-
公开(公告)号：CN115879296B
公开(公告)日：2024-10-18
申请号：CN202211530366.0
申请日：2022-12-01
申请人： 武汉科技大学 , 国网湖北省电力有限公司襄阳供电公司 , 国网湖北省电力有限公司电力科学研究院
IPC分类号： G06F30/20 , G06F17/11 , H02J3/36 , G06F113/04
摘要： 本发明提供一种基于ν‑gap度量的HVDC‑MTDC系统鲁棒稳定分析方法、装置及系统，包括步骤(1)：建立基于自稳/致稳作用系统的MTDC系统小信号模型；步骤(2)：基于步骤(1)建立的MTDC系统小信号模型建立可用于ν‑gap分析的MTDC标准反馈系统模型；步骤(3)：基于步骤(2)建立的可用于ν‑gap分析的MTDC标准反馈系统模型计算系统鲁棒稳定裕度指标；步骤(4)：基于步骤(3)计算所得系统鲁棒稳定裕度指标和ν‑gap度量，求解系统参数稳定区域。本发明提出了一种基于具有ν‑gap度量的稳定性判据和稳定性指标计算控制参数稳定区域的方法，实现了参数稳定裕度和稳定区域的准确量化。
-
公开(公告)号：CN115879296A
公开(公告)日：2023-03-31
申请号：CN202211530366.0
申请日：2022-12-01
申请人： 武汉科技大学 , 国网湖北省电力有限公司电力科学研究院 , 国网湖北省电力有限公司襄阳供电公司
IPC分类号： G06F30/20 , G06F17/11 , H02J3/36 , G06F113/04
摘要： 本发明提供一种基于ν‑gap度量的HVDC‑MTDC系统鲁棒稳定分析方法、装置及系统，包括步骤(1)：建立基于自稳/致稳作用系统的MTDC系统小信号模型；步骤(2)：基于步骤(1)建立的MTDC系统小信号模型建立可用于ν‑gap分析的MTDC标准反馈系统模型；步骤(3)：基于步骤(2)建立的可用于ν‑gap分析的MTDC标准反馈系统模型计算系统鲁棒稳定裕度指标；步骤(4)：基于步骤(3)计算所得系统鲁棒稳定裕度指标和ν‑gap度量，求解系统参数稳定区域。本发明提出了一种基于具有ν‑gap度量的稳定性判据和稳定性指标计算控制参数稳定区域的方法，实现了参数稳定裕度和稳定区域的准确量化。
-
公开(公告)号：CN118645992A
公开(公告)日：2024-09-13
申请号：CN202410689561.0
申请日：2024-05-30
发明人： 黄亮 , 庹量禹 , 崔一铂 , 凌在汛 , 孙朝霞 , 顾一鸣 , 向慕超 , 吴笑民 , 刘曼佳 , 邓桂平 , 陈文 , 韩鸿凌 , 金晨 , 阮佳楠 , 田晨丞 , 宋杨 , 鲁金华 , 万冲
IPC分类号： H02J3/00 , G06N3/0442 , G06N3/049 , G06N3/048 , G06N3/08 , G06Q50/06 , G06Q50/40 , B60L3/12 , B60L53/00
摘要： 一种基于IACO‑Attention‑LSTM的电动汽车充电负荷预测方法，选择电价以及节假日作为输入变量；IACO算法采用精英蚂蚁系统和最小最大蚂蚁系统，使用IACO算法对LSTM神经网络进行优化时，IACO反馈LSTM神经网络的预测误差；进行IACO‑LSTM方法负荷预测前，IACO算法对LSTM进行训练，选择不同的超参数对数据集进行训练并预测输出结果，根据预测结果和真实负荷值的误差确定让蚂蚁最快遍历所有目标的超参数，在迭代次数完成之后输出最优解，赋值给LSTM神经网络，确定最终LSTM神经网络预测模型，运用Attention机制对所有预测结果进行整合，得到预测结果，以提升预测准确性和效率。
-
公开(公告)号：CN117895517A
公开(公告)日：2024-04-16
申请号：CN202311817259.0
申请日：2023-12-26
IPC分类号： H02J3/06 , H02J3/48 , H02J3/50 , H02J3/32 , G06F30/18 , G06F30/27 , G06N3/006 , G06N3/092 , G06F113/04 , G06F113/06
