-
公开(公告)号:CN111695269A
公开(公告)日:2020-09-22
申请号:CN202010582734.0
申请日:2020-06-23
申请人: 中国电力科学研究院有限公司 , 国家电网有限公司
IPC分类号: G06F30/20 , G06F30/18 , G06Q50/06 , G06F111/04 , G06F111/10 , G06F113/08 , G06F113/14
摘要: 本发明公开了一种多时间断面的电-气综合能源系统状态估计方法及系统和装置,该方法通过采集电-气综合能源系统的天然气系统特性和电力系统特性,根据采集的天然气系统特性和电力系统特性,以误差加权平方和最小的目标函数为约束,对多时间断面电-气综合能源系统状态估计模型进行求解,得到包括电力系统节点电压幅值估计值、节点电压相角估计值以及天然气系统各点压强估计值的电-气综合能源系统状态量估计结果。该系统包括:处理器以及与所述处理器耦合的存储器,所述存储器存储有计算机程序。该装置包括采集单元、估计单元和执行单元。本发明实现了对某时段内电-气综合能源系统的运行状态及变化趋势进行有效的感知。
-
公开(公告)号:CN113065680A
公开(公告)日:2021-07-02
申请号:CN202010000960.3
申请日:2020-01-02
申请人: 中国电力科学研究院有限公司 , 国家电网有限公司 , 华北电力大学
摘要: 本发明公开的一种能源互联网的能量需求预测方法及系统,所述方法包括:获取待预测能源互联网节点的特征变量和历史需求数据;基于所述特征变量和历史需求数据以及预先构建的节点泛化动态模型,得到当前时间点下未来时间的能量需求及变化趋势;其中,所述节点泛化动态模型为基于特征变量与能源互联网节点处各能量需求的动态变化关系进行构建。本发明提供的技术方案通过节点泛化动态模型能够准确表达在外界特征变量影响下,该节点多种能源需求的动态变化关系,有助于能源互联网优化调度及运行风险评估工作的展开。
-
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: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。
-
公开(公告)号:CN111784041A
公开(公告)日:2020-10-16
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
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。
-
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:CN109617147B
公开(公告)日:2022-06-17
申请号:CN201910007081.0
申请日:2019-01-04
申请人: 华北电力大学 , 中国电力科学研究院有限公司 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司电力科学研究院
IPC分类号: H02J4/00
摘要: 本发发明提出了一种电力电子变压器运行策略优化组合方法,包括收集系统信息;根据电力电子变压器端口特点建立适用于其端口统一协调控制的广义交直流下垂控制模型;建立以从主网购电最少,以系统安全稳定运行及广义交直流下垂控制为约束条件的长时间尺度优化模型;对所搭建的长时间尺度优化模型进行求解,得到电力电子变压器各端口的广义交直流下垂控制系数,由系数组合进而得到各端口运行策略的优化组合。本发明方法中的广义交直流下垂控制可以同时对电力电子变压器交流端口和直流端口进行控制,保证了直流网络电压和交流网络频率的稳定,进而保证系统的安全运行。同时,本发明的方法也适用于当前系统不确定性大大增强的情况,可扩展性强。
-
公开(公告)号:CN113283043B
公开(公告)日:2023-08-22
申请号:CN202110670154.1
申请日:2021-06-17
申请人: 华北电力大学 , 中国电力科学研究院有限公司
IPC分类号: G06F30/18 , H02J3/38 , H02J3/46 , G06F111/02 , G06F111/08 , G06F113/06
摘要: 本发明公开了一种适用于高维大规模场景的场景约简求解方法,包括:定义场景约简模型;初始化典型场景集;求解传输矩阵,并得到离散概率分布;迭代求解典型场景集,直至Wasserstein距离变化小于某个阈值或迭代次数达到所设定的次数;从初始场景中选取与典型场景最近的场景实现典型场景集重构,将典型场景集及其离散概率分布用于电力系统的随机优化问题中。本发明的优点是:所求Wasserstein距离较小,拟合精度较高,并且具有较为优异的计算效率。面对大规模场景时具有较高的计算效率且不失拟合精度。
-
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:CN111967577A
公开(公告)日:2020-11-20
申请号:CN202010744815.6
申请日:2020-07-29
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
摘要: 本发明公开了一种基于变分自编码器的能源互联网场景生成方法,通过获取能源互联网内G个可再生能源出力与负荷的历史实测数据,以T日实测数据作为训练数据集,V日实测数据作为测试数据集,每日数据采样点数为24,依据源(荷)数目G构建图神经网络层;依据采样点数24构建时序卷积神经网络层;基于图神经网络层以及时序卷积神经网络层构建能源互联网场景生成模型;利用训练数据集对模型进行训练;使用训练好的场景生成模型计算测试集中多源-荷数据之间相关性系数,提取测试数据集中单日数据的标签变量,生成同类型场景集,验证模型的有效性。
-
-
-
-
-
-
-
-
-