-
公开(公告)号：CN116780647A
公开(公告)日：2023-09-19
申请号：CN202310696706.5
申请日：2023-06-13
申请人： 广东电网有限责任公司 , 广东电网有限责任公司阳江供电局
摘要： 本发明公开了一种能源电力系统优化调度方法、系统、设备和介质，响应优化调度请求，对优化调度请求对应的风电出力预测的不确定场景进行描述，构建目标风电功率场景集，基于基准场景日前调度计划和目标风电功率场景集，构建风火打捆日前‑日内两阶段随机优化模型，采用优化求解器对风火打捆日前‑日内两阶段随机优化模型进行求解，生成优化日前‑日内调度计划；实现了考虑风电不确定场景下，利用常规火电发电机组与电储能实现日前‑日内两阶段优化调度，最大限度提升风电消纳量，满足系统在多种风电场景下均以最小切负荷和最小风电消纳运行，兼顾系统运行安全性和经济性，有助于推进大规模风火打捆外送发展。
-
公开(公告)号：CN110224393B
公开(公告)日：2020-08-25
申请号：CN201910438343.9
申请日：2019-05-24
申请人： 广东电网有限责任公司阳江供电局 , 重庆大学 , 广东电网有限责任公司电力调度控制中心
摘要： 本发明公开一种基于最小切负荷模型的新能源消纳评估方法，主要步骤为：1)获取T年内电力系统数据，并建立电力系统N‑1预想故障集。2)建立电力系统运行典型场景。3)对电力系统的水电站进行优化调度，使电力系统在正常运行状态下满足正常运行约束条件。4)将电力系统数据输入最小切负荷模型中，得到最小负荷削减量的期望值，使电力系统在N‑1预想故障状态下满足故障状态约束条件。5)计算得到新能源渗透率上限和新能源消纳能力。6)建立新能源渗透率和最小负荷削减量期望值的关系曲线。本发明适用于水电富集地区，本发明充分考虑了系统中的电源灵活性，提高新能源消纳水平，准确评估了系统的新能源消纳能力。
-
公开(公告)号：CN110729767A
公开(公告)日：2020-01-24
申请号：CN201910952851.9
申请日：2019-10-09
申请人： 广东电网有限责任公司阳江供电局 , 重庆大学 , 广东电网有限责任公司电力调度控制中心
摘要： 本发明公开了一种含水电的地区电网风光容量优化配置方法，主要步骤为：1)确定待优化地区电网在春季、夏季、秋季、冬季的典型日。2)利用K均值聚类方法对电网数据进行处理，生成待优化地区电网在春季、夏季、秋季、冬季的典型场景。3)设置待优化地区电网内风电场和光伏电站的待选接入点。4)基于所述待选接入点，建立优化地区电网的目标函数和约束条件。5)基于待优化地区电网的约束条件，求解目标函数，从而计算得到待优化地区电网待选接入点的风电场和光伏电站的容量。准确计及了水电站的运行特性，实现地区电网内可再生能源的全额消纳，避免了弃风、弃光、弃水问题，完成了含水电的地区电网的风光容量优化配置。
-
公开(公告)号：CN116628966A
公开(公告)日：2023-08-22
申请号：CN202310561248.4
申请日：2023-05-17
申请人： 广东电网有限责任公司 , 广东电网有限责任公司阳江供电局
IPC分类号： G06F30/20 , G06Q50/06 , G06F17/18 , H02J13/00 , G06F113/04
摘要： 本发明公开了一种电网分区方法、系统、设备和介质，通过获取电网对应的电气网络数据，采用电气网络数据进行阻抗计算，生成电网中各节点对应的电气距离。然后分别采用电气距离和电气网络数据，计算节点对应的目标功率传输容量和目标等效导纳。通过采用目标功率传输容量、目标等效导纳和预设的比例系数，计算节点对应的初始电气耦合强度。基于全部初始电气耦合强度和预设的分区数，确定电网对应的初始中心节点。基于初始中心节点和电气网络数据进行分区，生成电网对应的多个目标子网。通过计算各个节点对应的电气耦合强度，能更好地反映电网中任意两个节点之间的电气特性，这样不仅可以提高分区速度，还能保证分区质量，具有很强的实用性。
-
公开(公告)号：CN110224393A
公开(公告)日：2019-09-10
申请号：CN201910438343.9
申请日：2019-05-24
申请人： 广东电网有限责任公司阳江供电局 , 重庆大学 , 广东电网有限责任公司电力调度控制中心
摘要： 本发明公开一种基于最小切负荷模型的新能源消纳评估方法，主要步骤为：1)获取T年内电力系统数据，并建立电力系统N-1预想故障集。2)建立电力系统运行典型场景。3)对电力系统的水电站进行优化调度，使电力系统在正常运行状态下满足正常运行约束条件。4)将电力系统数据输入最小切负荷模型中，得到最小负荷削减量的期望值，使电力系统在N-1预想故障状态下满足故障状态约束条件。5)计算得到新能源渗透率上限和新能源消纳能力。6)建立新能源渗透率和最小负荷削减量期望值的关系曲线。本发明适用于水电富集地区，本发明充分考虑了系统中的电源灵活性，提高新能源消纳水平，准确评估了系统的新能源消纳能力。
