-
公开(公告)号：CN113962446A
公开(公告)日：2022-01-21
申请号：CN202111171016.5
申请日：2021-10-08
Applicant: 国网安徽省电力有限公司电力科学研究院 , 清华大学
Abstract: 本公开提出一种微电网群协同调度方法、装置、电子设备和存储介质，属于微电网群协同调度控制技术领域。本公开的微电网群中每个微电网包括：柴油发电机组、风电机组、储能装置和用电负荷，所述微电网之间将电动汽车集群作为移动储能。其中，所述方法包括：构建微电网群协同调度模型；将所述微电网群协同调度模型转换为对应的马尔可夫决策过程模型；利用SAC算法对所述马尔可夫决策过程模型进行优化，得到最优策略模型；根据所述最优策略模型输出所述微电网群的实时调度指令。本公开可以实现含电动车集群的微电网群协同调度，具有兼容性广、适应性强的特点。
-
公开(公告)号：CN114696351B
公开(公告)日：2024-10-18
申请号：CN202210243348.8
申请日：2022-03-11
Applicant: 国网安徽省电力有限公司电力科学研究院 , 清华大学
IPC: H02J3/32 , G06F30/27 , G06Q10/0631 , G06Q50/06 , G06F111/04
Abstract: 本发明提出一种电池储能系统动态优化方法、装置、电子设备和存储介质，属于电力系统运行和控制技术领域。其中，所述方法包括：将电池储能系统的能量状态、所述电池储能系统所在电网和大电网之间的交互功率、电价、所述电池储能系统所在电网和所述大电网交互的设定功率构成状态变量，将各节点发电机有功功率、所述电池储能系统的充电功率和放电功率构成动作变量，建立电池储能系统优化模型；构建关于状态变量和动作变量的奖励函数；求解优化模型求解，得到各时刻的所述动作变量即为所述电池储能系统的优化结果。本发明运速度快，可实现对电池储能实时优化，提高电网提供辅助服务的能力，提升电网的运行效率。
-
公开(公告)号：CN114172159B
公开(公告)日：2024-05-24
申请号：CN202111259659.5
申请日：2021-10-28
Applicant: 国网安徽省电力有限公司电力科学研究院 , 清华大学
Abstract: 本发明提供一种非完备模型下的配电网分布式无功优化方法及系统，其中方法包括：根据配电网潮流约束、含变压器支路约束建立配电网无功功率控制模型；将配电网无功功率控制模型的控制变量分配给多个智能体；基于Q‑learning方法的分布式RL算法，对多个智能体进行训练，获得每个智能体的分布式/局部奖励信号；基于平均共识算法对每个智能体的分布式/局部奖励信号进行共享；每个训练好的智能体根据分布式/局部奖励信号生成Q值表；根据各智能体Q值表生成控制信号，实现配电网分布式无功功率的控制。本发明克服了集中式算法的缺点，将平均共识算法和Q‑learning方法的分布式RL算法相结合，实现了智能体之间的信息共享，应用灵活，易于适应环境的变化。
-
公开(公告)号：CN114172159A
公开(公告)日：2022-03-11
申请号：CN202111259659.5
申请日：2021-10-28
Applicant: 国网安徽省电力有限公司电力科学研究院 , 清华大学
Abstract: 本发明提供一种非完备模型下的配电网分布式无功优化方法及系统，其中方法包括：根据配电网潮流约束、含变压器支路约束建立配电网无功功率控制模型；将配电网无功功率控制模型的控制变量分配给多个智能体；基于Q‑learning方法的分布式RL算法，对多个智能体进行训练，获得每个智能体的分布式/局部奖励信号；基于平均共识算法对每个智能体的分布式/局部奖励信号进行共享；每个训练好的智能体根据分布式/局部奖励信号生成Q值表；根据各智能体Q值表生成控制信号，实现配电网分布式无功功率的控制。本发明克服了集中式算法的缺点，将平均共识算法和Q‑learning方法的分布式RL算法相结合，实现了智能体之间的信息共享，应用灵活，易于适应环境的变化。
-
公开(公告)号：CN113962446B
公开(公告)日：2024-06-07
申请号：CN202111171016.5
申请日：2021-10-08
Applicant: 国网安徽省电力有限公司电力科学研究院 , 清华大学
IPC: H02J3/46 , G06Q10/04 , G06Q10/0631 , G06Q50/06 , G06N3/045 , G06N3/084 , G06N3/092 , G06N7/01 , H02J3/06 , H02J3/28 , H02J3/32 , H02J3/00
Abstract: 本公开提出一种微电网群协同调度方法、装置、电子设备和存储介质，属于微电网群协同调度控制技术领域。本公开的微电网群中每个微电网包括：柴油发电机组、风电机组、储能装置和用电负荷，所述微电网之间将电动汽车集群作为移动储能。其中，所述方法包括：构建微电网群协同调度模型；将所述微电网群协同调度模型转换为对应的马尔可夫决策过程模型；利用SAC算法对所述马尔可夫决策过程模型进行优化，得到最优策略模型；根据所述最优策略模型输出所述微电网群的实时调度指令。本公开可以实现含电动车集群的微电网群协同调度，具有兼容性广、适应性强的特点。
