-
公开(公告)号:CN116702988A
公开(公告)日:2023-09-05
申请号:CN202310707159.6
申请日:2023-06-14
申请人: 国网黑龙江省电力有限公司 , 黑龙江大学 , 牡丹江大学
IPC分类号: G06Q10/04 , G06Q10/0631 , G06Q50/06 , G06N3/092 , G06N3/0464 , G06F18/2321
摘要: 智能电网中碳捕集电厂经济调度的碳中和计算成本优化方法及设备,属于电网调度技术领域。为了解决现有的解决大量约束的SCED问题时存在复杂性高、计算效率低的问题。本发明针对碳捕集电厂,将含有安全约束的经济调度问题转换为MDP形式,然后基于TD3强化学习,利用未定义场景的数据集合对强化学习网络进行初始训练;对电力系统场景进行聚类得到多个电力系统场景,并针对聚类结果中的每个电力系统场景,以系统需求负荷和机组参数作为输入,机组出力作为输出,分别训练对应的神经网络模型,训练好的神经网络用于计算电力系统场景对应的初步机组出力情况;最后利用初始功率预测神经网络和TD3进行机组出力结果优化。
-
公开(公告)号:CN112003279B
公开(公告)日:2024-03-08
申请号:CN202010852275.3
申请日:2020-08-21
申请人: 国网黑龙江省电力有限公司 , 牡丹江大学 , 黑龙江大学
IPC分类号: H02J3/00 , H02J3/46 , H02J3/28 , H02J3/38 , G06Q50/06 , G06N3/0475 , G06N3/094 , G06F30/27 , G06F111/04 , G06F113/04
-
公开(公告)号:CN112003279A
公开(公告)日:2020-11-27
申请号:CN202010852275.3
申请日:2020-08-21
申请人: 国网黑龙江省电力有限公司 , 牡丹江大学 , 黑龙江大学
IPC分类号: H02J3/00 , H02J3/46 , H02J3/28 , H02J3/38 , G06Q50/06 , G06N3/08 , G06N3/04 , G06F30/27 , G06F111/04 , G06F113/04
摘要: 层次化微电网新能源消纳能力的评估方法,属于电力系统自动化技术领域,本发明为解决层次化微电网存在通信时延和波动等通信不确定性,导致可再生能源的消纳能力评估准确性差的问题。它包括:层次化微电网与配电网和用户负荷相连;采用类似时间差分误差法对生成对抗网络进行训练;所述类似时间差分误差法包括:时间差分、生成对抗网络和归一化优势函数。本发明用于微电网新能源消纳能力进行评估。
-
公开(公告)号:CN118886736A
公开(公告)日:2024-11-01
申请号:CN202410907246.0
申请日:2024-07-08
申请人: 国网黑龙江省电力有限公司 , 黑龙江大学 , 国家电网有限公司
IPC分类号: G06Q10/0637 , G06Q30/0283 , G06Q50/06 , G06F17/10 , G06N3/092
摘要: 考虑用户满意度的新能源消纳方法,本发明涉及新能源消纳方法。本发明的目的是为了解决促进可再生能源消纳的过程受限于用户满意度,导致可再生能源消纳效率低的问题,而提出考虑用户满意度的新能源消纳方法。考虑用户满意度的新能源消纳方法具体过程为:步骤一、构建日前电力交易模型;步骤二、构建日内负荷调度模型;步骤三、对日前电力交易模型及日内负荷调度模型的优化问题进行建模;步骤四、基于深度强化学习求解日前电力交易模型及日内负荷调度模型的优化问题,获得动作。本发明用于新能源消纳领域。
-
公开(公告)号:CN115841179A
公开(公告)日:2023-03-24
申请号:CN202211516874.3
申请日:2022-11-29
申请人: 国网黑龙江省电力有限公司 , 黑龙江大学
IPC分类号: G06Q10/04 , G06Q10/20 , G06Q50/06 , G06F16/901 , G06F18/2415 , G06F18/2431 , G06N3/0464 , G06N3/08
摘要: 一种基于图数字孪生的电力系统态势感知方法,具体涉及一种基于数字孪生的新型电力系统图学习态势感知方法,为了解决现有态势感知方法电力系统稳定性预测或多组件故障定位准确率较低的问题.根据图与数字孪生构建图数字孪生模型;利用图数字孪生模型对能源互联网的数据进行处理,并将处理的数据转化为图,得到图结构化数据;针对能源互联网的故障问题,构建基于图神经网络的态势感知模型Ⅰ;针对能源互联网的稳定性问题,构建基于图神经网络的态势感知模型Ⅱ;利用基于图神经网络的态势感知模型Ⅰ对图结构化数据进行处理,得到能源互联网的故障及其位置;根据故障及其位置和图利用基于图神经网络的态势感知模型Ⅱ预测故障后能源互联网的稳定性。
