-
公开(公告)号：CN114938030B
公开(公告)日：2024-08-06
申请号：CN202210685339.4
申请日：2022-06-15
Applicant: 华北电力大学
Abstract: 本发明公开了一种电‑热综合能源系统不良数据处理方法及装置，该方法包括以下步骤：利用历史量测数据和最小二乘法，分别计算从支路量测到节点注入量测的线性映射矩阵以及从节点注入量测到支路量测的线性映射矩阵；分别计算四个不良数据辨识指标，并根据辨识指标的值辨识出不良数据的具体位置；辨识得到不良数据所在位置后，利用剩余正确量测数据以及最小二乘法实现对不良数据的替换。算例分析表明，当前量测断面不良数据检测与替换方法对电‑热综合能源系统具有良好的适应性。仿真算例验证了所提方法具有较高的不良数据辨识精度，以及较高的不良数据替换精度，适合于大规模网络的在线应用。
-
公开(公告)号：CN113420508A
公开(公告)日：2021-09-21
申请号：CN202110770004.8
申请日：2021-07-07
Applicant: 华北电力大学
Abstract: 本发明公开了一种基于LSTM的机组组合计算方法，使用MinMaxScaler归一化方法和K‑means聚类算法对历史数据进行处理，并构建预调度模型和再调度模型，通过两步深度学习得到次日的机组组合计划。所提出的深度学习模型采用LSTM神经网络，通过学习大量的历史数据，模型训练完成后得出机组组合映射关系。在实时决策中，调用训练好的深度学习模型，即可直接得到机组组合计划，无需通过复杂的物理模型计算。第一步，输入负荷的预测数据，得到机组启停状态；第二步，输入机组启停状态和负荷的预测数据，得到机组出力。
-
公开(公告)号：CN113408648B
公开(公告)日：2024-08-23
申请号：CN202110770017.5
申请日：2021-07-07
Applicant: 华北电力大学
IPC: G06F30/20
Abstract: 本发明提供了一种结合深度学习的机组组合计算方法，首先，对大量的历史数据进行预处理；接着构建深度学习模型得出机组启停状态，将机组启停状态输入到优化程序中，得到次日的机组组合计划。所提出的深度学习模型采用LSTM神经网络，通过学习大量的历史数据，模型训练完成后得出映射关系。在实时决策中，调用训练好的深度学习模型，即可直接得到机组启停状态；并将结果代入到机组组合优化程序中，较传统机组组合模型减少了计算量。实验结果表明，根据本发明所公开的机组组合计算方法，能够达到较高的计算精度，且提升了求解速度。
-
公开(公告)号：CN113673853B
公开(公告)日：2024-03-05
申请号：CN202110922983.4
申请日：2021-08-12
Applicant: 华北电力大学
IPC: G06F18/27 , G06F18/2135 , G06Q50/06
Abstract: 本发明公开了一种基于数据驱动的电‑热综合能源系统状态估计方法通过对历史状态估计数据进行整理，得到历史量测量数据和历史状态变量数据，并对历史状态变量进行非线性变换，得到历史辅助状态变量；按照不同的系统进行分类，分别得到电力系统和热力系统的历史数据；将非线性的状态估计模型变换为线性的状态估计模型，再利用偏最小一乘法和最小一乘法，分别对电力系统和热力系统的历史状态估计数据进行线性状态估计模型的回归学习，得到基于数据驱动的电‑热综合能源系统状态估计模型；最后，将当前量测量作为模型的输入，得到模型输出后，对其进行线性与非线性变换后，最终得到状态变量估计值。
-
公开(公告)号：CN116797401A
公开(公告)日：2023-09-22
申请号：CN202310610280.7
申请日：2023-05-26
Abstract: 本发明公开了属于电‑热综合能源系统调度自动化技术领域，特别涉及基于SOCP的电‑热综合能源系统抗差状态估计方法，包括：对状态变量进行双线性变换，将非线性的状态估计模型变换为线性的状态估计模型；构造基于SOCP的电‑热综合能源系统分布式抗差状态估计模型，利用ADMM方法求解，所得结果通过线性变换与非线性变换得到最终状态变量估计值。本方法适用于综合能源系统分布式状态估计，算例分析表明能够对电‑热综合能源系统进行分布式高精度、高计算效率的状态估计，加入电力系统辅助状态变量的二阶锥约束，弥补量测冗余度损失，对于电力系统状态变量的估计精度极高；同时算例结果验证本方法具备较好的抗差性。
-
Patent Agency Ranking
公开(公告)号：CN114943473A
公开(公告)日：2022-08-26
申请号：CN202210685349.8
