-
公开(公告)号：CN112018778A
公开(公告)日：2020-12-01
申请号：CN202011100407.3
申请日：2020-10-15
申请人： 国网江苏省电力有限公司电力科学研究院 , 南京南瑞继保电气有限公司 , 全球能源互联网研究院有限公司 , 河海大学 , 江苏省电力试验研究院有限公司
摘要： 本发明提供一种适于含多种FACTS控制器的电网潮流控制方法，包括步骤：①建立基于两阶段DNN学习框架的数据驱动潮流控制模型：②针对含单一或多种FACTS控制器的电网系统取得越限信息和潮流有效数据；③优化计算含FACTS控制器的电网系统在不同越限故障工况下节点参与校正状态及节点校正量；④对两阶段DNN学习框架的数据驱动潮流控制模型进行训练和精度检验；⑤工程应用时将含多种FACTS控制器的电网实际故障信息代入步骤④所得的模型求解系统安全校正策略。本发明在能够规避现有物理模型方法的迭代计算，保障校正策略最优的前提下，大幅度提高学习效率，同时能有效适用含一种或多种多种FACTS控制器的电网潮流控制。
-
公开(公告)号：CN117610845B
公开(公告)日：2024-10-01
申请号：CN202311600889.2
申请日：2023-11-27
申请人： 河海大学
IPC分类号： G06Q10/0631 , G06Q50/06 , G06F17/10
摘要： 本发明公布了一种计及网络动态特性的电‑热‑氢综合能源系统优化调度方法，该方包括如下步骤：考虑热力网络动态特性和输氢网络动态特性，基于电力系统模型、动态热力系统模型、动态输氢系统模型与耦合设备模型，建立计及网络动态特性的电‑热‑氢综合能源系统运行约束。其次，以综合能源系统总能源消耗量最小为目标函数，建立计及网络特性的电‑热‑氢综合系统优化调度模型，对电力系统、热力系统及输氢系统进行联合调度。利用CPLEX求解器进行求解，得到最优调度结果。本发明通过在综合能源系统优化调度中考虑能源网络动态特性，挖掘能源网络的储能潜力，不仅能够降低综合能源系统总能源消耗量，还能够提高综合能源系统运行的灵活性。
-
公开(公告)号：CN117634994B
公开(公告)日：2024-05-28
申请号：CN202311600683.X
申请日：2023-11-27
申请人： 河海大学
IPC分类号： G06Q10/067 , G06Q50/06 , G06Q50/26
摘要： 本发明公开了一种考虑数据中心和氢能系统余热回收的城市综合能源系统规划方法，1)构建数据中心和氢能系统余热回收模型；2)结合余热回收模型，建立考虑数据中心和氢能系统余热回收的城市综合能源系统规划模型的目标函数；3)结合余热回收模型，建立考虑数据中心和氢能系统余热回收的城市综合能源系统规划模型的约束条件，包括规划决策约束、功率平衡约束、储能运行约束、热泵运行约束、风光出力约束、配电网运行约束、配气网运行约束、配热网运行约束；4)求解考虑数据中心和氢能系统余热回收的城市综合能源系统规划模型，得到规划方案。
-
公开(公告)号：CN117200265B
公开(公告)日：2024-05-28
申请号：CN202310939867.2
申请日：2023-07-27
申请人： 河海大学
IPC分类号： H02J3/28 , H02J15/00 , H02J3/38 , C25B9/65 , C25B1/02 , G06F30/20 , G06Q50/06 , G06F111/04 , G06F113/04
摘要： 本发明提出了一种考虑不确定性故障的海上电氢系统容量规划方法，构建考虑设备容量规划、系统正常运行与系统故障运行的海上电氢系统容量规划模型的目标函数；建立了燃料电池、电解槽与输电线的设备故障模型，设置海上电氢系统的故障不确定集合；构建海上电氢系统容量规划模型的约束条件；写出容量规划模型的线性化形式，并转换为对偶形式；采用嵌套列约束生成算法对该模型进行求解，得到优化后的容量规划结果。本发明在传统的海上风电系统的基础上添加了氢能系统，增加了风电消纳途径，并在风电间歇期提供了额外的供电来源，提升了系统稳定性。
-
公开(公告)号：CN116777066B
公开(公告)日：2024-01-23
申请号：CN202310756434.3
申请日：2023-06-26
申请人： 河海大学
摘要： 本发明公开了一种基于地基云图引导深度分解的光伏功率概率预测方法及装置，属于新能源开发和利用技术领域。所述方法包括：云图引导分解阶段：首先对原始地基云图流分别实施通道注意力和空间注意力，得到云图特征编码，其次应用云图导向深度分解方法，分解得到光伏功率趋势分量和周期分量；基于密度的预测场景辨识阶段：通过半监督聚类方法对隐特征进行聚类，得到光伏功率场景辨识信息；灵活场景求解阶段：采用滚动采样‑预测结构，通过分位数回归‑混合高斯模型得到高分辨率的光伏功率概率预测结果。本发明可应用于部署全天空成像仪的光伏电站，获得高精度超短期光伏功率概率预测结果，满足电网监控与经济安全调控的需求。
-
公开(公告)号：CN117372057A
公开(公告)日：2024-01-09
申请号：CN202311112921.2
