-
公开(公告)号:CN118432189A
公开(公告)日:2024-08-02
申请号:CN202410518992.0
申请日:2024-04-28
申请人: 国网江苏省电力有限公司经济技术研究院 , 国网江苏省电力有限公司 , 东南大学
IPC分类号: H02J3/46 , H02J3/38 , H02J3/00 , G06N3/0442 , G06N3/045 , G06N3/092 , G06F18/20 , G06Q50/06 , G06N3/048 , G06F123/02
摘要: 本发明公开了一种基于LSTM‑PPO算法的分布式能源系统能量调度优化方法,首先将分布式能源系统的能量调度问题描述为一个马尔科夫决策过程MDP;其次基于LSTM和PPO算法构建初始能量调度模型,利用初始能量调度模型求解MDP;然后利用真实电价与负荷数据组成的训练集对初始能量调度模型进行训练,得到目标能量调度模型;最终利用目标能量调度模型求解分布式能源系统能量调度的最优策略,利用该最优策略对分布式能源系统进行调度。本发明所提出的基于无模型的LSTM‑PPO算法可以利用历史数据捕获能源系统的不确定性,利用深度学习模型的良好泛化能力,实时提供高质量的解决方案,并避免能量调度运行期间的任何计算负担。
-
公开(公告)号:CN118468496A
公开(公告)日:2024-08-09
申请号:CN202410920073.6
申请日:2024-07-10
申请人: 国网江苏省电力有限公司南通供电分公司 , 国网智能电网研究院有限公司 , 东南大学 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC分类号: G06F30/18 , H02J3/00 , G06F30/20 , G06F16/901 , G06Q50/06 , G06F113/04
摘要: 本发明公开了基于图数据结构的配电网全景动态拓扑建模方法及系统,涉及电力系统技术领域,该方法包括:对目标配电网系统全负荷运行时的配电网数据进行数据提取,构建初始全景拓扑网络;遍历初始全景拓扑网络中的多个节点进行数据提取,获得多个节点属性集合,对多个节点进行模块重组,生成多个拓扑模块;对多个拓扑模块进行动态更新因子识别,获得多个动态更新因子集合,构建多个动态更新网络层,结合多个拓扑模块和初始全景拓扑网络配置目标配电网全景动态拓扑模型。本发明解决了现有技术中配电网拓扑模型与配电网系统的实际运行情况贴合度较低的技术问题,达到了提高配电网拓扑模型与电网实际运行情况的贴合度的技术效果。
-
公开(公告)号:CN118468198A
公开(公告)日:2024-08-09
申请号:CN202410920075.5
申请日:2024-07-10
申请人: 国网江苏省电力有限公司南通供电分公司 , 国网智能电网研究院有限公司 , 东南大学 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC分类号: G06F18/2433 , G06F18/20 , G06F18/22 , G06F18/26 , G06Q10/0635 , G06Q50/06
摘要: 本申请提供了基于图论分析的电网动态拓扑故障识别方法及系统,涉及故障识别技术领域,该方法包括:构建电网拓扑图;挖掘泛化故障特征并搭建故障拓扑图;联合电网拓扑图与故障拓扑图,训练故障定位模型;初步筛查异常运行数据,进行模糊定位与层间映射,确定故障关联子图;对故障关联子图进行风控预测,确定风险趋势;整合故障关联子图与风险趋势,于显示界面进行可视化预警。通过本申请可以解决现有技术中由于对电网设备进行故障识别的效率较低,造成对电网故障进行预警的时效性较差的技术问题,实现了提高对电网设备进行故障识别的效率的技术目标,提高对电网故障进行预警的时效性,达到了提高电网安全性的技术效果。
-
公开(公告)号:CN110889554A
公开(公告)日:2020-03-17
申请号:CN201911179011.X
申请日:2019-11-27
申请人: 东南大学
摘要: 本发明公开了基于重现时间间隔分析法的电力负荷波动分析和风险预警方法。步骤:对数据进行预处理,拟合电力负荷波动重现时间间隔数据序列,构建重现时间间隔序列概率分布模型;构建条件概率密度函数模型,验证电力负荷重现时间间隔的短期相关性;结合风险函数和损失概率分布函数预测电力负荷波动重新时间间隔序列中极端波动风险损失概率;判断电力负荷重现时间间隔的长期相关性;提取对原始负荷数据序列整体波动没有影响的数据点作为负荷数据序列正常波动的临界点,即负荷风险预警阈值。本发明为风险预警提供了客观的参考阈值,避免了主观经验确定的盲目性,同时针对典型产业负荷波动性进行分析,为科学的电网规划和安全稳定运行提供参考依据。
-
公开(公告)号:CN117913929A
公开(公告)日:2024-04-19
申请号:CN202410017952.8
申请日:2024-01-05
申请人: 东南大学
IPC分类号: H02J3/50 , H02J3/16 , G06N3/092 , G06N3/0464 , G06N3/0442 , G06Q50/06 , G06F30/27 , G06F18/214 , G06F113/04