申请日：2022-06-15
Applicant: 华北电力大学 , 中国电力科学研究院有限公司
Abstract: 本发明公开了一种热电联产机组热电解耦规划方法、装置及存储介质，该方法包括以下步骤：首先搭建电价型需求响应模型优化负荷曲线，电源侧构建改进轻鲁棒优化模型处理风电出力不确定性；然后对CHP运行区域及热电解耦后热电机组运行特性进行建模；接着构建多CHP机组热电解耦协调规划方案模型，规划模型为以多CHP机组热电解耦改造容量之和最大和解耦后运行成本最低为目标并包括约束条件；最后基于步骤A、B所建立的多CHP机组热电解耦规划模型，对CHP机组和纯凝机组成本函数进行线性化以提高计算效率。算例分析表明，考虑到热电解耦改造成本的CHP双目标规划解耦方案能够大幅增进系统调峰能力，实现风电全额消纳的目标。
-
公开(公告)号：CN114938030A
公开(公告)日：2022-08-23
申请号：CN202210685339.4
申请日：2022-06-15
Applicant: 华北电力大学
Abstract: 本发明公开了一种电‑热综合能源系统不良数据处理方法及装置，该方法包括以下步骤：利用历史量测数据和最小二乘法，分别计算从支路量测到节点注入量测的线性映射矩阵以及从节点注入量测到支路量测的线性映射矩阵；分别计算四个不良数据辨识指标，并根据辨识指标的值辨识出不良数据的具体位置；辨识得到不良数据所在位置后，利用剩余正确量测数据以及最小二乘法实现对不良数据的替换。算例分析表明，当前量测断面不良数据检测与替换方法对电‑热综合能源系统具有良好的适应性。仿真算例验证了所提方法具有较高的不良数据辨识精度，以及较高的不良数据替换精度，适合于大规模网络的在线应用。
-
公开(公告)号：CN113609435B
公开(公告)日：2024-11-15
申请号：CN202110922962.2
申请日：2021-08-12
Applicant: 华北电力大学
Abstract: 本发明公开了一种基于数据驱动的电力系统潮流计算方法，通过引入辅助状态变量，将原始非线性潮流方程转化为精确线性潮流方程，进一步表示为准确线性回归方程。在求解之前给出判断当前潮流数据与历史/模拟数据是否有相同拓扑结构的步骤方法。最后给出离线学习步骤方法求解线性回归方程，得到映射矩阵，给出在线计算步骤方法得到辅助状态变量，通过非线性和线性变换得到状态变量。本发明所述潮流计算方法没有收敛问题，在保证相似计算精度的情况下，计算效率远远高于传统牛顿‑拉夫逊法和快速分解法，适合于大规模网络的在线应用。
-
公开(公告)号：CN113420508B
公开(公告)日：2024-02-27
申请号：CN202110770004.8
申请日：2021-07-07
Applicant: 华北电力大学
IPC: G06F30/27 , G06F18/23213 , G06N3/0442 , G06N3/048 , G06N3/084 , H02J3/46 , H02J3/00
Abstract: 本发明公开了一种基于LSTM的机组组合计算方法，使用MinMaxScaler归一化方法和K‑means聚类算法对历史数据进行处理，并构建预调度模型和再调度模型，通过两步深度学习得到次日的机组组合计划。所提出的深度学习模型采用LSTM神经网络，通过学习大量的历史数据，模型训练完成后得出机组组合映射关系。在实时决策中，调用训练好的深度学习模型，即可直接得到机组组合计划，无需通过复杂的物理模型计算。第一步，输入负荷的预测数据，得到机组启停状态；第二步，输入机组启停状态和负荷的预测数据，得到机组出力。
-
公开(公告)号：CN115936699A
公开(公告)日：2023-04-07
申请号：CN202211147909.0
申请日：2022-09-20
Applicant: 华北电力大学
Abstract: 本发明提供了一种含优化匹配功能的分布式储能线上共享交易方法，该方法包括以下步骤：建立含市场租金的分布式储能智能合约模型，建立含优化匹配功能的管理员智能合约模型，利用以太坊区块链技术将智能合约上链；承租方提交储能设备需求信息，经过优化匹配链上海量设备，自动反馈相关设备信息；承租方从反馈信息中自主决策更具性价比的储能设备，发送交易指令完成控制权转移；承租方远程操控进行充放电操作，交易时效结束后控制权自动回归，交易资金转移至出租方。本发明解决了目前分布式储能新型P2P共享服务存在的效率偏低、安全隐私性差、未考虑交易优化匹配等问题。同时，本发明在较大用户规模下具有经验证的可行高效性。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.031 seconds)
