-
公开(公告)号：CN110516889A
公开(公告)日：2019-11-29
申请号：CN201910829313.0
申请日：2019-09-03
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电网规划研究中心
Abstract: 本申请实施例公开了一种基于Q-learning的负荷综合预测方法和相关设备，方法包括：获取影响负荷的若干组基础预测参数集，并对其进行标幺化处理和离散化处理，作为环境状态；获取若干种负荷预测方法，并对其权重进行离散化处理，作为动作空间；将负荷预测值和负荷实际值的平方根偏差作为回报函数；根据环境状态、动作空间和回报函数构建预测智能体；基于Q-learning对预测智能体进行训练；将进行标幺化处理和离散化处理后基础参数集的输入到已训练收敛的预测智能体中，进行负荷预测。通过将Q强化学习应用于负荷综合预测中，设计了环境状态、动作空间和回报函数，使得所选择预测方法和权重值均可以随基础预测参数而改变，解决了现有的单个预测方法适应性差问题。
-
公开(公告)号：CN109472001A
公开(公告)日：2019-03-15
申请号：CN201811301390.0
申请日：2018-11-02
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电网规划研究中心 , 广东电网发展研究院有限责任公司
Abstract: 本申请所提供的一种方案的优劣评估方法，包括：获取属性测度值矩阵；根据属性测度值矩阵得到判断矩阵，并确定判断矩阵的权重；确定待评估方案的绝对正理想点和绝对负理想点；根据绝对正理想点和权重得到绝对正理想点对应的第一加权欧式距离，根据绝对负理想点和权重得到第二加权欧式距离；根据第一加权欧式距离和第二加权欧式距离计算各个待评估方案的相对贴进度；根据相对贴进度对各个待评估方案进行优劣排序。本申请引入加权欧式距离并且采用绝对正理想解和绝对负理想解概念，无需求解正、负理想解，有效避免逆序现象的产生。本申请还提供一种方案的优劣评估系统、一种计算机可读存储介质和一种方案的优劣评估终端，具有上述有益效果。
-
公开(公告)号：CN110247397B
公开(公告)日：2020-11-17
申请号：CN201910695032.0
申请日：2019-07-30
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电网规划研究中心
Abstract: 本申请公开了一种储能配置方法、系统、装置及可读存储介质，包括：获取目标电网中各节点、各支路和各发电机组的系统参数和历史运行数据；确定不同保证率下每项历史运行数据对应的日内最大运行数据；根据日内最大运行数据和系统参数，计算不同保证率下各支路的日内有功潮流，并确定对应的日内潮流越限曲线；根据各支路在不同保证率下的日内潮流越限曲线确定轨迹灵敏度曲线和对应的绝对值均值；选择目标范围内的绝对值均值对应的支路作为带支配支路，并在待配置支路上确定储能节点；计算储能节点的储能功率和最大充放电电量，以使对应的待配置支路在预设保证率下不发生潮流越限。本申请保证了电网运行同时具有较好的新能源接纳能力和经济性。
-
公开(公告)号：CN110247397A
公开(公告)日：2019-09-17
申请号：CN201910695032.0
申请日：2019-07-30
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电网规划研究中心
Abstract: 本申请公开了一种储能配置方法、系统、装置及可读存储介质，包括：获取目标电网中各节点、各支路和各发电机组的系统参数和历史运行数据；确定不同保证率下每项历史运行数据对应的日内最大运行数据；根据日内最大运行数据和系统参数，计算不同保证率下各支路的日内有功潮流，并确定对应的日内潮流越限曲线；根据各支路在不同保证率下的日内潮流越限曲线确定轨迹灵敏度曲线和对应的绝对值均值；选择目标范围内的绝对值均值对应的支路作为带支配支路，并在待配置支路上确定储能节点；计算储能节点的储能功率和最大充放电电量，以使对应的待配置支路在预设保证率下不发生潮流越限。本申请保证了电网运行同时具有较好的新能源接纳能力和经济性。
-
公开(公告)号：CN110516889B
公开(公告)日：2023-07-07
申请号：CN201910829313.0
申请日：2019-09-03
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电网规划研究中心
Abstract: 本申请实施例公开了一种基于Q‑learning的负荷综合预测方法和相关设备，方法包括：获取影响负荷的若干组基础预测参数集，并对其进行标幺化处理和离散化处理，作为环境状态；获取若干种负荷预测方法，并对其权重进行离散化处理，作为动作空间；将负荷预测值和负荷实际值的平方根偏差作为回报函数；根据环境状态、动作空间和回报函数构建预测智能体；基于Q‑learning对预测智能体进行训练；将进行标幺化处理和离散化处理后基础参数集的输入到已训练收敛的预测智能体中，进行负荷预测。通过将Q强化学习应用于负荷综合预测中，设计了环境状态、动作空间和回报函数，使得所选择预测方法和权重值均可以随基础预测参数而改变，解决了现有的单个预测方法适应性差问题。
