基于新能源预测的容抗器动作计划优化方法、装置及系统

    公开(公告)号:CN111478336B

    公开(公告)日:2022-11-04

    申请号:CN202010321954.8

    申请日:2020-04-22

    IPC分类号: H02J3/12

    摘要: 本发明公开了一种基于新能源预测的容抗器动作计划优化方法、装置及系统,所述方法包括获取多周期优化模型,所述多周期优化模型以节点电压控制偏差最小作为目标函数,以容抗器的分合状态作为决策变量;获取新能源场站日前设定时间区间内的功率预测数据,并带入所述多周期优化模型;通过线性规划求解所述多周期优化模型,获得容抗器动作计划。本发明中的多周期优化模型以电压控制偏差最小为目标,提前合理分配容抗器动作计划,使设备动作次数分段更加合理,更加符合电网运行趋势。应用本发明方法可制定出适应电网潮流趋势的容抗器动作计划,抑制电压大幅波动,并合理分配容抗器动作计划,支撑电力系统安全、经济运行。

    一种基于深度学习与弹性网正则化的电网网损计算方法

    公开(公告)号:CN109412152B

    公开(公告)日:2022-06-17

    申请号:CN201811329736.8

    申请日:2018-11-08

    IPC分类号: G06Q50/06 H02J3/00

    摘要: 本发明公开了一种基于深度学习与弹性网正则化的电网网损计算方法,采用统计法或者基于实时电网模型方法,前者工作量大,计算精度低,尤其是对大电网而言,实现难度较大,后者高度依赖电网自动化水平,如果调度自动化状态估计或者潮流计算合格率偏低,将严重影响其实用程度,加之在目前电网特性的不断改变,不确定性增强,网损计算愈加复杂,相较于这两种传统的网损计算方法,本方法从深度学习视角,利用自编码器技术对历史电网网损样本进行学习训练,从而得到一个网损计算模型,一方面可以实现对未来网损的预测,同时也可以进行不基于模型的网损计算,其样本可来自于实时数据或者仿真模型,大大提高了网损计算的效率和实用化程度。