-
公开(公告)号：CN110909959B
公开(公告)日：2023-04-07
申请号：CN201911289978.3
申请日：2019-12-16
申请人： 国网青海省电力公司电力科学研究院 , 武汉大学 , 国网青海省电力公司 , 国家电网有限公司
IPC分类号： G06Q10/04 , G06Q10/0635 , G06Q50/06
摘要： 本发明涉及电力系统的运行、分析与调度领域，尤其是涉及一种计及风电运行风险的多能互补电力系统鲁棒机组组合优化方法。本发明计及风电功率超额偏差的CVaR，确保风电消纳的可行性和有效性。同时，本发明通过对风电功率时间/空间不确定性预算的调整策略，控制鲁棒最优解的保守度。此外，引入了风电功率运行风险水平约束，确保风电消纳的经济性与运行风险的可控性。经线性化技术处理，本发明所构建的计及风电运行风险的多能互补电力系统鲁棒机组组合模型最终转化为单层混合整数线性规划模型，可由高效的商业求解器直接求解。
-
公开(公告)号：CN112948462A
公开(公告)日：2021-06-11
申请号：CN202110220371.0
申请日：2021-02-26
申请人： 武汉大学 , 国网青海省电力公司电力科学研究院
摘要： 本发明公开了一种基于改进的奇异谱分析和Bp神经网络的超短期风速预测方法，包括了以下步骤：S1、获取风速历史数据；S2、采用改进的奇异谱分析将风速序列分解成一系列子序列，其中改进的奇异谱分析引入奇异熵判断风速序列的噪声成分并去除；S3、划分每个子序列的训练数据，分别建立Bp神经网络模型并完成训练；S4、对改进奇异谱分析分解得到的子序列分别预测；S5、组合所有子序列的预测结果完成风速预测。本发明通过改进的奇异谱分析去除了原始风速序列的噪声影响，进一步提高了风速的预测精度。
-
公开(公告)号：CN110909959A
公开(公告)日：2020-03-24
申请号：CN201911289978.3
申请日：2019-12-16
申请人： 国网青海省电力公司电力科学研究院 , 武汉大学 , 国网青海省电力公司 , 国家电网有限公司
摘要： 本发明涉及电力系统的运行、分析与调度领域，尤其是涉及一种计及风电运行风险的多能互补电力系统鲁棒机组组合优化方法。本发明计及风电功率超额偏差的CVaR，确保风电消纳的可行性和有效性。同时，本发明通过对风电功率时间/空间不确定性预算的调整策略，控制鲁棒最优解的保守度。此外，引入了风电功率运行风险水平约束，确保风电消纳的经济性与运行风险的可控性。经线性化技术处理，本发明所构建的计及风电运行风险的多能互补电力系统鲁棒机组组合模型最终转化为单层混合整数线性规划模型，可由高效的商业求解器直接求解。
-
公开(公告)号：CN111797974B
公开(公告)日：2022-10-11
申请号：CN202010486953.9
申请日：2020-06-01
申请人： 武汉大学 , 国网青海省电力公司电力科学研究院 , 国网青海省电力公司 , 国家电网有限公司
摘要： 本发明提出一种联合粒子滤波和卷积神经网络的电力系统状态估计方法：离线学习部分，先利用历史RTU/PMU量测融合数据，分析系统注入功率的概率分布，再通过基于贝叶斯估计的粒子滤波算法，利用蒙特卡洛采样，生成训练样本，训练卷积神经网络；在线状态估计部分，将实时PMU量测数据预处理后，根据从离线学习部分训练获得的卷积神经网络结构和权重值建立网络，再通过前向计算和后向传播，完成电力系统的状态估计。相较于传统最小二乘估计的牛顿法迭代算法，该方法能有效提升计算速度，提高状态估计的精度和抗差能力。
-
公开(公告)号：CN110020680B
公开(公告)日：2022-04-05
申请号：CN201910234071.0
申请日：2019-03-26
申请人： 武汉大学 , 国网青海省电力公司电力科学研究院 , 国网青海省电力公司
IPC分类号： G06K9/62
摘要： 本发明公开一种基于随机矩阵理论和模糊C均值聚类算法的PMU数据分类方法。包括：步骤1)建立历史PMU数据随机矩阵模型，通过建立线性特征值统计量进行特征提取，得到特征数据集；步骤2)用模糊C均值聚类算法对特征数据集进行聚类，得到各类的聚类中心和隶属度矩阵；步骤3)将实时电网运行数据结合历史数据建立随机矩阵模型，通过建立线性特征值统计量进行特征提取，生成特征数据；步骤4)使用步骤2的结果进行初始化，对步骤3生成的特征数据进行模糊C均值聚类，判断实时数据的类别。本发明可实现数据驱动下的PMU数据实时分类。
