一种基于混合储能与电动汽车的微网能量管理方法

    公开(公告)号:CN107769235B

    公开(公告)日:2021-07-20

    申请号:CN201710910023.X

    申请日:2017-09-29

    IPC分类号: H02J3/32 H02J3/38

    摘要: 一种基于混合储能与电动汽车的微网能量管理方法,属电网管理领域。其微网为分布式可再生能源的风光储并网型微网,所述的微网能量管理方法,将能量管理策略划分为削峰填谷阶段与功率波动抑制阶段;在削峰填谷阶段,依据风力、光伏等分布式可再生能源的发电预测与负荷预测技术,通过价格补贴的方式平移电动汽车慢充电时段,配合储能蓄电池的充放电以及微网联络线与外部大电网的功率交互,以此实现微网联络线功率的削峰填谷;在功率波动抑制阶段,考虑风力发电、光伏发电的出力波动性,同时计及电动汽车快充的大功率、高随机特性,由超级电容器与储能蓄电池组成混合储能系统,共同对微网联络线功率波动进行抑制;最终实现微网联络线的能量优化控制。

    一种基于互联网的并网型微网联合能量管理与控制方法

    公开(公告)号:CN107872068B

    公开(公告)日:2021-02-09

    申请号:CN201710910018.9

    申请日:2017-09-29

    IPC分类号: H02J3/32 H02J3/38

    摘要: 一种基于互联网的并网型微网联合能量管理与控制方法,属能源管理领域。其依据风力、光伏等分布式可再生能源的发电预测与负荷预测技术,制订初步的能量分配方案发布于互联网平台,根据用户反馈结果进行进一步的修正;配合储能蓄电池的充放电以及微网联络线与外部大电网的功率交互,实现微网联络线功率的削峰填谷和微网联络线的能量优化控制。针对微网中的储能系统,以电动汽车、蓄电池为代表的能量型储能元件参与微网的削峰填谷,在保证设备运行安全和系统稳定的前提下制定能量存储和释放控制策略。其能利用蓄电池进行调峰填谷,并配合以超级电容器为代表的功率型储能设备共同对微网联络线功率波动进行抑制,以平滑输出功率,提高电能质量。

    一种用于配电网故障预测的改进随机森林算法

    公开(公告)号:CN112085335A

    公开(公告)日:2020-12-15

    申请号:CN202010797428.9

    申请日:2020-08-10

    IPC分类号: G06Q10/06 G06Q50/06 G06K9/62

    摘要: 一种用于配电网故障预测的改进随机森林算法,属电力数据分析处理领域。其根据相关的电网运行数据源,随机森林在计算两个样本之间的相似度时,用生成的每一棵树对所有样本进行判别,每个样本都会落于该树的同一节点或不同个叶子节点;如果两个样本落在该树的同一个叶子节点上,则在相似度矩阵的相应位置加1;如果落在不同的叶子节点,根据叶子节点之间的路径距离与样本之间相似程度高低关系,确定相似度矩阵。其通过改进随机森林样本相似度的计算方法,充分考虑了叶子节点路径距离的度量,并且将改进的样本相似度用于馈线的月故障等级分类问题,能取得相比原有方法更好的分类效果,从而增加配电网馈线的月故障等级预测准确率。

    一种基于互联网的并网型微网联合能量管理与控制方法

    公开(公告)号:CN107872068A

    公开(公告)日:2018-04-03

    申请号:CN201710910018.9

    申请日:2017-09-29

    IPC分类号: H02J3/32 H02J3/38

    摘要: 一种基于互联网的并网型微网联合能量管理与控制方法,属能源管理领域。其依据风力、光伏等分布式可再生能源的发电预测与负荷预测技术,制订初步的能量分配方案发布于互联网平台,根据用户反馈结果进行进一步的修正;配合储能蓄电池的充放电以及微网联络线与外部大电网的功率交互,实现微网联络线功率的削峰填谷和微网联络线的能量优化控制。针对微网中的储能系统,以电动汽车、蓄电池为代表的能量型储能元件参与微网的削峰填谷,在保证设备运行安全和系统稳定的前提下制定能量存储和释放控制策略。其能利用蓄电池进行调峰填谷,并配合以超级电容器为代表的功率型储能设备共同对微网联络线功率波动进行抑制,以平滑输出功率,提高电能质量。

    一种用于配电网数据优化的特征选择方法

    公开(公告)号:CN112085619A

    公开(公告)日:2020-12-15

    申请号:CN202010797427.4

    申请日:2020-08-10

    摘要: 一种用于配电网数据优化的特征选择方法,属电力数据分析处理领域。根据相关数据源,量化配电网故障某类影响因素后使其成为故障特征变量;数据矩阵根据每个故障表达的平均值进行预处理和离散化;输出特征数量n由用户从外部提供,然后输入类别数据矩阵;对目标值A,按每个故障的相关性通过互信息最大化计算;然后对剩余的输出特征进行循环反复更新;将目标值B模型函数设定为特征相关性指标和冗余度指标之比,并使其最大化;依次循环分拣出得分最高的特征向量,直到筛选出的特征集范围延伸至事先确定的界限值,则输出最优特征子集,否则重复以上步骤。该技术方案能够有效地降低特征选择方法的复杂度,从而提高配电网故障数据分类准确性。