摘要： 本发明提供提出了一种基于强化学习的多微网能量共享方法，包括：S1，建立源荷模型，包括风力发电、光伏发电、储能电池的数学模型；S2，确定微网内部组成单元的约束限制，述约束限制包括负载需求相应限制、储能电池限制、可再生能源限制；S3，基于步骤S1建立的数学模型和步骤S2确定的约束限制设计多微网系统拓扑结构；S4，在步骤S3设计的多微网系统拓扑结构提出多微网分层优化的方法，将系统分为两层进行调度；S5，根据步骤S4提出的优化方法，采用强化学习对下层多微网进行求解，采用自适应粒子群算法对上层进行求解，进而实现多微网能量共享。与现有的方法相比，本发明首次将强化学习与多微网能量共享方法结合起来，通过最佳学习策略，可更有效地利用可用的能量资源，并提高能量共享的效果；同时，也可更好地解决多微网能量共享的复杂性与不确定性。
-
公开(公告)号：CN115983095A
公开(公告)日：2023-04-18
申请号：CN202211526379.0
申请日：2022-12-01
IPC分类号： G06F30/27 , G06F18/23213 , G06N3/0442 , G06N3/084 , H02J3/00 , G06F113/04 , G06F111/08
摘要： 本发明提供一种基于聚类算法、神经网络和遗传算法的光伏发电预测方法，通过将光伏发电功率与天气等影响因素的映射关系建立辨识模型，对历史数据集进行K‑Means聚类分析，然后将聚类所得的数据输入至BP神经网络中进行训练，输出发电功率，再将所得发电功率数据集作为输入放入LSTM神经网络中训练，对于神经网络的超参数利用遗传算法(GA)来确定，最终预测输出明日光伏发电功率。本发明为当前光伏发电预测的可靠性及准确性提供了新思路。
-
公开(公告)号：CN115036918A
公开(公告)日：2022-09-09
申请号：CN202210752627.7
申请日：2022-06-29
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：CN117838140A
公开(公告)日：2024-04-09
申请号：CN202410117093.X
申请日：2024-01-29
IPC分类号： A61B5/318 , G06F18/10 , G06F18/214 , G06F18/24 , G06F18/213 , G06F18/25 , G06F18/23213 , A61B5/346 , A61B5/00
摘要： 一种针对长时间序列心电信号的跨模态多尺度多示例心电信号分类方法，包括:收集获取现有开源心电信号数据集，对现有开源心电信号数据集依据多示例学习的范式进行预处理，并划分训练集、验证集及测试集；构建由跨模态多尺度多示例网络特征提取主干网络、多模态多示例聚合模块、分类层网络构成的心电信号分类网络；分别使用患者内模式和患者间模式划分得到的训练集进行权重参数的学习，和经过验证集的进一步优化调整，最终由测试集得完成对于长时间序列心电信号的分类测试，确定最终的分类结果。本发明针对长时间序列心电信号难以成功分类的问题，提出了一种跨模态多尺度多示例心电信号分类方法，大大提高了长时间序列心电信号的分类精度。
-
公开(公告)号：CN115622144A
公开(公告)日：2023-01-17
申请号：CN202211318017.2
申请日：2022-10-26
摘要： 本发明提供提出了一种多微网能量共享方法，包括：S1，对微网内部组成单元建模，建立风力发电、光伏发电、储能电池的数学模型；S2，确定微网内部组成单元的约束限制；基于步骤S1建立的数学模型和步骤S2确定的约束限制设计多微网系统拓扑结构；S4，在步骤S3设计的多微网系统拓扑结构中应对实际场景中不同时间尺度的调度问题，应用双时间尺度控制策略，提出分层优化的方法；S5，根据步骤S4提出的优化方法，采用阶梯协调调度思想的调度策略，对各子网控制级进行能源优化。基于此，本发明可降低各个微网与配网之间交易的电量，提高配网运行稳定性和各微网的经济性。
-
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：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
145 条记录 (耗时 0.083 秒)