申请日：2023-08-30
申请人： 河海大学
IPC分类号： G06Q30/0201 , H02J3/00 , G06Q10/0631 , G06Q50/06
摘要： 本发明公布了一种促进电力‑交通耦合系统高效运行的差异化调控方法，进而充分挖掘电动汽车的空间灵活性以支撑两系统的低碳转型。首先，获取电力‑交通耦合系统的网络参数、运行参数和场景数据；其次，将价格信号根据调控对象解耦，分别针对燃油车路径引导、电动汽车路径引导、电动汽车充电引导设置独立的价格调控信号(即差异化调控)；最后，计及电力系统和交通系统的运行约束，构建基于差异化调控的电力‑交通耦合系统低碳‑经济调度模型。本发明具有更高的调控效率，能够减少额外增加的社会成本；与此同时，本发明能够以征收更低的税费来实现调度目标，由此提升出行用户对价格调控手段的接受度。
-
公开(公告)号：CN117216963A
公开(公告)日：2023-12-12
申请号：CN202311107583.3
申请日：2023-08-30
申请人： 河海大学
IPC分类号： G06F30/20 , H02J3/00 , H02J15/00 , G06F111/04 , G06F119/06
摘要： 本申请涉及一种含碳‑氢利用的综合能源系统运行方法，该方法包括构建含碳‑氢利用的综合能源系统运行模型的目标函数；构建含碳‑氢利用的综合能源系统运行模型的电、热、氢、二氧化碳、甲烷、甲醇能量物质平衡约束；构建含碳‑氢利用的综合能源系统运行模型的热电联产机组、热泵机组、碳捕集机组、碳存储设备、电制氢设备、氢存储设备、甲烷化设备、甲醇化设备约束；计算综合能源系统所在电网和热网的碳排放强度；求解含碳‑氢利用的综合能源系统运行模型，得到综合能源系统在目标函数最大值下的运行决策，对综合能源系统进行运行。
-
公开(公告)号：CN117200265A
公开(公告)日：2023-12-08
申请号：CN202310939867.2
申请日：2023-07-27
申请人： 河海大学
IPC分类号： H02J3/28 , H02J15/00 , H02J3/38 , C25B9/65 , C25B1/02 , G06F30/20 , G06Q50/06 , G06F111/04 , G06F113/04
摘要： 本发明提出了一种考虑不确定性故障的海上电氢系统容量规划方法，构建考虑设备容量规划、系统正常运行与系统故障运行的海上电氢系统容量规划模型的目标函数；建立了燃料电池、电解槽与输电线的设备故障模型，设置海上电氢系统的故障不确定集合；构建海上电氢系统容量规划模型的约束条件；写出容量规划模型的线性化形式，并转换为对偶形式；采用嵌套列约束生成算法对该模型进行求解，得到优化后的容量规划结果。本发明在传统的海上风电系统的基础上添加了氢能系统，增加了风电消纳途径，并在风电间歇期提供了额外的供电来源，提升了系统稳定性。
-
公开(公告)号：CN117200208A
公开(公告)日：2023-12-08
申请号：CN202311172591.6
申请日：2023-09-12
申请人： 河海大学
摘要： 本发明公开了一种基于多尺度分量特征学习的用户级短期负荷预测方法及系统。所述方法包括：采集用户的实际负荷数据；采用自适应噪声的完整经验模态分解、排列熵以及变分模态分解对用户负荷进行自适应二次模态分解，得到不同幅频特性的本征模态函数IMF；基于Reshape函数和Stack函数将各一维IMF重构为三维特征图；利用卷积神经网络和多尺度空间注意力模块进行特征学习，并得到最终的负荷预测结果。本发明针对传统一步分解的局限性以及分解后各子序列分量特征难以被充分学习的问题，提出一种自适应二次模态分解的MSA‑CNN模型，在用户负荷波动大、随机性强的情况下表现出优越的预测性能，为电力系统的安全高效运行提供保障。
-
公开(公告)号：CN116826727A
公开(公告)日：2023-09-29
申请号：CN202310774650.0
申请日：2023-06-28
申请人： 河海大学
IPC分类号： H02J3/00 , H02J3/38 , G06F18/25 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/0442 , G06Q10/04 , G06Q50/06 , G06F123/02
摘要： 本发明公开了一种基于时序表征和多级注意力的超短期风电功率预测方法及预测系统，采集风电功率数据和气象数据；采用时序嵌入层Time2Vec对风电功率数据进行表征，获得时间的周期性分量和非周期性分量；然后与原始风电功率数据进行拼接，并处理得到高维风电功率序列，利用自注意力进行重构；对气象数据以及重构后的序列利用交叉注意力进行重构，并对重构后序列利用时空卷积‑长短期记忆网络进行时序特征提取，利用全局注意力处理时序特征，得到预测值，实现预测。在深度学习的基础上引入自适应时序表征方法和多级注意力机制，有效提取风电功率的多尺度时间信息，并考虑气象特征对于风电功率的动态耦合影响，提高超短期风电功率预测的准确性和可靠性。
-
-
-
-
-
-
-
-
-
搜索结果
100 条记录 (耗时 0.109 秒)
