公开(公告)号：CN118214025A

公开(公告)日：2024-06-18

申请号：CN202410303610.2

申请日：2024-03-18

Applicant: 广西大学

Inventor： 殷林飞 ,  魏凯跃 ,  林宸

IPC: H02J3/24 ,  H02J3/46 ,  G06N3/0442 ,  G06N3/092

Abstract: 本发明提出一种计及样本短缺的100%新能源电力系统的发电调控方法，将零样本分类方法、嵌入基于用户基线负荷估算模型的Transformer的深度强化学习方法和少样本学习方法相结合，用以对100%新能源电力系统的频率调控。首先，所提零样本分类方法用来判定100%新能源电力系统频率偏差样本是否为已训练样本，根据已学习样本计数结果将频率偏差样本池归类为大样本数据和少样本数据。其次，所提嵌入基于用户基线负荷估算模型的Transformer的深度强化学习方法用于大样本数据情况的频率控制。再次，利用所提的少样本学习方法用于少样本数据情况的频率控制。本发明能对100%新能源电力系统中大样本和少样本情况进行综合控制，提高样本利用率，优化电力系统的调控方式，提高发电控制精度。

公开(公告)号：CN118074110A

公开(公告)日：2024-05-24

申请号：CN202410189460.7

申请日：2024-02-20

Applicant: 广西大学

Inventor： 殷林飞 ,  林宸 ,  魏凯跃

IPC: H02J3/00 ,  H02J3/46 ,  G06Q10/0631 ,  G06Q50/06 ,  G06F17/16 ,  G06F17/18 ,  G06N3/044 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/094

Abstract: 本发明提出一种基于改进矩阵生成对抗网络的低碳概率经济调度方法，该方法基于多个连续时段的电网负荷值，确定多个不同时段的机组出力，将负荷值和机组出力结合作为矩阵，经过矩阵变换输入生成式对抗网络中并训练网络，同时将时间序列的负荷数据输入自回归递归神经网络中进行负荷预测，使用生成式对抗网络基于未来负荷概率分布生成大量数据，并经过矩阵反变换和松弛操作得到大量机组出力和对应的电网负荷的经济调度方案。所述的概率经济调度方法能解决新能源并网造成的经济调度求解时间长，无法在有限时间内提供最优方案的问题。