-
公开(公告)号：CN110707745B
公开(公告)日：2023-05-16
申请号：CN201910983612.X
申请日：2019-10-16
Applicant: 中国矿业大学
Abstract: 本发明公开了基于改进VMD的电热综合系统多时间尺度经济调度方法，首先，将VMD改进为能够在规定中心频率基础上的自适应分解方法；然后接着建立含混合储能的电热综合系统多时间尺度调度模型，根据风电长期趋势、储能和热力部分响应速度确定中心频率，采用改进后VMD对风电信号进行3层分解；第1层与风电长期趋势匹配，用来制定机组启停、机组和电锅炉初步出力，第2层频率与能量型储能装置响应速度相适应，用来确定该储能装置充放电计划和机组、电锅炉调节量，第3层频率与功率型储能装置相适应，用来制定其充放电计划，再通过日内和实时调度模型修正。采用改进VMD，可以有效减少弃风量和切负荷量。
-
Patent Agency Ranking
公开(公告)号：CN110707745A
公开(公告)日：2020-01-17
申请号：CN201910983612.X
申请日：2019-10-16
Applicant: 中国矿业大学
Abstract: 本发明公开了基于改进VMD的电热综合系统多时间尺度经济调度方法，首先，将VMD改进为能够在规定中心频率基础上的自适应分解方法；然后接着建立含混合储能的电热综合系统多时间尺度调度模型，根据风电长期趋势、储能和热力部分响应速度确定中心频率，采用改进后VMD对风电信号进行3层分解；第1层与风电长期趋势匹配，用来制定机组启停、机组和电锅炉初步出力，第2层频率与能量型储能装置响应速度相适应，用来确定该储能装置充放电计划和机组、电锅炉调节量，第3层频率与功率型储能装置相适应，用来制定其充放电计划，再通过日内和实时调度模型修正。采用改进VMD，可以有效减少弃风量和切负荷量。
-
公开(公告)号：CN112529275B
公开(公告)日：2023-09-22
申请号：CN202011398774.6
申请日：2020-12-02
Applicant: 中国矿业大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/06 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于特征提取和深度学习的风电爬坡事件预测方法，首先，利用改进旋转门(OpSDA)算法对历史风电功率进行爬坡识别得到历史爬坡特征值；然后将历史特征值和历史功率作为预测模型输入，预测功率作为输出，建立CNN‑LSTM风电功率预测模型，通过深度学习挖掘风电爬坡特征与风电功率的耦合关系，其中CNN负责数据特征的二次提取，LSTM负责预测风电功率；最后再进行爬坡识别后得到爬坡事件预测结果。采用深度学习网络有效提取并学习风电中的爬坡特性，能得到更为精确的爬坡预测结果。
-
公开(公告)号：CN112529275A
公开(公告)日：2021-03-19
申请号：CN202011398774.6
申请日：2020-12-02
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于特征提取和深度学习的风电爬坡事件预测方法，首先，利用改进旋转门(OpSDA)算法对历史风电功率进行爬坡识别得到历史爬坡特征值；然后将历史特征值和历史功率作为预测模型输入，预测功率作为输出，建立CNN‑LSTM风电功率预测模型，通过深度学习挖掘风电爬坡特征与风电功率的耦合关系，其中CNN负责数据特征的二次提取，LSTM负责预测风电功率；最后再进行爬坡识别后得到爬坡事件预测结果。采用深度学习网络有效提取并学习风电中的爬坡特性，能得到更为精确的爬坡预测结果。
-
公开(公告)号：CN111429020B
公开(公告)日：2023-12-29
申请号：CN202010263736.3
申请日：2020-04-07
Applicant: 中国矿业大学
IPC: G06Q10/0631 , G06Q10/0637 , G06Q10/04 , G06Q50/06 , G06F17/15 , H02J3/38 , H02J3/46 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种考虑热网储热特性的电热系统多时间尺度经济调度方法，首先，使用LSTM神经网络预测风电预测误差，将其引入并建立电热综合系统多时间尺度调度模型，将热网的储热特性和延时特性考虑到多时间尺度策略中，在日前调度和日内调度模型中利用热网储热特性和延时特性使得系统热出力不需要与热负荷实时平衡，从而平抑部分风电预测误差，在实时调度模型中，利用储能装置进一步减小风电预测误差对于电热系统的影响。这样不仅能降低弃风量，系统运行成本，还可以减小储能装置的容量。
-
公开(公告)号：CN111429020A
公开(公告)日：2020-07-17
申请号：CN202010263736.3
申请日：2020-04-07
Applicant: 中国矿业大学
Abstract: 本发明公开了一种考虑热网储热特性的电热系统多时间尺度经济调度方法，首先，使用LSTM神经网络预测风电预测误差，将其引入并建立电热综合系统多时间尺度调度模型，将热网的储热特性和延时特性考虑到多时间尺度策略中，在日前调度和日内调度模型中利用热网储热特性和延时特性使得系统热出力不需要与热负荷实时平衡，从而平抑部分风电预测误差，在实时调度模型中，利用储能装置进一步减小风电预测误差对于电热系统的影响。这样不仅能降低弃风量，系统运行成本，还可以减小储能装置的容量。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
