-
公开(公告)号:CN116826776A
公开(公告)日:2023-09-29
申请号:CN202310695556.6
申请日:2023-06-12
摘要: 一种基于麻雀搜索算法的系统电压偏差补偿优化方法,包括:分析基于在单无功功率补偿和单有功功率补偿的情况下负载电压的变化,确定无功电流和有功电流与负载电压之间的对应关系;当负载电压低于国标要求时,根据基于无功电流和有功电流与负载电压之间的对应关系,采用麻雀搜索算法对无功电流进行控制,不断改变无功电流输入,搜索电压的无功最大补偿点,补偿装置据此对系统进行无功功率补偿或无功有功同时补偿,使负载电压满足电压补偿需求;当负载电压高于国标要求时,系统对补偿装置进行有功输入,降低负载电压达使之到国标范围内。本发明在保证负载电压满足国标前提下尽量通过无功功率输出的方式进行电压补偿,实现经济效益最大化。
-
公开(公告)号:CN117748522A
公开(公告)日:2024-03-22
申请号:CN202311600288.1
申请日:2023-11-28
摘要: 本发明提供一种动态调节随车充功率的方法、控制保护盒及随车充电器,该方法包括如下步骤:检测随车充电器接入点供电电压,其中对供电电压按照预设频率进行检测;根据检测到的供电电压,确定随车充电器下一时刻的充电电流挡位,所述充电电流挡位是一个充电电流范围或确定的充电电流值;根据所述随车充电器下一时刻的充电电流挡位调节所述随车充电器的充电电流,其中所述随车充电器的供电电压和充电电流具有正相关性。本发明可以解决大量新能源电动汽车下乡后接入农网大功率充电而造成的电网低电压问题。
-
公开(公告)号:CN116914835A
公开(公告)日:2023-10-20
申请号:CN202310904888.0
申请日:2023-07-21
申请人: 国网湖北省电力有限公司随州供电公司 , 国网湖北省电力有限公司电力科学研究院 , 中南民族大学
摘要: 本发明属于电力技术领域,公开了一种基于电流跟踪控制的微储能偏远弱电网电压治理方法,包含变流器模块、控制模块、储能电池模块。当偏远弱电网用户用电量增大,配电网线路上电流增大导电线路压降增大时,用户端电压将减小,此时微储能变流器工作在逆变模式,电池放电,提高用户电压;当偏远弱电网用户用电量较小,电流较低时,微储能变流器可工作在整流模式对电池单元进行充电。最终,通过电流跟踪控制微储能单元充放电来解决偏远弱电网用户电压波动问题。本发明具有以下有益技术效果:采用微储能并联的形式进行偏远弱电网电压治理,不改变原有线路结构,储能变流装置的安装与维护对原有电网没有影响;不需要外界干预,能够自动进行电压治理与补偿。
-
公开(公告)号:CN116894744A
公开(公告)日:2023-10-17
申请号:CN202310898484.5
申请日:2023-07-21
申请人: 国网湖北省电力有限公司随州供电公司 , 国网湖北省电力有限公司电力科学研究院 , 中南民族大学
IPC分类号: G06Q50/06 , G06F18/23213
摘要: 本发明涉及电力客服数据分析领域,公开了一种基于改进k均值聚类算法的电网用户数据分析方法,包括:对客户电力数据进行预处理;构建K均值聚类算法模型;模型改进调优,采用K均值++方法使初始聚类中心之间的距离尽量远,用肘部图可视化不同k值下聚类模型的性能以确定最佳聚类数范围,计算分数值评估聚类效果,选定聚类数;利用调优后的聚类模型对数据集进行聚类分析,各类的聚类中心对应样本作为该类用户的代表。本发明利用客户用电数据,通过改进的k均值聚类算法对数据进行分类,进而实现了对用户行为的智能分析,可实现对电网用户用电行为的分类与预判,提高了电力客服工作效率,为电力问题的处置提供了数据支持。
-
公开(公告)号:CN116914835B
公开(公告)日:2024-07-16
申请号:CN202310904888.0
申请日:2023-07-21
申请人: 国网湖北省电力有限公司随州供电公司 , 国网湖北省电力有限公司电力科学研究院 , 中南民族大学
摘要: 本发明属于电力技术领域,公开了一种基于电流跟踪控制的微储能偏远弱电网电压治理方法,包含变流器模块、控制模块、储能电池模块。当偏远弱电网用户用电量增大,配电网线路上电流增大导电线路压降增大时,用户端电压将减小,此时微储能变流器工作在逆变模式,电池放电,提高用户电压;当偏远弱电网用户用电量较小,电流较低时,微储能变流器可工作在整流模式对电池单元进行充电。最终,通过电流跟踪控制微储能单元充放电来解决偏远弱电网用户电压波动问题。本发明具有以下有益技术效果:采用微储能并联的形式进行偏远弱电网电压治理,不改变原有线路结构,储能变流装置的安装与维护对原有电网没有影响;不需要外界干预,能够自动进行电压治理与补偿。
-
公开(公告)号:CN117977661B
公开(公告)日:2024-09-06
申请号:CN202410361261.X
