一种基于数据驱动的电力系统闭环型预测-决策调度方法

    公开(公告)号:CN116050653A

    公开(公告)日:2023-05-02

    申请号:CN202310160847.5

    申请日:2023-02-23

    Abstract: 本发明提供一种基于数据驱动的电力系统闭环型预测‑决策调度方法,包括如下步骤:在数据处理阶段,采用标准回归系数进行特征提取以确定最相关的特征类别,并基于Wasserstein距离为下一阶段选择训练样本;在训练阶段,基于确定的特征类别与训练样本构建以机组组合经济性为预测评价指标的ERM模型,并采用拉格朗日分解算法求解,得到以机组组合经济性为导向的可再生能源预测器;在预测‑决策阶段中,将可再生能源预测器嵌入至传统机组组合模型,得到可以同时进行可再生能源预测与机组组合决策的预测‑决策模型。本发明能够在预测阶段考虑预测值对机组组合经济性的影响,提供以机组组合经济性为导向预测值,进而提高机组组合的经济性。

    基于LEAP模型结合改进LMDI分解模型的碳减排潜力评价方法

    公开(公告)号:CN117910818A

    公开(公告)日:2024-04-19

    申请号:CN202311686486.4

    申请日:2023-12-08

    Abstract: 本发明公开了一种基于LEAP模型结合改进LMDI分解模型的园区碳减排潜力评价方法,包括:采集煤、石油、天然气、电力、热力、非化石能源等能源的增加值、能源所占份额等数据;根据办公园区的经济总量、能耗强度、能源结构、能源碳强度和设备年平均碳排放量等因子利用LEAP模型计算CO2排放量;根据办公园区的碳减排规定、管理政策、绩效评价三个方面建立碳减排激励系统,计算激励因子;根据经济增加值增长、能源强度下降、能源结构优化、碳排放因子、激励因子,采用改进LMDI分解模型,计算碳排放变化量;根据各种能源增长份额、非化石能源总增长份额、能源碳排放因子、煤的碳排放因子,计算各种非化石能源占比提升相应的碳减排贡献。

    基于高斯过程回归的有源配电网运行态势感知方法及系统

    公开(公告)号:CN117081082B

    公开(公告)日:2024-01-23

    申请号:CN202311337948.1

    申请日:2023-10-17

    Abstract: 本发明提出了一种基于高斯过程回归的有源配电网运行态势感知方法及系统,基于高斯过程(GP)回归来学习节点电压作为有效母线负荷或负净注入向量的函数,采用解析函数形式定义了净负荷向量与节点电压之间的映射关系,利用GP对不同协方差函数之间的关系进行建模,得到近似解析函数在负荷的子空间上是有效的,并通过GP可解释性提供了对不确定性系统行为的理解,最后基于GP超参数定义的质量比(QR)来解释不同节点电压的相对变化程度,并将其应用于感知电压越限概率和主要电压影响因素排名中。

Patent Agency Ranking