN115544121A
公开(公告)日：2022-12-30
申请号：CN202211319430.0
申请日：2022-10-26
申请人： 中国电力科学研究院有限公司 , 华北电力大学 , 国网天津市电力公司 , 国网天津市电力公司电力科学研究院 , 国家电网有限公司
IPC分类号： G06F16/2458 , G06N3/04 , G06N3/08 , G06Q50/06
摘要： 一种电力系统场景约简方法、系统、电子设备及存储介质，方法包括利用初始场景集，建立场景约简问题模型，并利用信息熵正则化算法凸化场景约简问题模型，得到正则化后的场景约简问题模型；输入初始场景集、典型场景集和正则化系数，构建场景约简网络模型，结合正则化后的场景约简问题模型和场景约简网络模型，计算出正则化传输矩阵和距离矩阵；利用正则化系数、正则化传输矩阵和距离矩阵，求解得到考虑运输成本和熵正则化惩罚的Sinkhorn距离的损失函数；基于所述损失函数，利用场景约简网络模型对典型场景集进行反向梯度训练，得到训练后的典型场景集和典型场景集的边缘概率分布。本发明能够提高大规模场景约简可行性以及求解的稳定性。
-
公开(公告)号：CN115375042A
公开(公告)日：2022-11-22
申请号：CN202211174672.5
申请日：2022-09-26
申请人： 中国电力科学研究院有限公司 , 华北电力大学 , 国网天津市电力公司 , 国家电网有限公司
摘要： 本发明公开了一种居民用户集群负荷预测方法、系统、设备及介质，所述方法包括以下步骤：基于预获取的所述居民用户集群的居民用户分组结果，构建获得面向居民用户集群负荷预测的当前时刻时空图数据；基于所述当前时刻时空图数据，利用预先训练好的自适应时空同步图卷积神经网络模型进行预测，获得所述居民用户集群中各个居民用户分组的下一时刻负荷预测值；聚合所述各个居民用户分组的下一时刻负荷预测值，获得所述居民用户集群的总负荷预测值。本发明具体提出了一种基于图神经网络和聚类的居民用户集群短期负荷预测方法，能够显著提升居民用户集群负荷预测精度。
-
公开(公告)号：CN113515890B
公开(公告)日：2024-03-08
申请号：CN202110559758.9
申请日：2021-05-21
申请人： 华北电力大学 , 中国电力科学研究院有限公司 , 国网天津市电力公司
IPC分类号： G06F30/27 , G06N3/0464 , G06N3/084 , G06N3/098 , G06F113/06
-
公开(公告)号：CN113515890A
公开(公告)日：2021-10-19
申请号：CN202110559758.9
申请日：2021-05-21
申请人： 华北电力大学 , 中国电力科学研究院有限公司 , 国网天津市电力公司
IPC分类号： G06F30/27 , G06N3/04 , G06N3/08 , G06F113/06
摘要： 本发明公开了一种基于联邦学习的可再生能源日前场景生成方法，包括以下步骤：定义并设置训练参数；进行梯度下降策略进行本地模型训练；数据所有者产生符合高斯分布的noise，扰动本地模型；获取各数据所有者上传的生成器、判别器权重参数，计算本轮生成器和判别器更新的权重；将新的模型参数广播给各数据所有者；利用新的梯度在本地执行CWGAN训练任务，得到结果上传至中心服务器；重复至训练结束。本发明优点是：1、较好地构建可再生能源日前场景生成的模型，CWGAN有效学习到出力特征和日前出力不确定性。2、利用黑盒模型具有广泛适用性。3、保护各数据所有者数据隐私安全。4、当某客户端数据出现严重缺失情况时，可以对该可再生能源端进行有效建模。
-
公开(公告)号：CN111553587B
公开(公告)日：2023-04-18
申请号：CN202010340376.2
申请日：2020-04-26
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网天津市电力公司
IPC分类号： G06Q10/067 , G06Q50/06 , G06N3/0464 , G06N3/0475 , G06N3/047 , G06N3/084
摘要： 本发明涉及一种基于对抗学习模型的新能源场景生成方法及系统，所述方法包括：生成用于对抗学习模型的神经网络训练的样本集以及每个样本的标签；构建判别网络D和生成网络G；将随机向量z和样本的标签输入到生成网络G中，得到模拟样本G(z)，将模拟样本G(z)、真实样本以及样本的标签同时输入到判别网络D中；对生成网络G和判别网络D的神经网络进行反向传播训练，并进行迭代；迭代收敛后，生成网络G生成并输出优化的新能源运行场景。本发明能够克服传统方法生成出力参数单一、结果不准确、需要大量简化假设等问题，优化了新能源出力参数，为能源互联网的随机优化运行控制提供了数据基础和保证。