申请日:2024-03-28
摘要: 本发明公开了一种磁耦合型光储充放集成装置以及经济运行控制方法,在磁耦合型集成装置基础上,灵活接入了光储充多类型终端设备以及光储充协同控制装置,并引入了磁耦合型光储充放集成装置经济运行控制方法,具备终端设备状态信息采集及指令下发、能量流实时协同调度、光伏发电电量预测、电动汽车充放电电量预测和光储充放多能流经济运行控制规划等多项功能,可以实现光、储、充、放多种能量形式的协同、经济、智能调度。本发明充分利用光储充多类型终端资源柔性调节能力,全面提升了传统光储充站点设备运行可靠性差、资源利用效率、经济运营能力。
-
公开(公告)号:CN115036918B
公开(公告)日:2024-08-27
申请号:CN202210752627.7
申请日:2022-06-29
IPC分类号: H02J3/00 , H02J3/32 , H02J3/24 , H02J3/38 , G06F30/27 , G06N3/0442 , G06N3/0499 , G06N3/084 , G06N3/045 , B60L53/64
摘要: 本发明提供一种光储充电站经济运行费用和负荷方差优化的方法,在基于对充电站内的最大光伏发电功率以及站内电动汽车充电需求功率的准确预测的基础上,同时建立充电站经济运行费用和负荷方差的目标函数组成的双目标模型,然后利用LSTM算法和GA‑BP算法对光伏发电功率和电动汽车充电负荷功率准确预测,并在此基础上利用NSGA‑II算法对双目标模型求解。本发明基于在完整优化周期对站内最大光伏发电功率和电动汽车需求功率的准确预测的基础上,对目标函数计算,即优化充电站周期内系统经济运行费用和负荷方差,此项发明可广泛应用于光储充电站系统控制领域。
-
公开(公告)号:CN116494784A
公开(公告)日:2023-07-28
申请号:CN202310245165.4
申请日:2023-03-10
摘要: 本发明提出一种基于模糊深度神经网络的电动汽车充电负荷预测方法、装置、系统及存储介质,该方法包括:S1,对历史负荷数据进行预处理和采用隶属度函数对温度进行数字化模糊处理后再对所有输入数据进行归一化处理,再将其一起输入到神经网络中;S2,将经过步骤S1处理的负荷数据作为脉冲神经网络的训练样本,进行预训练初步构建深度神经网络预测模型,完成对深度神经网络每一层神经元的权值初始化;S3,预训练后,使用PSO对步骤S2初始化的模糊深度神经网络各层之间权参量精细化微调,建立模糊深度神经网络预测模型。本发明既考虑了传统负荷预测方法难以同时兼顾负荷时间特性和空间特性的问题,又能客观反映实际情况,实用性更强。
-
公开(公告)号:CN117977661A
公开(公告)日:2024-05-03
申请号:CN202410361261.X
申请日:2024-03-28
摘要: 本发明公开了一种磁耦合型光储充放集成装置以及经济运行控制方法,在磁耦合型集成装置基础上,灵活接入了光储充多类型终端设备以及光储充协同控制装置,并引入了磁耦合型光储充放集成装置经济运行控制方法,具备终端设备状态信息采集及指令下发、能量流实时协同调度、光伏发电电量预测、电动汽车充放电电量预测和光储充放多能流经济运行控制规划等多项功能,可以实现光、储、充、放多种能量形式的协同、经济、智能调度。本发明充分利用光储充多类型终端资源柔性调节能力,全面提升了传统光储充站点设备运行可靠性差、资源利用效率、经济运营能力。
-
公开(公告)号:CN118645992A
公开(公告)日:2024-09-13
申请号:CN202410689561.0
申请日:2024-05-30
发明人: 黄亮 , 庹量禹 , 崔一铂 , 凌在汛 , 孙朝霞 , 顾一鸣 , 向慕超 , 吴笑民 , 刘曼佳 , 邓桂平 , 陈文 , 韩鸿凌 , 金晨 , 阮佳楠 , 田晨丞 , 宋杨 , 鲁金华 , 万冲
IPC分类号: H02J3/00 , G06N3/0442 , G06N3/049 , G06N3/048 , G06N3/08 , G06Q50/06 , G06Q50/40 , B60L3/12 , B60L53/00
摘要: 一种基于IACO‑Attention‑LSTM的电动汽车充电负荷预测方法,选择电价以及节假日作为输入变量;IACO算法采用精英蚂蚁系统和最小最大蚂蚁系统,使用IACO算法对LSTM神经网络进行优化时,IACO反馈LSTM神经网络的预测误差;进行IACO‑LSTM方法负荷预测前,IACO算法对LSTM进行训练,选择不同的超参数对数据集进行训练并预测输出结果,根据预测结果和真实负荷值的误差确定让蚂蚁最快遍历所有目标的超参数,在迭代次数完成之后输出最优解,赋值给LSTM神经网络,确定最终LSTM神经网络预测模型,运用Attention机制对所有预测结果进行整合,得到预测结果,以提升预测准确性和效率。
-
-
-
-
-
-
-
-
-