-
Patent Agency Ranking
公开(公告)号：CN110135634B
公开(公告)日：2022-01-25
申请号：CN201910355720.2
申请日：2019-04-29
Applicant: 广东电网有限责任公司电网规划研究中心
Abstract: 本发明提出了一种中长期电力负荷预测装置，包括：输入模块，用于输入多个第一时间尺度数据和多个第二时间尺度数据，并将多个第一时间尺度数据和多个第二时间尺度数据传递至长短期记忆神经网络的输入层，其中，第一时间尺度小于第二时间尺度；建模模块，用于通过长短期记忆神经网络对多个第一时间尺度数据和多个第二时间尺度数据进行训练，以得到堆叠长短期记忆网络模型；预测模块，用于利用堆叠长短期记忆网络模型对电力负荷进行预测，以得到电力负荷预测数据；输出模块，用于输出电力负荷预测数据。该装置能够解决不同时间尺度数据依赖问题，提高中长期电力负荷的预测精度。
-
公开(公告)号：CN110135634A
公开(公告)日：2019-08-16
申请号：CN201910355720.2
申请日：2019-04-29
Applicant: 广东电网有限责任公司电网规划研究中心
Abstract: 本发明提出了一种中长期电力负荷预测装置，包括：输入模块，用于输入多个第一时间尺度数据和多个第二时间尺度数据，并将多个第一时间尺度数据和多个第二时间尺度数据传递至长短期记忆神经网络的输入层，其中，第一时间尺度小于第二时间尺度；建模模块，用于通过长短期记忆神经网络对多个第一时间尺度数据和多个第二时间尺度数据进行训练，以得到堆叠长短期记忆网络模型；预测模块，用于利用堆叠长短期记忆网络模型对电力负荷进行预测，以得到电力负荷预测数据；输出模块，用于输出电力负荷预测数据。该装置能够解决不同时间尺度数据依赖问题，提高中长期电力负荷的预测精度。
-
公开(公告)号：CN110163421A
公开(公告)日：2019-08-23
申请号：CN201910355154.5
申请日：2019-04-29
Applicant: 广东电网有限责任公司电网规划研究中心
Abstract: 本发明提出了一种中长期电力负荷预测方法，包括以下步骤：获取预设时间段内的电力负荷数据及其影响因子；根据第一时间尺度将电力负荷数据和影响因子划分为多个第一时间尺度数据，根据第二时间尺度将影响因子划分为多个第二时间尺度数据；根据多个第一时间尺度数据和多个第二时间尺度数据构建电力负荷预测模型；采用长短期记忆神经网络对电力负荷预测模型进行训练以生成堆叠长短期记忆网络模型；通过堆叠长短期记忆网络模型对电力负荷进行预测，并生成电力负荷预测数据。该方法能够解决不同时间尺度数据依赖问题，提高中长期电力负荷的预测精度。
-
公开(公告)号：CN108460527A
公开(公告)日：2018-08-28
申请号：CN201810163081.5
申请日：2018-02-26
Applicant: 广东电网有限责任公司电网规划研究中心 , 广东电网发展研究院有限责任公司
Abstract: 本发明涉及一种公共充电设施的规划方法，更具体地，涉及一种电动汽车公共充电设施的规划方法，根据建设型式的差异以及电动汽车的特性，将充电桩分成大功率快充桩、小功率慢充桩两种；通过分析各类型电动车辆的充电行为特性，采用电动汽车充电模型，区分公共充电需求与自有充电需求所占的充电时间比例，计算各类型电动车辆对公共充电量的总需求，结合快/慢充电桩的充电能力以及集中式充电站所能容纳的充电桩数量与分散式充电桩的数量，分别计算集中式城市充电站与分散式公共充电桩的总需求，再根据当地公共充电设施的实际建设条件，按需求优先的原则，规划电动汽车公共充电设施的设置地点与快/慢充电桩数。
-
公开(公告)号：CN110163421B
公开(公告)日：2021-08-24
申请号：CN201910355154.5
申请日：2019-04-29
Applicant: 广东电网有限责任公司电网规划研究中心
Abstract: 本发明提出了一种中长期电力负荷预测方法，包括以下步骤：获取预设时间段内的电力负荷数据及其影响因子；根据第一时间尺度将电力负荷数据和影响因子划分为多个第一时间尺度数据，根据第二时间尺度将影响因子划分为多个第二时间尺度数据；根据多个第一时间尺度数据和多个第二时间尺度数据构建电力负荷预测模型；采用长短期记忆神经网络对电力负荷预测模型进行训练以生成堆叠长短期记忆网络模型；通过堆叠长短期记忆网络模型对电力负荷进行预测，并生成电力负荷预测数据。该方法能够解决不同时间尺度数据依赖问题，提高中长期电力负荷的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.051 seconds)
