-
公开(公告)号：CN114997457A
公开(公告)日：2022-09-02
申请号：CN202210286544.3
申请日：2022-03-22
申请人： 武汉大学 , 国网湖北省电力有限公司电力科学研究院
摘要： 本发明涉及一种基于集中供热系统储热特性的热电联产机组灵活性优化调度方法。包括:步骤1、采集热网的管道各个节点的温度，以及管道的供水温度、回水温度，采集管道的水流量，基于CHP机组的热力系统调度目标函数及其约束条件，得到CHP机组的出力上下限；步骤2、以总运行及备用成本，风电的弃风量最小为优化目标，综合考虑电力平衡以及电力系统约束以及CHP机组多时间多时间尺度灵活性出力约束，基于总成本优化目标函数，利用商业求解器即可以求解，得到CHP机组的具体出力值。因此，本发明能够充分挖掘CHP机组的调节灵活性，扩大风电的上网空间，增加可再生能源的利用率，实现电热综合能源的互补互利，实现经济性最优。
-
公开(公告)号：CN114997457B
公开(公告)日：2024-10-15
申请号：CN202210286544.3
申请日：2022-03-22
申请人： 武汉大学 , 国网湖北省电力有限公司电力科学研究院
IPC分类号： G06Q10/04 , G06Q10/0631 , G06Q50/06 , H02J3/46
摘要： 本发明涉及一种基于集中供热系统储热特性的热电联产机组灵活性优化调度方法。包括:步骤1、采集热网的管道各个节点的温度，以及管道的供水温度、回水温度，采集管道的水流量，基于CHP机组的热力系统调度目标函数及其约束条件，得到CHP机组的出力上下限；步骤2、以总运行及备用成本，风电的弃风量最小为优化目标，综合考虑电力平衡以及电力系统约束以及CHP机组多时间多时间尺度灵活性出力约束，基于总成本优化目标函数，利用商业求解器即可以求解，得到CHP机组的具体出力值。因此，本发明能够充分挖掘CHP机组的调节灵活性，扩大风电的上网空间，增加可再生能源的利用率，实现电热综合能源的互补互利，实现经济性最优。
-
公开(公告)号：CN117595340A
公开(公告)日：2024-02-23
申请号：CN202311569995.9
申请日：2023-11-21
申请人： 武汉大学 , 国网湖北省电力有限公司电力科学研究院
摘要： 本发明公开了一种电动汽车参与电网与交通网安全调度方法、系统和介质，该方法包括：根据演化博弈模型分析电动汽车对电网或者充电站充放电激励措施的响应；采用交通网均衡模型计算响应充放电激励措施的电动汽车到达充电站的最短行程时间，并根据响应结果和最短行程时间确定充电站的充放电能力信息；基于充电站的充放电能力信息构建充电站充放电能力快速计算模型，并确定不同激励场景下充电站最大充放电能力；基于充电站最大充放电能力构建电网最优潮流模型，并求解得到电网或者充电站各调度参数。本发明能够提高电动汽车参与电网运行调度的有效性和合理性，以及电网抵御故障的能力。
-
公开(公告)号：CN118014255A
公开(公告)日：2024-05-10
申请号：CN202410073847.6
申请日：2024-01-18
申请人： 武汉大学 , 国网湖北省电力有限公司电力科学研究院
IPC分类号： G06Q10/0631 , H02J3/06 , H02J3/14 , G06Q50/06 , G06Q50/40
摘要： 本发明涉及电动汽车和电气交通融合技术，具体涉及一种电网与交通网连锁故障分析方法、系统及介质，该方法包括基于频率响应的直流潮流模型分析大规模电动汽车负荷接入下的电网频率和潮流变化过程，模拟电网频率和潮流变化过程中电网故障的传播过程；基于后悔理论建立故障下具有有限理性的电动汽车用户的出行决策模型，构建动态交通均衡模型分析交通拥堵故障和电动汽车充电负荷的演化过程；基于负荷‑容量模型构建电网故障传播至交通网以及交通网故障传播至电网的故障跨空间传播判别条件，将跨空间传播三大过程分离模拟实现电网与交通网连锁故障简化分析。该方法能够有效反映大规模电动汽车充电负荷转移对电网连锁故障的影响。
-
公开(公告)号：CN117807805A
公开(公告)日：2024-04-02
申请号：CN202410060049.X
申请日：2024-01-15
申请人： 武汉大学 , 国网湖北省电力有限公司电力科学研究院
IPC分类号： G06F30/20 , G06Q10/04 , G06Q50/06 , G06F17/16 , G06F113/04
摘要： 本发明提供一种故障与气候影响的电动汽车充电负荷计算方法及装置，属于电气和交通融合领域。本发明方法结合电网、交通网以及用户心理构建充电负荷时空分布模型。首先，建立考虑路阻抗和节点阻抗的动态交通网模型，基于图论构建相应的交通网和电网耦合模型；其次，将电动汽车分为私家车、出租车和公用车三类，引入OD矩阵分析方法和实时Dijkstra动态路径搜索算法为电动汽车分配起止节点和路径规划，在此基础上分别建立行驶过程和充电行为模型；随后，基于用户心理对电动汽车充电负荷进行修正，综合考虑排队时间和“里程焦虑”效率，建立多源信息电动汽车充电负荷预测框架。该方法能够准确预测电动汽车充电负荷时空分布，具有合理性。
