-
公开(公告)号:CN116233895B
公开(公告)日:2023-07-18
申请号:CN202310490208.5
申请日:2023-05-04
申请人: 合肥工业大学 , 国网安徽省电力有限公司滁州供电公司 , 国网安徽省电力有限公司
摘要: 本发明公开了一种基于强化学习的配网5G通信节点优化方法、设备及介质,该方法包括:1、从5G配网中获取节点的位置以及发射功率;2、建立5G配网强化学习模型,其中,强化学习模型由策略体和执行体组成;3、利用演员—评论家AC算法训练5G配网强化学习模型。本发明能保证信息高利用率和无线通信的实时性需求,并能找出5G配网节点最优的发射功率,从而能确保配网可以安全高效的运行。
-
公开(公告)号:CN116014795A
公开(公告)日:2023-04-25
申请号:CN202310015397.0
申请日:2023-01-05
申请人: 合肥工业大学 , 国网安徽省电力有限公司滁州供电公司 , 国网安徽省电力有限公司 , 安徽尚特杰电力技术有限公司
摘要: 本发明公开了一种主动配网中分布式发电系统的鲁棒控制方法、设备及介质,包括:针对主动配网中分布式发电系统,等效负荷发生变化导致系统模型跳变,并考虑传感器和执行器因故障发生失真和偏移,以及受到外界扰动的情况,建立离散时间主动配网中分布式发电系统模型,再构造Lyapunov函数,得到主动配网中分布式发电系统随机稳定和鲁棒控制器存在的充分条件;最后,通过不断减小稳定性条件中扰动抑制率γ,计算保证系统稳定对应的控制器增益矩阵Ki,当扰动抑制率γ最小且系统稳定时,得到最优的控制器增益矩阵Ki*。本发明能提高控制系统对扰动的鲁棒性,从而保证主动配网中分布式发电系统安全稳定运行。
-
公开(公告)号:CN116154872A
公开(公告)日:2023-05-23
申请号:CN202310374222.9
申请日:2023-04-10
申请人: 合肥工业大学 , 国网安徽省电力有限公司滁州供电公司 , 国网安徽省电力有限公司
摘要: 本发明公开了一种适应功率需求变化的孤岛微电网分布式实时调度方法,包括:每个分布式电源的上层调度单元都实时地计算当地的输出功率增量,并计算实时的优化梯度值,再通过分布式通信得到相邻上层调度单元的优化梯度值,然后利用分布式实时调度算法依次计算目标优化量、约束优化量和对偶变量,最后将得到的约束优化量作为功率参考值输出给底层控制系统,并循环执行控制步骤。本发明能够根据微电网中实时的功率需求及时调整调度结果,实时跟踪动态的最优结果,为各分布式电源的底层控制系统提供实时的最优输出功率参考值,从而降低微电网的整体能源消耗以及各分布式电源之间的通信频次。
-
公开(公告)号:CN115935262A
公开(公告)日:2023-04-07
申请号:CN202310013039.6
申请日:2023-01-05
申请人: 合肥工业大学 , 国网安徽省电力有限公司滁州供电公司 , 国网安徽省电力有限公司 , 安徽尚特杰电力技术有限公司
IPC分类号: G06F18/241 , G06F18/214 , G06Q50/06
摘要: 本发明公开了一种图数据驱动的配电网拓扑辨识方法、电子设备及存储介质,该方法包括:1、将配电网中的所有母线单元作为节点,所有的线路作为边,获取配电网的拓扑图;2、获取并预处理母线单元的输出电压和断路器状态数据,并作为训练样本的输入与输出;3、构建小波线图注意力网络并初始化网络参数;4、训练小波线图注意力网络并保存训练完成的网络模型;5、以母线单元实时的电压序列作为输入,利用ARMA模型预测缺失的母线单元电压序列后,通过训练完成的网络模型计算断路器状态,实现配电网拓扑辨识。本发明能获得更加精确的配电网运行拓扑信息;且能让拓扑辨识的计算效率能满足实时性要求,从而使配电网运行拓扑的辨识过程更智能。
-
公开(公告)号:CN118468709A
公开(公告)日:2024-08-09
申请号:CN202410607189.4
申请日:2024-05-16
申请人: 国网安徽省电力有限公司滁州供电公司 , 合肥工业大学
IPC分类号: G06F30/27 , H02J3/38 , H02J3/48 , H02J3/50 , G06F30/18 , G06N3/126 , G06F18/23213 , G06F111/04 , G06F113/04
摘要: 本发明公开了一种以弃光率作为约束的分布式光伏最大接入容量评估方法,包括:1,构建以分布式光伏接入总容量最大及配电网线路有功功率损耗最小为目标的目标函数,2,构建标准化后目标函数,3,建立目标函数的约束条件,从而得到配电网分布式光伏PV的最大接入容量模型,4,采用基于改进的k‑means聚类算法对分布式光伏PV的运行场景进行缩减,5,对潮流方程及线路容量约束进行线性化,6,利用自适应遗传算法对线性化后的分布式光伏PV的最大接入容量模型进行求解,得到分布式光伏接入的最优节点和容量,本发明能有效提升分布式光伏的接入容量。
-
公开(公告)号:CN116400172A
公开(公告)日:2023-07-07
申请号:CN202310595273.4
