-
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：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：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。
-
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：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。
-
Patent Agency Ranking
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：CN116451035A
公开(公告)日：2023-07-18
申请号：CN202310450686.3
申请日：2023-04-25
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学
IPC: G06F18/15 , G06F18/2433 , G06F18/243 , G06F18/214 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/082 , H02J3/00
Abstract: 本发明涉及一种提高分布式光伏预测精度的数据特征工程处理方法，包括：基于iForest算法进行初始数据识别；超分辨率重构‑双通道卷积神经网络进行数据重构，得到重构数据；通过皮尔逊相关系数将得到的重构数据进行相关性的分析；通过相关性的分析和格兰杰因果检验GCT找到最优时间偏移量输入进物理模型，将风速和风向进行变换和气象数据的归一化输入数据驱动模型进行处理。本发明中的物理模型的数据处理，专门用于处理场数据的时空相关性，最后引入特征生成技术来实现数据驱动模型的数据特征提取最大化；对缺失数据进行了识别差补，弥补了分布式光伏电站的数据缺失问题，因为该神经网络的双通道处理，差补的缺失数据与原有的相关性较高。
-
公开(公告)号：CN110796303B
公开(公告)日：2023-11-07
申请号：CN201911018674.3
申请日：2019-10-24
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学
IPC: G06Q10/04 , G06F18/23 , G06F18/214 , G06Q50/06
Abstract: 一种基于EWT和ODBSCAN的短期电力负荷预测方法，可解决单一的预测模型对于具有复杂变化及随机特性的负荷序列，预测难以获得理想的精度的技术问题。本发明提出基于EWT和ODBSCAN的组合预测方法，首先，采用EWT分解负荷，得到不同的固有模态分量；其次，采用合理的方法对各分量进行预测。其中，低频、中频分量采用IRF预测；高频分量具有不确定性，使用ODBSCAN根据气象因素温度和湿度聚类，再根据每类的样本特性选择处理方法。最后，叠加各个分量的预测结果，获取总的预测结果。根据某地市现场实测负荷数据进行实验，预测结果分别与EWT‑IRF、EWT‑RF、EMD‑IRF模型的预测结果进行对比，可以获得更高的预测精度，体现实际负荷的变化规律。
-
公开(公告)号：CN115271242A
公开(公告)日：2022-11-01
申请号：CN202210970798.7
申请日：2022-08-13
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学
Abstract: 本发明实施例公开了一种光伏发电功率预测模型的训练方法、预测方法、装置。按照天气类型，将待训练数据进行划分，得到多种划分后的待训练数据；将多种划分后的待训练数据输入预设的光伏功率集成预测模型Stacking TCN‑LGBM‑PM中；基于预设的光伏功率集成预测模型，对每种划分后的待训练数据进行计算，得到每种划分后的待训练数据对应的光伏功率；根据计算得到的每种划分后的待训练数据对应的光伏功率和每种划分后的待训练数据对应的标识光伏功率，对光伏功率集成预测模型进行训练，得到训练后的多种天气类型对应的光伏功率集成预测模型。解决了光伏发电功率预测精度过低的问题，提高了光伏发电功率的预测精度。
-
公开(公告)号：CN110490369A
公开(公告)日：2019-11-22
申请号：CN201910678862.2
申请日：2019-07-25
Applicant: 国网安徽省电力有限公司 , 国网安徽省电力有限公司电力科学研究院 , 安徽大学
Abstract: 一种基于EWT和LSSVM模型的短期电力负荷预测方法，可解决现有方法计算效率低、计算成本大的技术问题。包括以下步骤：S100：利用EWT分解原始电力负荷序列，获得不同频率下的IMF分量；S200：使用LSSVM建立各个IMF分量序列的负荷预测模型；S300：将各个负荷预测模型的预测结果相加，得到总的预测结果。本发明通过经验小波变换，既可以解决EMD存在的模态混叠问题，同时经过其分解得到更少的分量，降低计算规模。该方法是一种建立自适应小波的新方法，其通过提取出具有紧凑的支撑傅立叶谱的AM-FM分量，使用EWT分解不同模态相当于对傅立叶频谱进行分段并应用对应于每个检测到的支撑的一些滤波，提高预测精度。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.235 seconds)
