-
公开(公告)号：CN115528747A
公开(公告)日：2022-12-27
申请号：CN202211247309.1
申请日：2022-10-12
申请人： 中国电力科学研究院有限公司 , 河海大学 , 国网江苏省电力有限公司 , 国家电网有限公司
摘要： 本发明公开了一种电力系统紧平衡多时间尺度处置方法、装置、设备及介质，本发明方法包括：以电力系统的总运行成本最小为目标函数，分别建立日内第一等级时间段系统紧平衡处置模型和日内第二等级时间段系统紧平衡处置模型；求解日内第一等级时间段、日内第二等级时间段系统紧平衡处置模型分别得到第一阶段紧平衡处置结果、第二阶段紧平衡处置结果；以电力系统的总调整成本最小为目标函数，建立实时第三级别时间系统紧平衡处置模型；求解实时第三级别时间系统紧平衡处置模型，得到第三阶段电力系统紧平衡处置策略；从三个时间尺度，建立考虑电动汽车充电站灵活性的电力系统紧平衡多时间尺度处置策略，提高了紧平衡处置的水平。
-
公开(公告)号：CN113393119B
公开(公告)日：2022-08-30
申请号：CN202110655615.8
申请日：2021-06-11
申请人： 河海大学
摘要： 本发明公开了基于场景缩减‑深度学习的梯级水电短期调度决策方法，属于电力调度技术领域，首先基于SR算法进行历史调度数据的分类预处理，然后利用DL技术构建基于长短时记忆网络(LSTM)的梯级水电短期调度深度学习模型，然后按类采用历史调度数据训练深度学习模型，得到相应的已知输入参数和决策结果间的映射模型，最后，将训练好的深度学习模型运用于实际的梯级水电短期调度策略的制定。本发明基于数据驱动的思路，解决了传统求解思路适用性低、难以考虑历史数据和历史调度方案的不足。该方法不仅可以在实际运行中不断提升决策精度和效率，而且在考虑风、光等不确定性电源与水电联合运行时适应性更好。
-
公开(公告)号：CN113363976A
公开(公告)日：2021-09-07
申请号：CN202110680674.0
申请日：2021-06-18
申请人： 河海大学
摘要： 本发明公开了一种基于场景图的风光水互补发电系统中期优化调度方法，属于发电系统技术领域，本发明以风电机组，光伏设备以及梯级水库为研究对象，建立了以弃风弃光弃水最小化以及水电蓄能最大化为目标的风光水互补发电系统中期优化调度模型。在中期优化调度方面，首先，以一个月为调度周期，设立了弃风光水最少、蓄能最大的目标；其次，采用场景图技术对随机性风力发电、光伏发电进行建模，通过各状态之间的转移约束将各个时段的状态联系起来，建立了基于场景图的含梯级水电的风光水互补发电系统中期优化调度模型；本发明能够有效描述风力发电、光伏发电的不确定性，能够更好地提升模型的求解效率，有利于高效利用清洁能源。
-
公开(公告)号：CN113363976B
公开(公告)日：2023-09-08
申请号：CN202110680674.0
申请日：2021-06-18
申请人： 河海大学
摘要： 本发明公开了一种基于场景图的风光水互补发电系统中期优化调度方法，属于发电系统技术领域，本发明以风电机组，光伏设备以及梯级水库为研究对象，建立了以弃风弃光弃水最小化以及水电蓄能最大化为目标的风光水互补发电系统中期优化调度模型。在中期优化调度方面，首先，以一个月为调度周期，设立了弃风光水最少、蓄能最大的目标；其次，采用场景图技术对随机性风力发电、光伏发电进行建模，通过各状态之间的转移约束将各个时段的状态联系起来，建立了基于场景图的含梯级水电的风光水互补发电系统中期优化调度模型；本发明能够有效描述风力发电、光伏发电的不确定性，能够更好地提升模型的求解效率，有利于高效利用清洁能源。
-
公开(公告)号：CN114759580A
公开(公告)日：2022-07-15
申请号：CN202210533628.2
申请日：2022-05-17
申请人： 河海大学
摘要： 本发明公开了一种电力系统紧平衡处置方法、系统及存储介质，其中方法包括：S1：构建考虑电动汽车充电站中电动汽车数量的不确定性的电动汽车充电站模型；S2：将电动汽车充电站视为电力系统中的柔性负荷，根据电动汽车充电站模型建立电动汽车充电站约束；S3：以电力系统的总运行成本最小为目标函数，建立电力系统的紧平衡处置模型，电力系统的紧平衡处置模型的约束条件包括步骤S2中电动汽车充电站能提供的柔性爬坡容量约束；S4：将电力系统实时数据带入到步骤S3中建立的电力系统的紧平衡处置模型，求解获得使电力系统总运行成本最小的紧平衡处置策略。上述方法将电动汽车充电站作为灵活资源，减少紧平衡处置时系统的弃风和切负荷，提升系统经济性。
-
公开(公告)号：CN113393119A
公开(公告)日：2021-09-14
申请号：CN202110655615.8
申请日：2021-06-11
申请人： 河海大学
摘要： 本发明公开了基于场景缩减‑深度学习的梯级水电短期调度决策方法，属于电力调度技术领域，首先基于SR算法进行历史调度数据的分类预处理，然后利用DL技术构建基于长短时记忆网络(LSTM)的梯级水电短期调度深度学习模型，然后按类采用历史调度数据训练深度学习模型，得到相应的已知输入参数和决策结果间的映射模型，最后，将训练好的深度学习模型运用于实际的梯级水电短期调度策略的制定。本发明基于数据驱动的思路，解决了传统求解思路适用性低、难以考虑历史数据和历史调度方案的不足。该方法不仅可以在实际运行中不断提升决策精度和效率，而且在考虑风、光等不确定性电源与水电联合运行时适应性更好。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.061 秒)