-
公开(公告)号：CN112821468A
公开(公告)日：2021-05-18
申请号：CN202110220374.4
申请日：2021-02-26
申请人： 武汉大学 , 国网青海省电力公司电力科学研究院
IPC分类号： H02J3/46
摘要： 本发明属于火电机组实时优化领域，具体涉及一种分时段多目标火电机组实时优化调度方法。本发明通过各火电机组的基本参数，风电与负荷日前预测及超短期预测数据等基本数据，实时进行调峰及非调峰时段指标判定，优化模式切换，火电机组出力曲线优化及下发。该系统的优点在于能充分挖掘火电机组自身能力，调整火电机组参与调峰的出力控制策略，在促进风电消纳的同时，保障火电机组自身经济效益。
-
公开(公告)号：CN112821468B
公开(公告)日：2022-12-30
申请号：CN202110220374.4
申请日：2021-02-26
申请人： 武汉大学 , 国网青海省电力公司电力科学研究院
IPC分类号： H02J3/46
摘要： 本发明属于火电机组实时优化领域，具体涉及一种分时段多目标火电机组实时优化调度方法。本发明通过各火电机组的基本参数，风电与负荷日前预测及超短期预测数据等基本数据，实时进行调峰及非调峰时段指标判定，优化模式切换，火电机组出力曲线优化及下发。该系统的优点在于能充分挖掘火电机组自身能力，调整火电机组参与调峰的出力控制策略，在促进风电消纳的同时，保障火电机组自身经济效益。
-
公开(公告)号：CN111797974A
公开(公告)日：2020-10-20
申请号：CN202010486953.9
申请日：2020-06-01
申请人： 武汉大学 , 国网青海省电力公司电力科学研究院 , 国网青海省电力公司 , 国家电网有限公司
摘要： 本发明提出一种联合粒子滤波和卷积神经网络的电力系统状态估计方法：离线学习部分，先利用历史RTU/PMU量测融合数据，分析系统注入功率的概率分布，再通过基于贝叶斯估计的粒子滤波算法，利用蒙特卡洛采样，生成训练样本，训练卷积神经网络；在线状态估计部分，将实时PMU量测数据预处理后，根据从离线学习部分训练获得的卷积神经网络结构和权重值建立网络，再通过前向计算和后向传播，完成电力系统的状态估计。相较于传统最小二乘估计的牛顿法迭代算法，该方法能有效提升计算速度，提高状态估计的精度和抗差能力。
-
公开(公告)号：CN110020680A
公开(公告)日：2019-07-16
申请号：CN201910234071.0
申请日：2019-03-26
申请人： 武汉大学 , 国网青海省电力公司电力科学研究院 , 国网青海省电力公司
IPC分类号： G06K9/62
摘要： 本发明公开一种基于随机矩阵理论和模糊C均值聚类算法的PMU数据分类方法。包括：步骤1)建立历史PMU数据随机矩阵模型，通过建立线性特征值统计量进行特征提取，得到特征数据集；步骤2)用模糊C均值聚类算法对特征数据集进行聚类，得到各类的聚类中心和隶属度矩阵；步骤3)将实时电网运行数据结合历史数据建立随机矩阵模型，通过建立线性特征值统计量进行特征提取，生成特征数据；步骤4)使用步骤2的结果进行初始化，对步骤3生成的特征数据进行模糊C均值聚类，判断实时数据的类别。本发明可实现数据驱动下的PMU数据实时分类。
-
公开(公告)号：CN113471988B
公开(公告)日：2023-08-15
申请号：CN202110735315.0
申请日：2021-06-30
申请人： 武汉大学
摘要： 双馈式可变速抽蓄机组是一种新型的水电系统，由于抽水工况下转速连续可调，在保证静态扬程的前提上，通过变速运行机组输入功率调节范围拓宽。为挖掘机组参与电网调频的潜能，本发明涉及一种基于抽水工况下双馈可变速抽蓄机组机电暂态模型的有功‑频率耦合控制方法,首先建立了抽水工况可变速机组的简化机电暂态模型，该模型以抽水工况可逆水泵水轮机运行特性为基础，考虑了流体在过流管道内的动态特性，并计及了导叶的附加摩擦效应；然后从水力的角度揭示了抽水工况机组具备调频能力的本质原因；阐明了抽水工况机组改善电网频率特性的机理，并给出了控制器参数的推荐范围。最后，仿真和实验结果，验证了所提抽水工况机组改善电网频率特性的能力。
-
-
-
-
-
-
-
-
-
搜索结果
120 条记录 (耗时 0.044 秒)