-
公开(公告)号：CN113363997A
公开(公告)日：2021-09-07
申请号：CN202110597000.4
申请日：2021-05-28
申请人： 浙江大学 , 南方电网数字电网研究院有限公司
摘要： 本发明涉及电力系统运行和优化技术，旨在提供一种基于多时间尺度多智能体深度强化学习无功电压控制方法。本发明将光伏、风机和负荷中的有载调压分接头、电容器组和储能均定义为智能体，把基于强化学习的方法应用于无功优化问题中，允许控制器通过与类似系统的仿真模型交互来学习控制策略。将无功调节设备的动作变量与配电网环境进行交互，智能体最终能够实现对于外部环境的最优响应，从而获得最大的回报值。本发明用神经网络方法来分析和拟合智能体的战略函数和动作价值函数，训练过程不依赖于预测数据结果和精确的潮流建模；使用两个时间尺度的无功优化方法，可以使得网损更小、电压平抑效果更佳，对提升配网安全可靠性有更显著的效果。
-
公开(公告)号：CN112784994B
公开(公告)日：2023-03-03
申请号：CN202011633318.5
申请日：2020-12-31
申请人： 浙江大学 , 南方电网数字电网研究院有限公司
摘要： 本发明公开一种基于区块链的联邦学习数据参与方贡献值计算和激励方法，该方法包括步骤：对数据参与方的本地训练模型进行特征提取，获得模型更新数据；数据需求方对所述模型更新数据解码，得到中间验证模型；数据需求方对中间验证模型分批次评估得到评估指标；根据所述评估指标计算所述数据参与方的贡献度；根据所述数据参与方的贡献度向数据参与方分配激励值；将数据参与方的激励值和地址形成奖励队列放入区块链上。本发明以由数据需求方对数据参与方的贡献进行评估和计算，再以各方贡献为分配依据进行奖励的分配，保证公平性，同时提高数据拥有方参与联邦学习的热情；有效地鼓励和吸引数据拥有方参与到联邦学习中来。
-
公开(公告)号：CN114707765A
公开(公告)日：2022-07-05
申请号：CN202210506246.0
申请日：2022-05-10
申请人： 浙江大学 , 广东电网有限责任公司中山供电局 , 南方电网数字电网研究院有限公司
发明人： 彭勇刚 , 孙静 , 莫浩杰 , 胡丹尔 , 韦巍 , 潘斌 , 胡筱曼 , 李黔 , 陈旗展 , 崔益国 , 陈浩河 , 董芝春 , 吴毅江 , 何欣欣 , 黄宇行 , 彭博涛 , 张超 , 梁杰华 , 习伟 , 蔡田田 , 陈波 , 邓清唐 , 杨英杰 , 朱明增 , 符杰
摘要： 本发明涉及涉及电力系统短期负荷预测技术，旨在提供一种基于动态加权聚合的联邦学习负荷预测方法。该方法是由边缘计算装置采用本地数据进行神经网络训练，获得网络参数变化向量上传至云端服务器进行两两相似度计算生成相似度矩阵，并计算本轮训练中局部模型之间的一致度向量。然后基于每轮局部模型针对服务端验证集的准确度与局部模型之间的一致度，对不同局部模型的网络参数变化进行加权，实现局部模型清洗的效果，云端服务器将更新后的全局模型再下发至边缘计算装置，重复上述步骤，直至服务器达到预设训练轮数。本发明解决了现有技术中不能有效避免局部模型可能训练出的脏模型和联邦学习中的数据异构的问题，加快全局模型训练的收敛。
-
公开(公告)号：CN113395166B
公开(公告)日：2022-06-14
申请号：CN202110645583.3
申请日：2021-06-09
申请人： 浙江大学 , 南方电网数字电网研究院有限公司