申请日:2023-05-22
申请人: 合肥工业大学 , 国网安徽省电力有限公司滁州供电公司 , 国网安徽省电力有限公司
IPC分类号: G01R31/08
摘要: 本发明公开一种基于随机矩阵的云边协同配电网故障检测方法及系统,所述方法包括采集当前时刻的配电网数据;利用神经网络模型对所述配电网数据进行处理,计算实际值与预测值之间的误差,神经网络模型部署在边缘设备中;基于误差判断当前时刻配电网是否发生故障;若否,则将当前时刻的配电网数据重新输入至所述神经网络模型;若是,则将当前时刻的配电网数据上传至区域主站;在区域主站中,基于随机矩阵,融合配电网历史数据和所述边缘设备上传的实时故障数据,对故障进行定位分析;本发明在边缘侧使用神经网络进行故障初步分析,在云端利用基于随机矩阵的方法来进行集中分析,提高了故障定位速度和准确度。
-
公开(公告)号:CN118332437A
公开(公告)日:2024-07-12
申请号:CN202410492361.6
申请日:2024-04-23
申请人: 国网安徽省电力有限公司滁州供电公司 , 合肥工业大学
IPC分类号: G06F18/2415 , G06F18/15 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G01R31/08 , G06F123/02
摘要: 本发明公开了一种考虑图卷积神经网络节点相关性的配电网故障定位方法,包括:1将配电网的电气节点和电力连接线抽象为由顶点和边组成的图结构;2测量故障发生前、后电气节点的电压值;3采用改进的K近邻补全算法对缺失数据进行补全;4通过补全特征数据计算两两节点之间的余弦相似度,然后与邻接矩阵各元素相乘得到相关性矩阵;5根据相关性矩阵,设置最大聚合邻居个数以及相关性阈值,得到相关性筛选矩阵,用来计算该层图卷积神经网络的特征矩阵,每经过一层图卷积神经网络后更新相关性矩阵和相关性筛选矩阵;6最后一层图卷积神经网络的输出特征矩阵输入到softmax层后,得到故障发生的位置信息。本发明能提高故障定位的精度。
-
公开(公告)号:CN116233895A
公开(公告)日:2023-06-06
申请号:CN202310490208.5
申请日:2023-05-04
申请人: 合肥工业大学 , 国网安徽省电力有限公司滁州供电公司 , 国网安徽省电力有限公司
摘要: 本发明公开了一种基于强化学习的配网5G通信节点优化方法、设备及介质,该方法包括:1、从5G配网中获取节点的位置以及发射功率;2、建立5G配网强化学习模型,其中,强化学习模型由策略体和执行体组成;3、利用演员—评论家AC算法训练5G配网强化学习模型。本发明能保证信息高利用率和无线通信的实时性需求,并能找出5G配网节点最优的发射功率,从而能确保配网可以安全高效的运行。
-
公开(公告)号:CN115935262B
公开(公告)日:2023-05-12
申请号:CN202310013039.6
申请日:2023-01-05
申请人: 合肥工业大学 , 国网安徽省电力有限公司滁州供电公司 , 国网安徽省电力有限公司 , 安徽尚特杰电力技术有限公司
IPC分类号: G06F18/241 , G06F18/214 , G06Q50/06
摘要: 本发明公开了一种图数据驱动的配电网拓扑辨识方法、电子设备及存储介质,该方法包括:1、将配电网中的所有母线单元作为节点,所有的线路作为边,获取配电网的拓扑图;2、获取并预处理母线单元的输出电压和断路器状态数据,并作为训练样本的输入与输出;3、构建小波线图注意力网络并初始化网络参数;4、训练小波线图注意力网络并保存训练完成的网络模型;5、以母线单元实时的电压序列作为输入,利用ARMA模型预测缺失的母线单元电压序列后,通过训练完成的网络模型计算断路器状态,实现配电网拓扑辨识。本发明能获得更加精确的配电网运行拓扑信息;且能让拓扑辨识的计算效率能满足实时性要求,从而使配电网运行拓扑的辨识过程更智能。
-
公开(公告)号:CN117880984A
公开(公告)日:2024-04-12
申请号:CN202410087986.4
申请日:2024-01-22
申请人: 国网安徽省电力有限公司滁州供电公司 , 合肥工业大学
IPC分类号: H04W72/1268 , H04W72/541 , H04B17/345 , H04B17/391
摘要: 本发明公开了一种基于干扰预测的主动配电网上行链路5G通信资源分配方法,包括:1、建立主动配电网上行链路5G通信模型;2、根据干扰历史数据建立干扰预测模型,并对数据传输过程中的干扰进行预测;3、根据干扰预测值确定主动配电网上行链路5G通信网络数据传输过程中的平均信噪比和数据包发射功率;4、根据发射功率,对上行链路5G通信网络数据传输过程中通信资源分配问题进行建模;5、将资源分配模型转换成MDP模型;6、根据资源分配MDP模型,采用基于DDQN的深度强化学习算法训练模型。本发明能让主动配电网上行链路5G网络通信资源分配更加合理;且满足实时性的要求,从而使主动配电网上行链路的数据传输过程更加智能。
-
-
-
-
-
-
-
-
-