-
公开(公告)号：CN111553587A
公开(公告)日：2020-08-18
申请号：CN202010340376.2
申请日：2020-04-26
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网天津市电力公司
摘要： 本发明涉及一种基于对抗学习模型的新能源场景生成方法及系统，所述方法包括：生成用于对抗学习模型的神经网络训练的样本集以及每个样本的标签；构建判别网络D和生成网络G；将随机向量z和样本的标签输入到生成网络G中，得到模拟样本G(z)，将模拟样本G(z)、真实样本以及样本的标签同时输入到判别网络D中；对生成网络G和判别网络D的神经网络进行反向传播训练，并进行迭代；迭代收敛后，生成网络G生成并输出优化的新能源运行场景。本发明能够克服传统方法生成出力参数单一、结果不准确、需要大量简化假设等问题，优化了新能源出力参数，为能源互联网的随机优化运行控制提供了数据基础和保证。
-
公开(公告)号：CN113991651A
公开(公告)日：2022-01-28
申请号：CN202111253631.0
申请日：2021-10-27
申请人： 武汉大学 , 中国电力科学研究院有限公司 , 国网天津市电力公司 , 国家电网有限公司
摘要： 本发明涉及一种考虑新能源不确定性的电网静态电压稳定裕度概率预测方法，具体包括：构建以风电、光伏为代表的新能源的功率预测误差模型；构建基于预测误差模型和蒙特卡洛抽样的风电、光伏静态场景生成模型；构建基于深度学习的单场景静态电压稳定裕度预测方法；采用核密度估计法生成考虑新能源不确定性的电网静态电压稳定裕度概率预测结果。本发明有如下优点：一方面，所提基于新能源预测误差的场景生成模型考虑新能源发电的随机性，所得静态电压稳定裕度概率分布能够为调度人员提供更多的参考信息；另一方面，采用深度学习模型对每一场景的静态电压稳定裕度进行预测，同时保证了概率预测的精度与效率，适用于在线应用。
-
公开(公告)号：CN118017492A
公开(公告)日：2024-05-10
申请号：CN202410185026.1
申请日：2024-02-19
申请人： 中国电力科学研究院有限公司 , 国网天津市电力公司 , 国家电网有限公司
摘要： 本发明属于电力系统自动化领域，公开了一种主动配电网优化调度方法、系统、设备及存储介质，包括获取主动配电网各区域的光伏出力预测值和负荷预测值；根据各区域的光伏出力预测值和负荷预测值，调用预设的基于联盟博弈的分布式优化调度模型，得到各区域的各可控设备最优出力值；根据各区域的各可控设备最优出力值生成各区域的各可控设备控制指令，并发送至各区域的各可控设备；其中，基于联盟博弈的分布式优化调度模型包括联盟博弈层和与联盟博弈层交互的各区域智能体。基于各区域基于博弈机制的非关键信息共享实现分布式协同优化，避免了大量数据的集中收集和处理，大幅提升决策速度。
-
公开(公告)号：CN111784041B
公开(公告)日：2024-02-09
申请号：CN202010598496.2
申请日：2020-06-28
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网天津市电力公司
IPC分类号： G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/042 , G06N3/049
摘要： 一种基于图卷积神经网络的风电功率预测方法及系统，获取区域内各个风电的地理位置信息，构建距离倒数矩阵；对风电数据进行采样构建样本集，样本集包括训练数据样本集以及预测数据样本集；依据距离倒数矩阵构建图卷积神经网络层；构建时序卷积神经网络层；基于图卷积神经网络层以及时序卷积神经网络层构建风电预测模型；利用训练数据样本集对风电预测模型进行训练，然后对预测数据样本集进行预测。本发明利用基于图卷积神经网络能够有效处理风电站间地理位置信息的非欧氏数据，可以充分挖掘其数据的空间相关性；针对风电站之间的图数据结构进行了合理的设计，使其更符合风电的出力特性；利用该模型进预测风电功率，能够提高预测的精度。
-
-
-
-
-
-
-
-
-
搜索结果
140 条记录 (耗时 0.095 秒)