摘要： 本发明涉及电力终端设备的接入认证，旨在提供一种基于边缘计算的电力终端云边端协同安全接入认证方法。该方法包括电力终端接入时的一次性认证和电力终端接入后的持续性认证两个部分内容；其中，一次性认证由电力终端、边缘设备和云平台三者共同参与，持续认证只由电力终端和边缘设备参与。本发明引入持续性认证环节增强安全性，以密码非密码手段实现轻量级身份认证机制。本发明利用白名单、数字签名与挑战应答进行机制设计，故在可行性方面具有保障；在安全性上则考虑接入时一次性复杂认证充分确保接入安全，接入后持续性简单认证则是作为补充提高安全性；在简洁性上充分发挥边缘计算的优势，选取简便的认证机制减少计算压力。
-
公开(公告)号：CN113902183A
公开(公告)日：2022-01-07
申请号：CN202111156209.3
申请日：2021-09-28
申请人： 浙江大学 , 南方电网数字电网研究院有限公司
摘要： 本发明涉及电动汽车充电管理技术，旨在提供一种基于BERT的非侵入式台区充电桩状态监测与电价调整方法。该方法包括：获取变电站台区的总功率历史数据和充电桩状态历史数据，作为训练样本；搭建BERT模型，从前往后依次包括嵌入层、Transformer层和输出层；确定训练用损失函数；使用梯度下降算法训练BERT模型；将变电站台区中智能电表的历史总功率数据输入到训练好的BERT模型中，得到各充电桩的历史工作状态数据和历史充电功率数据，实现台区充电桩状态监测。本发明可直接应用在现有充电桩上，无需更新充电桩硬件设备；减少了充电桩设计和生产成本，比传统方法更加经济、高效。可以通过实时调整充电电价来引导用户改变用电习惯，有利于电网削峰填谷，提高电能利用率。
-
公开(公告)号：CN113902183B
公开(公告)日：2022-11-08
申请号：CN202111156209.3
申请日：2021-09-28
申请人： 浙江大学 , 南方电网数字电网研究院有限公司
摘要： 本发明涉及电动汽车充电管理技术，旨在提供一种基于BERT的非侵入式台区充电桩状态监测与电价调整方法。该方法包括：获取变电站台区的总功率历史数据和充电桩状态历史数据，作为训练样本；搭建BERT模型，从前往后依次包括嵌入层、Transformer层和输出层；确定训练用损失函数；使用梯度下降算法训练BERT模型；将变电站台区中智能电表的历史总功率数据输入到训练好的BERT模型中，得到各充电桩的历史工作状态数据和历史充电功率数据，实现台区充电桩状态监测。本发明可直接应用在现有充电桩上，无需更新充电桩硬件设备；减少了充电桩设计和生产成本，比传统方法更加经济、高效。可以通过实时调整充电电价来引导用户改变用电习惯，有利于电网削峰填谷，提高电能利用率。
-
公开(公告)号：CN114169593A
公开(公告)日：2022-03-11
申请号：CN202111410243.9
申请日：2021-11-24
申请人： 广东电网有限责任公司中山供电局 , 南方电网数字电网研究院有限公司 , 浙江大学
发明人： 胡筱曼 , 潘斌 , 陈旗展 , 崔益国 , 陈浩河 , 董芝春 , 王干军 , 黄宇行 , 陆靖宇 , 麦涵 , 何欣欣 , 蔡田田 , 邓清唐 , 陈波 , 彭勇刚 , 莫浩杰 , 胡丹尔 , 孙静 , 翁楚迪 , 韦巍
摘要： 本发明涉及电动汽车充电技术，旨在提供一种基于负荷预测和深度强化学习的台区电动汽车有序充电方法。包括：根据变电站历史充电剩余容量信息，使用全连接前馈神经网络预测未来剩余充电容量；根据弹性电价机制和预测的未来剩余充电容量，使用基于DQN的深度强化学习算法调整电动汽车充电策略，控制电动汽车接入充电桩的数量。本发明将负荷预测方法引入到电动汽车有序充电运算中，将预测的未来剩余充电容量作为电动汽车充电调度的依据，比传统方法更具实时性、超前性。通过引入深度强化学习到电动汽车有序充电运算中，利用预测到的未来信息超前调度电动汽车有序充电，且具有实时自学习更新能力，比传统算法更灵活有效，进一步提高了经济性和高效性。
-
公开(公告)号：CN114707765B