-
公开(公告)号:CN117350424A
公开(公告)日:2024-01-05
申请号:CN202311231834.9
申请日:2023-09-22
申请人: 国网黑龙江省电力有限公司 , 黑龙江大学
IPC分类号: G06Q10/04 , G06Q10/067 , G06Q10/0631 , G06Q50/06 , G06N7/01
摘要: 本发明例涉配电网运行优化技术领域,具体涉及一种能源互联网中经济调度与电动汽车充电策略联合智能优化方法。现有技术当中能源互联网中经济调度与电动汽车充电策略的联合优化中,存在考虑不全面的问题。本发明提出了一种考虑两阶段经济调度的多目标电动汽车智能充电模型。该模型通过距离成本、时间成本、用户里程焦虑等间接反映用户的充电满意度,采用一种基于近端策略优化的方法来寻找电动汽车的最优充电策略,实现更低的充电成本和尽可能消纳充电桩中的电能。同时,还考虑了充电桩的电力经济调度,通过建立两阶段多目标优化模型,使用基于近端策略优化的深度强化学习方法给出最优电力调度策略,以实现更低的发电成本和碳排放量。
-
公开(公告)号:CN111242443A
公开(公告)日:2020-06-05
申请号:CN202010010410.X
申请日:2020-01-06
申请人: 国网黑龙江省电力有限公司 , 黑龙江大学
摘要: 基于深度强化学习的能源互联网中虚拟电厂经济调度方法,它属于虚拟电厂的能源分配技术领域。本发明解决了现有方法存在的通信负载和延迟大、计算复杂度高以及数据传输的可靠性差的问题。本发明提出了基于边缘计算的利用三层体系结构的分布式发电经济调度结构,其中:第一层和第二层是边缘计算层,而第三层是云计算层。所提出的三层边缘计算架构降低了在中央节点处处理训练任务的计算复杂度,并进一步降低了VPP运营商与DG之间的通信负载,因此也降低了工业用户的响应时间,同时还保留了工业用户的隐私,提高了数据传输的可靠性。本发明可以应用于虚拟电厂的能源分配。
-
公开(公告)号:CN118780914A
公开(公告)日:2024-10-15
申请号:CN202410900157.3
申请日:2024-07-05
申请人: 国网黑龙江省电力有限公司 , 黑龙江大学 , 国家电网有限公司
摘要: 能源互联网中基于隐私保护的强化学习绿色证书交易方法,它属于能源互联网领域。本发明解决了现有方法存在数据隐私泄露的风险,以及难以获得最佳调度决策的问题。本发明采用联邦学习进行风电预测,训练出可供多个风电厂共同使用的风电预测模型。并基于风电预测结果提出了包括绿证市场与电力市场交易的绿证生成与交易模型,模型考虑了绿证与电力交易下导致的经济成本与环境成本问题,同时使用了现行的绿证市场交易规则来提高模型的现实可用性。最后使用一种基于稀疏网络的深度强化学习算法来获取最优调度策略。本发明方法可以应用于能源互联网中的绿色证书交易领域。
-
公开(公告)号:CN111242443B
公开(公告)日:2023-04-18
申请号:CN202010010410.X
申请日:2020-01-06
申请人: 国网黑龙江省电力有限公司 , 黑龙江大学
IPC分类号: G06Q10/0631 , G06Q50/06
摘要: 基于深度强化学习的能源互联网中虚拟电厂经济调度方法,它属于虚拟电厂的能源分配技术领域。本发明解决了现有方法存在的通信负载和延迟大、计算复杂度高以及数据传输的可靠性差的问题。本发明提出了基于边缘计算的利用三层体系结构的分布式发电经济调度结构,其中:第一层和第二层是边缘计算层,而第三层是云计算层。所提出的三层边缘计算架构降低了在中央节点处处理训练任务的计算复杂度,并进一步降低了VPP运营商与DG之间的通信负载,因此也降低了工业用户的响应时间,同时还保留了工业用户的隐私,提高了数据传输的可靠性。本发明可以应用于虚拟电厂的能源分配。
-
公开(公告)号:CN117996843A
公开(公告)日:2024-05-07
申请号:CN202311800388.9
申请日:2023-12-26
摘要: 本发明公开了一种基于储能系统的电力系统AGC调控辅助装置及方法,包括信息收集模块、训练样本构建模块、模型训练模块和模型迭代优化模块,获取待分析系统的容量、容量时间特性、出力和真实风电数据的历史数据和实时数据,通过限制因素对历史数据和实时数据进行筛选;基于筛选后的历史数据构建数据训练样本;将数据训练样本输入神经网络模型进行训练,获取训练好的神经网络模型,并得到瞬时输出响应形成日计划初步方案;通过筛选后的实时数据,输入所述训练好的神经网络模型进行迭代分析,获得日计划修改方案。本发明通过持续学习算法对数据进行更新,以得到当前的预测值并对日计划进行实时更新,使更好地适应日计划的变化的需要,保证调控的性能。
-
-
-
-
-
-
-
-
-