-
Patent Agency Ranking
公开(公告)号：CN114696351A
公开(公告)日：2022-07-01
申请号：CN202210243348.8
申请日：2022-03-11
Applicant: 国网安徽省电力有限公司电力科学研究院 , 清华大学
IPC: H02J3/32 , G06F30/27 , G06Q10/06 , G06Q50/06 , G06F111/04
Abstract: 本发明提出一种电池储能系统动态优化方法、装置、电子设备和存储介质，属于电力系统运行和控制技术领域。其中，所述方法包括：将电池储能系统的能量状态、所述电池储能系统所在电网和大电网之间的交互功率、电价、所述电池储能系统所在电网和所述大电网交互的设定功率构成状态变量，将各节点发电机有功功率、所述电池储能系统的充电功率和放电功率构成动作变量，建立电池储能系统优化模型；构建关于状态变量和动作变量的奖励函数；求解优化模型求解，得到各时刻的所述动作变量即为所述电池储能系统的优化结果。本发明运速度快，可实现对电池储能实时优化，提高电网提供辅助服务的能力，提升电网的运行效率。
-
公开(公告)号：CN118842000A
公开(公告)日：2024-10-25
申请号：CN202410742204.6
申请日：2024-06-11
Applicant: 清华大学
Abstract: 本申请提出了一种考虑多逆变器协调的无模型自适应动态电压控制方法，涉及电力系统运行技术领域，其中，该方法包括：建立新能源集群动态电压控制的数据驱动动态线性化模型；通过新能源集群的量测装置获取在线量测数据，并基于在线量测数据、通过块更新递归最小二乘法，实时更新数据驱动动态线性化模型；基于实时更新的数据驱动动态线性化模型，以迭代形式计算新能源集群协调控制器的动态协调控制指令，并基于迭代生成的动态协调控制指令实现自适应动态电压控制。采用上述方案的本发明实现了对电力系统的自适应性的动态电压控制。
-
公开(公告)号：CN118659357A
公开(公告)日：2024-09-17
申请号：CN202410738737.7
申请日：2024-06-07
Applicant: 清华大学 , 港华能源投资有限公司
Abstract: 本申请提出一种基于数据驱动随机模型预测的电网控制方法及系统，所述方法包括：获取电网中各节点光伏电站在历史时段内各时刻的有功功率预测误差值、当前时刻电网的预测输入向量、待优化控制时段内各时刻的负荷及可再生能源发电的预测值；构建基于随机模型预测控制的电网优化控制模型；估计所述电网的分段线性回归模型，然后确定各分段线性回归模型对应的分离系数和回归系数；确定当前时刻电网的预测输入向量对应的回归系数；对电网优化控制模型进行求解，得到最优控制序列，并基于控制序列对电网进行控制。本申请提出的技术方案，提高了可再生能源出力不确定和模型不完备场景下电网电压功率控制的效率、安全性、灵活性，优化电网运行。
-
公开(公告)号：CN113489015B
公开(公告)日：2024-01-26
申请号：CN202110672200.1
申请日：2021-06-17
Applicant: 清华大学
Abstract: 本发明提出一种基于强化学习的配电网多时间尺度无功电压控制方法，属于电力系统运行和控制技术领域。该方法根据配电网慢速离散设备与快速连续设备的无功电压控制目标，构建配电网多时间尺度无功电压控制优化模型；基于该模型，构建基于双层马尔科夫决策过程的分层交互训练框架，为慢速离散设备和快速连续设备分别设置对应智能体；各智能体根据输入的量测信息决策所控对应设备的动作值，实现多时间尺度的无功电压控制，同时两智能体进行持续在线学习。本发明特别适合模型不完备问题严重的配电网使用，既节省重复维护精确模型的高昂成本，
-
公开(公告)号：CN111666713A
公开(公告)日：2020-09-15
申请号：CN202010413883.4
申请日：2020-05-15
Applicant: 清华大学
Abstract: 本发明提供了一种电网无功电压控制模型训练方法，所述方法包括：建立电网仿真模型；根据电网无功电压控制目标，建立无功电压优化模型；结合电网仿真模型和无功电压优化模型，搭建基于对抗马尔科夫决策过程的交互训练环境；通过联合对抗训练算法训练电网无功电压控制模型；将训练后的电网无功电压控制模型迁移到在线系统。本发明所训练得到的电网无功电压控制模型，相较于传统方法，具备可迁移的特性，可以直接用于在线电网无功电压控制。相较于现有的基于强化学习的电网优化方法，本发明的在线控制训练成本与安全隐患大幅降低，更适合部署在实际电网系统中。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.071 seconds)