公开(公告)日：2024-08-20
申请号：CN202210506246.0
申请日：2022-05-10
申请人： 浙江大学 , 广东电网有限责任公司中山供电局 , 南方电网数字电网研究院有限公司
发明人： 彭勇刚 , 孙静 , 莫浩杰 , 胡丹尔 , 韦巍 , 潘斌 , 胡筱曼 , 李黔 , 陈旗展 , 崔益国 , 陈浩河 , 董芝春 , 吴毅江 , 何欣欣 , 黄宇行 , 彭博涛 , 张超 , 梁杰华 , 习伟 , 蔡田田 , 陈波 , 邓清唐 , 杨英杰 , 朱明增 , 符杰
IPC分类号： H02J3/00 , G06F18/22 , G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/098
摘要： 本发明涉及涉及电力系统短期负荷预测技术，旨在提供一种基于动态加权聚合的联邦学习负荷预测方法。该方法是由边缘计算装置采用本地数据进行神经网络训练，获得网络参数变化向量上传至云端服务器进行两两相似度计算生成相似度矩阵，并计算本轮训练中局部模型之间的一致度向量。然后基于每轮局部模型针对服务端验证集的准确度与局部模型之间的一致度，对不同局部模型的网络参数变化进行加权，实现局部模型清洗的效果，云端服务器将更新后的全局模型再下发至边缘计算装置，重复上述步骤，直至服务器达到预设训练轮数。本发明解决了现有技术中不能有效避免局部模型可能训练出的脏模型和联邦学习中的数据异构的问题，加快全局模型训练的收敛。
-
公开(公告)号：CN115603330A
公开(公告)日：2023-01-13
申请号：CN202211270838.3
申请日：2022-10-17
发明人： 胡筱曼 , 崔益国 , 陈浩河 , 董芝春 , 冷必喜 , 郭鸿毅 , 吴乾江 , 吴奕泓 , 吴毅江 , 彭勇刚 , 苗洛源 , 莫浩杰 , 胡丹尔 , 孙静 , 翁楚迪 , 韦巍 , 蔡田田 , 邓清唐 , 陈波 , 李肖博 , 杨英杰 , 朱明增 , 周培
摘要： 本发明涉及数字电网智能运行和控制技术，旨在提供一种基于自适应离散粒子群算法的配电网优化方法。该优化方法是针对配电网中无功补偿设备在不同负荷水平和发电水平下的最佳出力值进行调节，使配电网整体的网损和各节点电压偏差之和综合最小；在基于无功补偿设备的无功输出功率或者调节档位构建粒子位置矩阵后，利用自适应离散粒子群算法计算出不同粒子位置下配电网的网损及电压偏差，经多次迭代后计算得到全局最优粒子位置矩阵，获得每个无功补偿设备应输出的无功功率值或者调节档位，用于实现无功调节。本发明可以对连续变量和离散变量同时进行优化，能极大地提高算法求解的效率，增强粒子群算法寻找全局最优解的能力，更适于实际配电网场景。
-
公开(公告)号：CN113363997B
公开(公告)日：2022-06-14
申请号：CN202110597000.4
申请日：2021-05-28
申请人： 浙江大学 , 南方电网数字电网研究院有限公司
摘要： 本发明涉及电力系统运行和优化技术，旨在提供一种基于多时间尺度多智能体深度强化学习无功电压控制方法。本发明将光伏、风机和负荷中的有载调压分接头、电容器组和储能均定义为智能体，把基于强化学习的方法应用于无功优化问题中，允许控制器通过与类似系统的仿真模型交互来学习控制策略。将无功调节设备的动作变量与配电网环境进行交互，智能体最终能够实现对于外部环境的最优响应，从而获得最大的回报值。本发明用神经网络方法来分析和拟合智能体的战略函数和动作价值函数，训练过程不依赖于预测数据结果和精确的潮流建模；使用两个时间尺度的无功优化方法，可以使得网损更小、电压平抑效果更佳，对提升配网安全可靠性有更显著的效果。
-
-
-
-
-
-
-
-
-
搜索结果
161 条记录 (耗时 0.093 秒)
