公开(公告)号：CN117541069A

公开(公告)日：2024-02-09

申请号：CN202311247556.6

申请日：2023-09-25

Applicant: 四川大学

Inventor： 邱高 ,  刘友波 ,  刘俊勇 ,  彭浩晋

IPC: G06Q10/0637 ,  G06Q50/06 ,  G06F18/241 ,  G06F18/23213 ,  G06N3/0499

Abstract: 本发明涉及一种数据驱动的断面分级条件限额规则生成及其控制方法，属于新能源电网技术领域，本发明针对工程实用化需求，设计了基于无监督学习的断面限额分档定级框架，避免了断面输电能力计算维度高、非线性强、时效性严重不足问题，降低了基础数据源获取难度，同时通过分析得到了多断面限额保守性定档的有效规则，并结合代价敏感学习得到更精细安全的断面限额决策机制，构建嵌入断面限额规则约束的经济调度模型，在IEEE39系统验证了本发明在断面资源挖潜和改善新能源消纳的可行性。

公开(公告)号：CN119093377A

公开(公告)日：2024-12-06

申请号：CN202411169068.2

申请日：2024-08-23

Applicant: 四川大学 ,  国家电网有限公司西南分部 ,  北京科东电力控制系统有限责任公司

Inventor： 邱高 ,  杨梅 ,  刘俊勇 ,  刘凯 ,  周全 ,  文旭 ,  杨洋 ,  彭浩晋 ,  高春成

IPC: H02J3/06 ,  H02J3/48 ,  H02J3/50 ,  H02J3/46 ,  H02J3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及电网最优潮流技术领域，具体公开了基于神经网络和增广拉格朗日的交流最优潮流求解方法，包括以下步骤：步骤S1：建立交流最优潮流模型；步骤S2：基于增广拉格朗日方法ALM，通过松弛变量和对偶变量将交流最优潮流模型的不等式约束转化为等式约束，构建增广拉格朗日函数；步骤S3：采用神经网络对ACOPF问题进行参数化建模，实现输入条件到ACOPF解的映射；步骤S4：将增广拉格朗日函数作为损失函数，嵌入到神经网络的训练过程中，通过最小化损失函数来训练神经网络；步骤S5：利用训练好的神经网络实现ACOPF问题的快速求解。本发明的优点是将交流最优潮流拉格朗日函数作为损失函数驱动神经网络训练，最终实现交流最优潮流快速计算。