摘要: 本发明公开一种基于时空感知型安全强化学习的电压无功优化方法及系统,构建计及光伏PV和电动汽车充电站EV的PE‑VVO框架,并转换为一个约束型马尔科夫决策过程;所述PE‑VVO框架包括目标函数、约束条件、决策变量,马尔科夫决策过程包括状态空间、动作空间、奖励函数、约束、状态转移概率分布、PDN环境;设计求解CMDP的TGCN‑IPO算法,包括该算法计及障碍函数的目标以及计及TGCN的Actor和Critic网络;设计TGCN‑IPO算法的训练规则,采用真实的历史运行数据和PDN仿真环境对TGCN‑IPO智能体进行训练;使用测试集对训练好的TGCN‑IPO智能体测试,并进行在线部署,完成配电网的在线电压无功控制。此种技术方案能够解决高渗透率PV和EV给配电网带来的运行成本增加和电压越限问题。
-
公开(公告)号:CN115588998A
公开(公告)日:2023-01-10
申请号:CN202211269015.9
申请日:2022-10-17
申请人: 东南大学
IPC分类号: H02J3/16 , H02J3/06 , H02J3/38 , H02J3/48 , H02J3/50 , G06F30/27 , G06F113/04 , G06F119/02
摘要: 本公开属于电力系统自动化和计算机技术领域,公开了一种基于图强化学习的配电网电压无功优化方法,首先将无功电压优化问题建模为一个马尔科夫决策过程,并使用无模型的深度强化学习方法进行求解;然后发明了一种基于图神经网络的近端策略优化算法,该算法通过嵌入图卷积网络来提高强化学习智能体对配电网图数据的感知能力;最后本发明以改进的IEEE33测试系统开展算例分析,验证了所提方法的有效性和相比其他方法的优势,结果同时表明,基于图神经网络训练的强化学习智能体在配电网拓扑发生变化时仍表现出较好的性能。
-
公开(公告)号:CN114861819A
公开(公告)日:2022-08-05
申请号:CN202210590288.7
申请日:2022-05-26
申请人: 东南大学
IPC分类号: G06K9/62
摘要: 本发明公开了一种用于变压器故障诊断的支持向量机的多分类策略,属于人工智能技术领域。一种用于变压器故障诊断的支持向量机的多分类策略,获得所述多分类策略的步骤包括:对训练集中任意每两类样本计算类间散布矩阵以及将两类合并后的类内散布矩阵,将类间散布矩阵和类内散布矩阵的迹之和相加作为可分性指标;找到可分性指标最小的一对组合,将所述一对组合合并为一类,并记录类的合成顺序;根据之前所记录类的合并顺序,逆向生成分类决策树,将其作为支持向量机的多分类策略。本发明有益效果:能够提升基于支持向量机的变压器故障诊断模型的训练效率和分类准确率,使其能够实际应用于电力系统诊断现场。
-
公开(公告)号:CN115841152A
公开(公告)日:2023-03-24
申请号:CN202211555011.7
申请日:2022-12-06
申请人: 东南大学
摘要: 本发明公开了基于遗传算法特征优选和支持向量机的变压器诊断方法,包括以下步骤:首先将诊断模型的特征提取过程分为两个阶段,设置两阶段决策框架;接着在一阶段以特征气体浓度为特征值,二阶段以特征气体浓度比值为特征值,通过对五种特征气体进行排列组合设置大范围的备选特征值;然后采用遗传算法进行特征优选,挑选测试结果最佳的特征值组合;最后根据优选得到的特征值建立基于支持向量机的变压器故障诊断模型。本发明中设计的两阶段决策框架,以及通过遗传算法对大范围的备选特征进行优选得到的特征值组合能够较好的反映各个类型故障的特性,使得本发明所提出的基于支持向量机的变压器诊断模型具有较高的分类精度。
-
公开(公告)号:CN115313407A
公开(公告)日:2022-11-08
申请号:CN202211078364.2
申请日:2022-09-05
申请人: 东南大学
IPC分类号: H02J3/16 , H02J3/48 , H02J3/18 , G06F30/27 , G06N7/00 , G06F21/62 , G06F111/06 , G06F111/08 , G06F113/04
摘要: 本发明公开了一种基于双层强化学习电网‑用户相协同的电压无功优化方法。为了有效协调配电网的电网侧设备和用户侧设备这两类所属权不同的资源,本发明从非对称马尔科夫博弈的角度提出了一种双层无功电压优化框架。其中,电网侧的配电运行商(DSO)被视为在上层做决策的领导者,目的是最小化系统的网损;用户被视为在下层做决策的跟随者,目的是缓解节点的电压偏差。除此之外,本发明还提出了一种无模型的Bi‑level Actor‑Critic(Bi‑AC)算法来解决上述非对称马尔科夫博弈模型,该算法为领导者和跟随者智能体制定了独特的策略(actor)和价值(critic)网络,同时还定义了领导者智能体的决策优先级。最后,本发明通过一个标准的IEEE33节点测试系统和实际电网运行数据验证了所提方案的有效性。
-
公开(公告)号:CN111244985B
公开(公告)日:2022-06-24
申请号:CN202010142739.1
申请日:2020-03-04
申请人: 东南大学
摘要: 本发明公开了基于节点综合灵敏度系数的分布式储能序次优化配置方法,该方法考虑节点增加单位负荷功率引起的配电网有功损耗变化量和节点电压变化量,及储能充放电特性,提出综合灵敏度系数;计算配电网各节点综合灵敏度系数,将系数最大处节点作为分布式储能第一次接入节点,根据容量优化模型确定储能容量配置;考虑储能接入配电网后对配电网有功损耗和节点电压的影响,更新节点负荷数据并重新计算各节点综合灵敏度系数,选择储能接入节点并计算储能配置容量,直至达到计划配置储能个数为止。本发明为多个分布式储能接入配电网提供了更加合理和经济的序次配置方法,在降低配电网有功损耗、改善节点电压波动和提高储能经济性方面有较大作用。
-
-
-
-
-
-
-
-
-