-
公开(公告)号：CN116961097A
公开(公告)日：2023-10-27
申请号：CN202310913756.4
申请日：2023-07-24
Applicant: 清华大学
Abstract: 本发明公开了基于变时间分辨率的安全约束机组组合优化方法及装置，本发明的方法，包括对无网络约束机组组合松弛模型进行求解以估算得到传输线路阻塞结果；构建影响程度度量函数；构建变时间分辨率优化模型；对变时间分辨率优化模型进行求解以得到变时间分辨率时段序列；获取电力系统经济运行基础数据；基于电力系统经济运行基础数据构建基于变时间分辨率时段序列的安全约束机组组合模型；对安全约束机组组合模型进行求解计算以得到变时间分辨率机组组合结果。本发明在保证机组组合结果高准确性的前提下有效削减机组组合模型规模，有利于提升安全约束机组组合的求解效率。
-
公开(公告)号：CN114925493A
公开(公告)日：2022-08-19
申请号：CN202210368298.6
申请日：2022-04-02
IPC: G06F30/20 , G06Q50/06 , G06F113/04
Abstract: 本发明公开了一种基于变尺度时段聚合的电力系统机组组合优化方法，该方法包括：构建变尺度时段聚合优化模型和求解变尺度时段序列，以聚合生成变尺度时段序列，获取电力系统经济运行基础数据、构建适用于变尺度时段的电力系统机组组合模型和计算变尺度时段机组组合结果，以求解变尺度时段的电力系统机组组合，拓展变尺度时段机组组合解和修复原机组组合解，以进行变尺度时段机组组合后处理。本发明将计算时段根据电力系统净负荷的数据特征进行聚合，减少了混合整数线性规划问题的0‑1变量数，从而有效提高了电力系统机组组合问题的计算效率，有利于提升电力系统优化运行对主体数量增多、网络规模扩大、时间分辨率提升等挑战的应对能力。
-
公开(公告)号：CN113902176A
公开(公告)日：2022-01-07
申请号：CN202111112177.7
申请日：2021-09-18
Applicant: 清华大学 , 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网安徽省电力有限公司电力科学研究院
Abstract: 本申请提出一种基于深度强化学习的电力系统源‑荷前瞻调度方法和装置，其中，方法包括：获取电力系统经济运行基础数据，根据电力系统经济运行基础数据构建电力系统源‑荷前瞻调度模型，以构建含需求侧响应的电力系统前瞻调度模型；基于电力系统前瞻调度模型，设计状态空间、动作空间和奖励函数，以设计电力系统经济调度问题的时序决策机制；根据时序决策机制，将深度强化学习算法应用于电力系统前瞻调度模型，并对深度强化学习算法进行改进与应用，得到基于深度强化学习的前瞻调度策略。本发明为供需充分互动、大量主体参与、不确定性提升的智能电网经济优化调度提供了解决方案，提升电力系统调度的决策速度、可靠性、自动化与智能化水平。
-
公开(公告)号：CN115471103A
公开(公告)日：2022-12-13
申请号：CN202211174578.X
申请日：2022-09-26
Applicant: 清华大学 , 国网安徽省电力有限公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种多运行场景下电网前瞻调度的评估方法及装置，该方法包括：根据电网所有拓扑结构变化情况的分类结果获取当前智能体的拓扑结构分类结果，并根据当前智能体训练时的净负荷场景数据得到评估净负荷场景数据；得到多运行泛化场景数据；根据电网运行基础数据和多运行泛化场景数据得到多运行泛化场景下的前瞻调度智能体决策结果，并基于电网前瞻调度基准模型得到前瞻调度基准决策结果；基于前瞻调度智能体决策结果和前瞻调度基准决策结果得到前瞻调度智能体决策结果的综合评估指标值，并对综合评估指标值进行可视化操作得到可视化结果。本发明能够有效提升电网前瞻调度的自动化与智能化水平。
-
-
-
Search Results
4
records
(took 0.017 seconds)
