-
公开(公告)号:CN115422869A
公开(公告)日:2022-12-02
申请号:CN202210909159.X
申请日:2022-07-29
Applicant: 广东电网有限责任公司广州供电局
IPC: G06F30/367 , G06F17/11 , G06F17/16 , G06F113/04 , G06F119/06
Abstract: 本发明公开了一种负荷模型的参数辨识方法、系统、计算机设备及存储介质,所述方法包括:获取预处理后的电力系统扰动数据;将负荷模型转化成状态空间方程的形式并进行简化处理;将预处理后的电力系统扰动数据和每个待辨识参数的初始值输入非线性灰箱模型,实现负荷模型的参数辨识。本发明将物理模型与数据驱动相结合,既可以考虑负荷的物理机理,也可以利用观测到的大量数据,提高了参数辨识的精确性;同时,相较于传统的静态负荷模型和WECC CLM模型而言,ZIP+IM模型不仅可以较好地模拟负荷动态行为,而且参数较少,辨识难度较低。此外,灰箱模型具有明确的物理意义,训练周期短且求解速度快,具有较好的应用价值。
-
公开(公告)号:CN115632394A
公开(公告)日:2023-01-20
申请号:CN202211205874.1
申请日:2022-09-30
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本发明涉及光伏发电技术领域,为基于PPO算法的光伏电站暂态模型构建与参数辨识方法。该方法包括:采集光伏电站在其经受扰动时相关的电压和功率数据;建立等值光伏逆变器模型,对等值光伏逆变器模型的参数进行灵敏度分析,筛选出对功率曲线拟合影响较显著的关键参数;采用PPO深度强化学习算法进行参数辨识,当等值光伏逆变器模型的功率曲线与原始光伏电站的功率曲线的误差小于设定的范围时,将强化学习的状态向量作为参数辨识的结果。本发明融合了机理模型建模和参数辨识的方法,降低了数据获取的难度,运用深度强化学习算法代替原有的粒子群算法,提高了模型参数辨识的效率,有助于分析光伏电站系统的动态特性,进而保障电网的安全稳定运行。
-
公开(公告)号:CN115392110A
公开(公告)日:2022-11-25
申请号:CN202210889254.8
申请日:2022-07-27
Applicant: 广东电网有限责任公司广州供电局
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F17/12 , G06F17/13 , H02J3/38 , G06F111/10 , G06F113/06 , G06F119/06
Abstract: 本发明公开了一种基于PPO算法的数据模型混合驱动风电场建模方法,包括以下步骤:S1、收集风电场在经受扰动后的量测数据;S2、构建风电场等值机模型,运用微分方程来描述风电场在经受扰动后的暂态过程,依据微分方程组构建等值机模型;S3、参数初值设置与灵敏度分析,对双馈风机的电机参数和控制参数进行轨迹灵敏度分析;S4、基于PPO强化学习算法的参数辨识。本发明融合了机理模型建模和参数辨识的方法,建立的等值机模型具有明确的物理意义,同时无需预先知道每台风机的准确参数,显著降低了数据获取的难度,并且运用深度强化学习算法代替原有的粒子群算法,提高了参数辨识的效率。
-
-