一种计及大气污染的区域环境-电力系统协同优化方法

    公开(公告)号:CN113159402B

    公开(公告)日:2022-09-13

    申请号:CN202110368679.X

    申请日:2021-04-06

    摘要: 一种计及大气污染的区域环境‑电力系统协同优化方法,该方法先利用发电量与排污量的对应关系、污染物浓度与AQI的对应关系以及连续点源的高斯扩散模型计算区域内各机组发电对主要城市AQI的综合影响系数,再建立时空污染坐标系,按AQI预测值大小将时空点划分为核心点和非核心点,分别计算核心点AQI受区域内机组发电影响的阈值、非核心点AQI受区域内机组发电影响的控制系数,然后建立以购电成本最小、非核心点AQI受区域内机组发电综合影响最小为目标的优化模型,接着采用NSGA‑II算法对优化模型进行求解,最后基于模糊集理论选择最优折中解作为最优输出结果,即各机组分时段的输出功率。本设计有效缓解了空气污染。

    一种协调多种时间尺度的跨省区电量库交易方法

    公开(公告)号:CN112257994A

    公开(公告)日:2021-01-22

    申请号:CN202011067985.1

    申请日:2020-10-08

    IPC分类号: G06Q10/06 G06Q40/04 G06Q50/06

    摘要: 本发明公开了一种协调多种时间尺度的跨省区电量库交易方法,属于电力市场交易理论与方法研究领域。本发明综合考虑了电量库交易中多个成员省份的电力供需情况、跨省区外购电的运输及供给情况、调峰资源和正负调节能力差异等因素,实现了多约束下的跨省跨区电量库交易决策制定方法,能够使低成本电力和可再生能源电力在参与电量库交易的多省之间进行高效、合理、互利的再分配,促进省间电力的余缺互补,降低削峰填谷的成本,同时提高跨省输电通道的利用水平;本发明以月度电量库交易为主线和基准,保证电量库交易的提前规划与科学统筹,同时协调在月内灵活展开日前电量库交易和日内电量库交易,以进一步平抑负荷波动,实现电力余缺互补。

    一种协调多种时间尺度的跨省区电量库交易方法

    公开(公告)号:CN112257994B

    公开(公告)日:2024-02-09

    申请号:CN202011067985.1

    申请日:2020-10-08

    摘要: 本发明公开了一种协调多种时间尺度的跨省区电量库交易方法,属于电力市场交易理论与方法研究领域。本发明综合考虑了电量库交易中多个成员省份的电力供需情况、跨省区外购电的运输及供给情况、调峰资源和正负调节能力差异等因素,实现了多约束下的跨省跨区电量库交易决策制定方法,能够使低成本电力和可再生能源电力在参与电量库交易的多省之间进行高效、合理、互利的再分配,促进省间电力的余缺互补,降低削峰填谷的成本,同时提高跨省输电通道的利用水平;本发明以月度电量库交易为主线和基准,保证电量库交易的提前规划与科学统筹,同时协调在月内灵活展开日前电量库交易和日内电量库交易,以进一步平抑负荷波动,实现电力余缺互补。

    一种计及大气污染的区域环境-电力系统协同优化方法

    公开(公告)号:CN113159402A

    公开(公告)日:2021-07-23

    申请号:CN202110368679.X

    申请日:2021-04-06

    摘要: 一种计及大气污染的区域环境‑电力系统协同优化方法,该方法先利用发电量与排污量的对应关系、污染物浓度与AQI的对应关系以及连续点源的高斯扩散模型计算区域内各机组发电对主要城市AQI的综合影响系数,再建立时空污染坐标系,按AQI预测值大小将时空点划分为核心点和非核心点,分别计算核心点AQI受区域内机组发电影响的阈值、非核心点AQI受区域内机组发电影响的控制系数,然后建立以购电成本最小、非核心点AQI受区域内机组发电综合影响最小为目标的优化模型,接着采用NSGA‑II算法对优化模型进行求解,最后基于模糊集理论选择最优折中解作为最优输出结果,即各机组分时段的输出功率。本设计有效缓解了空气污染。

    一种基于强化解码器的电力负荷多步预测方法和装置

    公开(公告)号:CN116663709A

    公开(公告)日:2023-08-29

    申请号:CN202310497034.5

    申请日:2023-05-05

    摘要: 本发明公开了一种电力负荷多步预测方法和装置,属于电力负荷多步预测技术领域,其构建的初始预测模型包括预测网络和至少一个现有预测结构的基础网络,经过训练得到目标预测模型。将历史负荷序列输入目标预测模型,利用基础网络输出前一步负荷预测值,利用智能体从基础网络和解码器输出的前一步预测值中选出一个误差最小的,作为解码器执行本步预测任务的输入,从而解码得到本步的负荷预测值,按时步向后逐步解码得到未来多步的负荷预测值,形成多步预测结果;该方法能够减轻自回归机制导致的误差累计,还能够避免Teacherforcing机制导致的暴露偏差问题,最终能够降低预测误差,提高电力负荷多步预测精度。