公开(公告)号：CN118657316A

公开(公告)日：2024-09-17

申请号：CN202410681505.2

申请日：2024-05-29

Applicant: 国网江苏省电力有限公司营销服务中心 ,  东南大学

Inventor： 丁泽诚 ,  段梅梅 ,  孔月萍 ,  陈宇沁 ,  盛举 ,  张汀荃 ,  徐青山 ,  杨永标 ,  戴玉岭 ,  王嘉睿

IPC: G06Q10/0631 ,  G06Q30/0283 ,  G06Q50/06 ,  G06F17/11 ,  H02J3/46

Abstract: 一种基于云‑边‑端架构协同多虚拟电厂的优化调度方法及系统，包括：各边侧控制单元分别获取其管辖范围内端侧分布式资源的状态信息，并根据状态信息分别生成其对应所辖虚拟电厂可调出力曲线后上报至云侧集中调度中心；云侧集中调度中心结合获取的辅助服务市场需求信息及各虚拟电厂可调出力曲线，以调峰调频剩余需求分量最小为优化目标，决策出向各边侧控制单元分配下发的最优调峰调频指令；各边侧控制单元基于其接收到的调峰调频指令，通过构建的虚拟电厂调度优化模型决策出其所辖分布式资源的出力模式指令；端侧分布式资源执行其接收到的出力模式指令，以完成调峰调频联合调度运行。本发明提高了分布式资源的整体利用效率和市场运行效率。

公开(公告)号：CN113361454B

公开(公告)日：2024-04-09

申请号：CN202110710458.6

申请日：2021-06-25

Applicant: 东南大学

Inventor： 王嘉睿 ,  邓杰文 ,  盛文全 ,  谭鹏翔

IPC: G06F18/20 ,  G06F18/23213 ,  G06N3/0895 ,  G06N3/084 ,  G01R11/54 ,  G01R31/00

Abstract: 本发明公开一种基于非监督优化的深度学习非侵入式负荷监测方法，第一部分为建立监督式神经网络深度学习模型；第二部分为利用非监督式学习方式对于模型的优化，第一部分包括：从目标负荷集群中监测一段时间内所有负荷信息；利用算法对数据预处理，对数据归一化；预处理过的数据进行神经网络训练；评估网络训练结果；第二部分为非监督式学习对模型的优化，利用K均值聚类算法对于各目标负荷聚类中心迭代，重新构成训练数据训练模型，利用非监督算法优化监督式学习算法，再对于用电行为分析。本发明非侵入式负荷监测方法，大幅提高利用深度学习算法处理非侵入式负荷监测问题的自学习能力、广泛性、灵敏度及准确度。

公开(公告)号：CN113361454A

公开(公告)日：2021-09-07

申请号：CN202110710458.6

申请日：2021-06-25

Applicant: 东南大学

Inventor： 王嘉睿 ,  邓杰文 ,  盛文全 ,  谭鹏翔

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08 ,  G01R11/54 ,  G01R31/00

Abstract: 本发明公开一种基于非监督优化的深度学习非侵入式负荷监测方法，第一部分为建立监督式神经网络深度学习模型；第二部分为利用非监督式学习方式对于模型的优化，第一部分包括：从目标负荷集群中监测一段时间内所有负荷信息；利用算法对数据预处理，对数据归一化；预处理过的数据进行神经网络训练；评估网络训练结果；第二部分为非监督式学习对模型的优化，利用K均值聚类算法对于各目标负荷聚类中心迭代，重新构成训练数据训练模型，利用非监督算法优化监督式学习算法，再对于用电行为分析。本发明非侵入式负荷监测方法，大幅提高利用深度学习算法处理非侵入式负荷监测问题的自学习能力、广泛性、灵敏度及准确度。