-
公开(公告)号：CN111146787B
公开(公告)日：2021-04-09
申请号：CN202010067101.6
申请日：2020-01-20
申请人： 广东电网有限责任公司阳江供电局
摘要： 本发明公开了一种用于风场电池储能系统的虚拟惯量控制方法。该方法首先基于电池储能系统的一般控制策略实现对风场输出有功功率波动的平抑；进一步，考虑系统扰动对频率的影响，基于同步发电机转子运动方程，建立提供惯量支撑的电池储能系统虚拟惯量控制模型；最后，根据风场频率波动的相对大小，对虚拟惯量控制模型进行动态修正，得到用于风场电池储能系统的虚拟惯量控制策略。该发明在保证系统可靠性的前提下，充分发挥电池储能系统动态吸收和释放能量的特性，在平抑风场输出功率波动的同时减少系统频率波动，提高系统的安全稳定运行。该控制方法可以作为平抑风场输出波动和提高风场惯性控制的有效参考。
-
公开(公告)号：CN111555268A
公开(公告)日：2020-08-18
申请号：CN202010285721.7
申请日：2020-04-13
申请人： 广东电网有限责任公司阳江供电局
IPC分类号： H02J3/00
摘要： 本发明涉及电力系统负荷辨识领域，更具体地，涉及一种小扰动环境下基于预报误差法的电力系统闭环负荷辨识方法，包括以下步骤S1，小扰动环境下，预报法应用条件验证；S2，获取序列总长度为N的负荷的电压幅值序列，电压相角序列，有功功率序列，无功功率序列；S3，建立待辨识负荷的状态空间模型；S4，将连续状态空间模型转化成离散状态空间模型；然后离散状态空间形式转化成卡尔曼滤波形式；S5，定义待辨识负荷的输出，寻找最优的负荷参数使得目标函数最小。本发明利用预报误差法进行小干扰环境下负荷的闭环辨识，克服了传统开环辨识方法存在的辨识不准确问题。
-
公开(公告)号：CN111415010A
公开(公告)日：2020-07-14
申请号：CN202010202498.5
申请日：2020-03-20
申请人： 广东电网有限责任公司阳江供电局
摘要： 本发明公开了一种基于贝叶斯神经网络的风电机组参数辨识方法，包括以下步骤：S1，采集风电机组历史数据，并对贝叶斯神经网络模型参数初始化；S2，将全部风电机组历史数据分为训练数据及测试数据；S3，利用训练数据计算网络输出；S4，更新贝叶斯神经网络模型权值；S5，计算全局误差，判断是否满足要求，若满足要求，获得最终的网络权值矩阵，结束学习算法。否则，返回S3，进入下一轮的学习；S6，利用测试数据及网络权值计算网络输出，得到风电机组的参数辨识结果。本发明将贝叶斯理论与神经网络模型进行结合，与传统参数辨识方法相比，该方法在辨识过程中，考虑了外部环境不确定性变化时的影响，该方法具有全局误差容易收敛，迭代步数少的优点。
-
公开(公告)号：CN117056824A
公开(公告)日：2023-11-14
申请号：CN202310966084.3
申请日：2023-08-02
申请人： 广东电网有限责任公司阳江供电局
IPC分类号： G06F18/2415 , G06F18/214 , G06N3/042 , H02J3/18
摘要： 本申请公开了一种基于边图注意力网络的概率潮流评估方法及装置，基于电力系统不确定性因素，抽取采样值，将所述采样值进行正交化排序，得到最终样本，将所述最终样本建模为图数据结构，将所述图数据结构输入由多层边图注意力网络图滤波器堆叠构成的潮流求解器，计算得到潮流分布，基于所述潮流分布，实现概率潮流评估。本申请在概率潮流评估中引入图神经网络的方法，通过深度学习拟合从输入到输出之间映射关系，计算过程中无需迭代，计算速度极快，可以有效解决传统潮流计算耗时长的问题，能够保留蒙特卡洛概率潮流风险评估方法高计算精度的优点，同时一定程度上减少其时间消耗。
-
公开(公告)号：CN111415010B
公开(公告)日：2022-11-22
申请号：CN202010202498.5
申请日：2020-03-20
申请人： 广东电网有限责任公司阳江供电局
摘要： 本发明公开了一种基于贝叶斯神经网络的风电机组参数辨识方法，包括以下步骤：S1，采集风电机组历史数据，并对贝叶斯神经网络模型参数初始化；S2，将全部风电机组历史数据分为训练数据及测试数据；S3，利用训练数据计算网络输出；S4，更新贝叶斯神经网络模型权值；S5，计算全局误差，判断是否满足要求，若满足要求，获得最终的网络权值矩阵，结束学习算法。否则，返回S3，进入下一轮的学习；S6，利用测试数据及网络权值计算网络输出，得到风电机组的参数辨识结果。本发明将贝叶斯理论与神经网络模型进行结合，与传统参数辨识方法相比，该方法在辨识过程中，考虑了外部环境不确定性变化时的影响，该方法具有全局误差容易收敛，迭代步数少的优点。
-
-
-
-
-
-
-
-
-
搜索结果
109 条记录 (耗时 0.072 秒)