-
公开(公告)号:CN117498361A
公开(公告)日:2024-02-02
申请号:CN202311462922.X
申请日:2023-11-06
申请人: 山西省能源互联网研究院 , 清华大学深圳国际研究生院
IPC分类号: H02J3/06 , H02J3/38 , H02J3/28 , H02J3/14 , H02J3/00 , G06Q10/04 , G06Q10/067 , G06Q50/06 , G06N20/00 , G06N3/08
摘要: 本发明公开了一种融合学习‑优化的配电网运行管理方法,包括如下步骤:S1、构建配电网运行模型和分布式资源集群响应模型;S2、提出面向分布式资源集群的约束学习算法,以学习分布式资源集群的响应特性,获得基于神经网络的数据驱动响应模型;S3、将所述数据驱动响应模型等价转换为神经网络响应约束模型,并融合至配电网调度模型,实现融合调度;S4、优化配电网决策。
-
公开(公告)号:CN118607816A
公开(公告)日:2024-09-06
申请号:CN202410554982.2
申请日:2024-05-07
申请人: 山西省能源互联网研究院
IPC分类号: G06Q10/0631 , G06Q10/067 , G06Q50/06
摘要: 本发明公开了一种基于碳排放流的低碳规划方法及终端,根据制氢厂成本模型、配电网成本模型构建初始成本模型;以制氢厂成本以及配电网成本最小为目标求解初始成本模型得到潮流分布数据以及初始最小成本;根据潮流分布数据计算每个制氢厂对应的碳排放数据;在初始成本模型中加入碳成本模型得到目标成本模型;以制氢厂成本、配电网以及碳成本最小求解目标成本模型,得到更新后的潮流分布数据以及更新最小成本;根据更新后的潮流分布数据计算每个制氢厂对应的更新碳排放数据;判断更新最小成本与初始最小成本之间的差是否小于预设值,若是,则输出更新后的潮流分布数据、更新最小成本以及更新碳排放数据。本发明提高了计算出的碳排放值的准确性。
-
公开(公告)号:CN116167480A
公开(公告)日:2023-05-26
申请号:CN202211313117.6
申请日:2022-10-25
申请人: 清华大学深圳国际研究生院
IPC分类号: G06Q10/04 , G06Q50/06 , G06F17/18 , G06F18/214 , G06F18/27 , G06F18/2113 , G06F18/2135
摘要: 本发明提供了一种海岛新能源功率区间预测方法,包括以下步骤:获取海岛新能源数据进行处理,将处理后的数据作为训练数据;将数据输入LASSO分位数回归模型,通过LASSO回归进行因子压缩,减少特征量;通过广义交叉验证进行交叉验证,调优约束系数,得到最优约束系数;确定相关参数,得到海岛新能源功率区间预测模型;获取待预测的海岛新能源数据;将数据输入海岛新能源功率区间预测模型,构建海岛新能源功率预测区间。本发明的预测方法能够兼顾多种特征和多类环境因素进行区间预测,为海岛电网优化调度提供更多信息,使预测结果精准可靠;能够从各种外部影响因素中获取信息,从而有效且准确地对海岛新能源进行功率预测。
-
公开(公告)号:CN111222917A
公开(公告)日:2020-06-02
申请号:CN202010005476.X
申请日:2020-01-03
申请人: 广东电网有限责任公司电力调度控制中心 , 清华大学深圳国际研究生院
摘要: 本发明涉及一种与配电侧多元零售市场互动的虚拟电厂投标策略,主要包括以下步骤:步骤1:数据输入,所述数据包括虚拟电厂数据和配电侧零售市场数据;步骤2:建立与多元配电市场互动的虚拟电厂双层投标决策模型;步骤3:基于混合模拟退火-遗传算法对步骤2)中的模型求解;步骤4:结果输出,所述结果包括虚拟电厂代理参与的配电侧零售市场类型,有功功率、无功功率及旋转备用分时分节点的出力范围和竞标价格。本发明能够有效地制定虚拟电厂同时向配电侧零售能量市场和多种类型辅助服务市场的竞价投标方案。
-
公开(公告)号:CN118539406A
公开(公告)日:2024-08-23
申请号:CN202410392860.8
申请日:2024-04-02
申请人: 清华大学深圳国际研究生院
IPC分类号: H02J3/00 , H02J3/48 , H02J3/50 , G06Q10/0631 , G06Q50/06
摘要: 一种面向配电网低碳运行的配电网边际碳排放计算方法及应用,包括:S1、建立基于二阶锥规划SOCP的配电网调度模型;S2、通过基于二阶锥规划SOCP的配电网调度模型,分析从电力供应到负荷需求的排放传播和责任,以及有功和无功功率的分配;S3、基于S2步骤中分析得到的电力供应与负荷需求之间的排放传播和责任分配结果,利用隐式微分算法计算配电网中各个节点的边际碳排放量,即配电节点边际排放DLME,计算考虑了有功和无功功率的分配以及每个节点对系统总排放量变化的敏感性,所得出的DLME作为实施减排激励措施的具体依据。本发明基于需求响应模型评估,与传统方法相比,具有更高的减碳有效性和更高的DLME减碳响应能力。