-
公开(公告)号：CN117195479A
公开(公告)日：2023-12-08
申请号：CN202310967784.4
申请日：2023-08-02
申请人： 武汉大学 , 国网湖北省电力有限公司电力科学研究院
IPC分类号： G06F30/20 , B60L53/00 , B60L53/62 , H02J3/14 , G06Q50/06 , G06Q50/30 , G06Q10/0631 , G06F113/04 , G06F111/08 , G06F111/04
摘要： 本发明涉及电动汽车交通融合技术，具体涉及电力交通网络故障下充电负荷分析方法及系统和设备，该方法结合电网层、交通网层以及用户决策层构建故障下充电负荷演化模型，进行故障下配电网供电能力的评估；考虑用户决策的动态交通演化分析；建立电网与交通网耦合交互模型；构建电网与交通网耦合网络故障下充电演化特征模型。该方法考虑了电网层、交通层、用户决策层的相互影响，更加符合实际规律，所得故障下电网、交通网运行演化特征以及电动汽车充电负荷演化特性更准确。能够揭示电网与交通网耦合网络故障下充电负荷演化的内在因素，制定电网与交通网耦合网络故障阻抑的电动汽车出行和充电引导措施。
-
公开(公告)号：CN117977661B
公开(公告)日：2024-09-06
申请号：CN202410361261.X
申请日：2024-03-28
摘要： 本发明公开了一种磁耦合型光储充放集成装置以及经济运行控制方法，在磁耦合型集成装置基础上，灵活接入了光储充多类型终端设备以及光储充协同控制装置，并引入了磁耦合型光储充放集成装置经济运行控制方法，具备终端设备状态信息采集及指令下发、能量流实时协同调度、光伏发电电量预测、电动汽车充放电电量预测和光储充放多能流经济运行控制规划等多项功能，可以实现光、储、充、放多种能量形式的协同、经济、智能调度。本发明充分利用光储充多类型终端资源柔性调节能力，全面提升了传统光储充站点设备运行可靠性差、资源利用效率、经济运营能力。
-
公开(公告)号：CN115036918B
公开(公告)日：2024-08-27
申请号：CN202210752627.7
申请日：2022-06-29
IPC分类号： H02J3/00 , H02J3/32 , H02J3/24 , H02J3/38 , G06F30/27 , G06N3/0442 , G06N3/0499 , G06N3/084 , G06N3/045 , B60L53/64
摘要： 本发明提供一种光储充电站经济运行费用和负荷方差优化的方法，在基于对充电站内的最大光伏发电功率以及站内电动汽车充电需求功率的准确预测的基础上，同时建立充电站经济运行费用和负荷方差的目标函数组成的双目标模型，然后利用LSTM算法和GA‑BP算法对光伏发电功率和电动汽车充电负荷功率准确预测，并在此基础上利用NSGA‑II算法对双目标模型求解。本发明基于在完整优化周期对站内最大光伏发电功率和电动汽车需求功率的准确预测的基础上，对目标函数计算，即优化充电站周期内系统经济运行费用和负荷方差，此项发明可广泛应用于光储充电站系统控制领域。
-
公开(公告)号：CN116826776A
公开(公告)日：2023-09-29
申请号：CN202310695556.6
申请日：2023-06-12
摘要： 一种基于麻雀搜索算法的系统电压偏差补偿优化方法，包括：分析基于在单无功功率补偿和单有功功率补偿的情况下负载电压的变化，确定无功电流和有功电流与负载电压之间的对应关系；当负载电压低于国标要求时，根据基于无功电流和有功电流与负载电压之间的对应关系，采用麻雀搜索算法对无功电流进行控制，不断改变无功电流输入，搜索电压的无功最大补偿点，补偿装置据此对系统进行无功功率补偿或无功有功同时补偿，使负载电压满足电压补偿需求；当负载电压高于国标要求时，系统对补偿装置进行有功输入，降低负载电压达使之到国标范围内。本发明在保证负载电压满足国标前提下尽量通过无功功率输出的方式进行电压补偿，实现经济效益最大化。
-
公开(公告)号：CN116494784A
公开(公告)日：2023-07-28
申请号：CN202310245165.4
申请日：2023-03-10
摘要： 本发明提出一种基于模糊深度神经网络的电动汽车充电负荷预测方法、装置、系统及存储介质，该方法包括：S1，对历史负荷数据进行预处理和采用隶属度函数对温度进行数字化模糊处理后再对所有输入数据进行归一化处理，再将其一起输入到神经网络中；S2，将经过步骤S1处理的负荷数据作为脉冲神经网络的训练样本，进行预训练初步构建深度神经网络预测模型，完成对深度神经网络每一层神经元的权值初始化；S3，预训练后，使用PSO对步骤S2初始化的模糊深度神经网络各层之间权参量精细化微调，建立模糊深度神经网络预测模型。本发明既考虑了传统负荷预测方法难以同时兼顾负荷时间特性和空间特性的问题，又能客观反映实际情况，实用性更强。
-
-
-
-
-
-
-
-
-
搜索结果
24 条记录 (耗时 0.047 秒)