-
公开(公告)号:CN115693779A
公开(公告)日:2023-02-03
申请号:CN202211441029.4
申请日:2022-11-17
申请人: 清华大学深圳国际研究生院
摘要: 本发明公开了一种多虚拟电厂与配网协同优化调度方法及设备,包括:S1构建主动负荷响应模型及储能系统响应模型,分别计算得出响应功率;S2将集中式优化目标函数解耦为每个虚拟电厂独立的优化目标函数进行求解;S3构建虚拟电厂实时运行模型;S4各个虚拟电厂将交互功率及交易电价传递给邻近虚拟电厂,各个虚拟电厂分别对本地决策变量,交互功率决策变量及交易电价进行迭代求解,获得虚拟电厂本地分布式资源的优化调度方案。本发明可以避免传统集中式优化求解的计算复杂、维数灾难、无法充分发掘海量多元分布式资源灵活性潜力等问题,可以有效提升分布式资源优化调度控制效率及灵活性,同时保障用户信息的隐私性。
-
公开(公告)号:CN116014773A
公开(公告)日:2023-04-25
申请号:CN202211543981.5
申请日:2022-12-01
申请人: 清华大学深圳国际研究生院
IPC分类号: H02J3/32 , G06Q10/0631 , G06Q50/06 , G06Q50/30 , G06N3/092 , G06Q30/0202 , H02J3/46 , H02J3/12 , H02J3/14
摘要: 本发明公开了基于深度强化学习的两阶段电动汽车协调配网辅助服务的调度方法,包括:建立基于配电网模型、电动汽车电池动态特性模型、充电价格激励模型以及放电价格激励模型的调度策略模型,调度策略模型经过基于高斯混合模型的两阶段训练方法进行训练;调度过程中,使用基于电动汽车能源可用性标准的K‑均值聚类方法来选择进行配网辅助服务的电动汽车;建立数据模拟器后,在离线阶段,使用真实数据和模拟数据的混合数据进行预训练,在在线阶段,使用实时数据进行训练。本发明提出的调度方法,能够有效提升训练速度和模型鲁棒性,并减少在线启动过程中的累积电压误差和违规电动车充电比例,从而解决实时削峰和电压调节问题。
-
公开(公告)号:CN115954882A
公开(公告)日:2023-04-11
申请号:CN202310010506.X
申请日:2023-01-04
申请人: 清华大学深圳国际研究生院
摘要: 本发明公开了一种电碳融合配电系统调度优化方法及设备,包括以下步骤:生成随机性场景集合;构建线性化配电系统潮流模型,计算得到最优潮流分布;根据潮流分布求解配电系统支路碳流率分布矩阵;将配电系统节点间的电气联系程度和所述支路碳流率分布矩阵作为配电系统碳排放区域划分的指标,构建线性化的配电系统碳排放区域划分模型,得到配电系统碳排放区域划分结果;根据所述配电系统碳排放区域划分结果对配电系统调度进行优化。本发明方法优化了配电系统碳排放区域的划分,有利于配电系统运营商根据区域的碳排放特性进行减碳调度策略的制定和管控,从而优化配电系统调度,提高配电系统运营商对区域内资源设备的管控效率和对节能减排的效果。
-
公开(公告)号:CN118052483A
公开(公告)日:2024-05-17
申请号:CN202410178629.9
申请日:2024-02-09
申请人: 清华大学深圳国际研究生院
IPC分类号: G06Q10/067 , G06Q10/063 , G06Q10/04 , G06Q50/06 , G06N3/04 , G06N3/092
摘要: 本发明公开了一种考虑配电网需求侧碳配额的分布式负荷聚合商实时管理方法,包括如下步骤:S1、构建分布式负荷聚合商模型;S2、构建配电系统运营商模型,求解最优潮流与对应节点边际电价;S3、基于求解得到的所述最优潮流进行碳排放计算,得到配电系统每个节点的碳排放因子;S4、根据所述分布式负荷聚合商模型及所述配电系统运营商模型之间的交互,形成马尔科夫决策过程,并提出网络化多智能体安全强化学习算法求解所述马尔科夫决策过程,来进行配电网中的碳排放配额约束下的需求管理。
-
公开(公告)号:CN117494550A
公开(公告)日:2024-02-02
申请号:CN202311340199.8
申请日:2023-10-17
申请人: 清华大学深圳国际研究生院
IPC分类号: G06F30/27 , G06Q50/06 , G06F113/04 , G06F119/02
摘要: 一种基于神经网络的波浪能发电概率预测方法,包括如下步骤:S1.对波浪能发电序列进行聚类分析,根据发电特性将不同的发电设备分为若干类,实现对不同发电特性设备的匹配;根据波浪能发电形式受海洋气候环境的影响,筛选关键时空特征;对影响波浪能的复杂耦合因素进行频域分解;S2.以得到的特征作为训练模型的输入,基于波浪的不稳定性变化特征,构建序列架构神经网络波浪能预测模型;S3.使用概率区间估计方法预测未来波浪能发电功率的不确定性分布,并根据概率区间估计的结果进行波浪能发电的概率预测。通过对波浪能发电的概率预测,为确保新能源渗透下电力系统安全、稳定和可持续的运行具有重要现实意义。
-
-
-
-
-
-
-
-
-