-
公开(公告)号:CN108595884A
公开(公告)日:2018-09-28
申请号:CN201810439637.9
申请日:2018-05-09
申请人: 清华大学 , 北京科东电力控制系统有限责任公司 , 中国电力科学研究院有限公司 , 国网山东省电力公司电力科学研究院
IPC分类号: G06F17/50
摘要: 本发明实施例提供一种电力系统暂态稳定性评估方法及装置,所述方法包括:根据预先筛选的关键状态变量,获取电力系统待评估点的特征向量;分别计算待评估点的特征向量与样本集中各样本点的特征向量之间的马氏距离,根据马氏距离查找与待评估点相邻的样本点;根据分类决策规则及所述相邻的样本点,获取所述待评估点的评估结果。本发明实施例通过计算待评估点与样本点特征向量之间的马氏距离,由于马氏距离充分考虑了特征向量中关键状态变量之间的相关性,从而使距离的计算更加准确,实现了准确查找待评估点的相邻样本点,进一步提高评估结果的准确性。
-
公开(公告)号:CN108599152A
公开(公告)日:2018-09-28
申请号:CN201810439638.3
申请日:2018-05-09
申请人: 清华大学 , 北京科东电力控制系统有限责任公司 , 中国电力科学研究院有限公司 , 国网山东省电力公司电力科学研究院
IPC分类号: H02J3/00
摘要: 本发明提供电力系统暂态稳定性评估的关键状态变量选取方法及装置,所述方法包括:S1,获取电力系统动态仿真数据中的多个状态变量,利用FFT算法对所述多个状态变量进行预处理;S2,对经过预处理后的所述多个状态变量进行特征选取,获得多个关键状态变量;S3,对每个所述关键状态变量进行降维。本发明通过关键状态变量的选取和降维,在不降低暂态稳定判别器分类精度的情况下,可显著缩短暂态稳定分类器的训练时间和分类时间,更加适合于在线应用。
-
公开(公告)号:CN112419407A
公开(公告)日:2021-02-26
申请号:CN202011218307.0
申请日:2020-11-04
申请人: 清华大学 , 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司 , 中国电力科学研究院有限公司
摘要: 本发明实施例提供一种基于云团边缘识别的云团位移矢量计算方法及装置,该方法包括:从当前云图中分割出云团区域;提取每个云团区域的外边缘;在每个云团区域的外边缘上确定沿所述外边缘分布的各块区域的中心点,并根据各块区域的中心点确定各块区域的位置;根据各块区域的位置,基于块匹配算法计算各块区域的位移矢量。本发明实施例使得各个云团不同位置的位移矢量信息得以表达,并提高计算效率与精度。
-
公开(公告)号:CN112529282A
公开(公告)日:2021-03-19
申请号:CN202011409788.3
申请日:2020-12-03
申请人: 清华大学 , 内蒙古电力(集团)有限责任公司电力调度控制分公司 , 中国电力科学研究院有限公司
摘要: 本发明提供一种基于时空图卷积神经网络的风电场集群短期功率预测方法,包括:采集第一目标时间段内历史功率得到历史功率向量时序序列,采集第二目标时间段内天气预报参数向量得到天气预报参数矩阵时序序列;将历史功率向量和天气预报参数矩阵的时序序列输入预测模型,输出第三目标时间段内预测功率向量时序序列;其中,所述预测模型是基于样本历史功率向量和样本天气预报参数矩阵时序序列以及预测功率向量时序序列标签进行训练后得到的,所述预测模型的神经网络结构基于Bi‑GRU网络和图卷积网络构成。本发明提供的方法,实现了使功率预测可以联合考虑历史功率和天气预报参数两种因素,还提高了预测的准确率。
-
公开(公告)号:CN111191815B
公开(公告)日:2022-08-16
申请号:CN201911168558.X
申请日:2019-11-25
申请人: 清华大学 , 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司 , 中国电力科学研究院有限公司
摘要: 本发明实施例提供一种用于风电集群的超短期出力预测方法及系统,该方法包括:对待预测风电集群的风电场进行子区域划分,得到待预测风电集群的子区域划分组合;获取子区域划分组合中每个子区域在第一预设历史时间段的功率真实值,第二预设历史时间段的功率真实值;根据第二预设历史时间段的功率真实值,对第一预设历史时间段的各子区域功率进行预测,得到第一预设历史时间段的各划分组合形式下的集群功率预测值;获取第一预设历史时间段的功率真实值和各划分组合形式下集群功率预测值之间的误差,将最小误差对应的子区域划分组合作为最优子区域划分组合,以得到风电集群超短期出力预测。本发明实施例提高风电集群超短期出力预测准确性。
-
公开(公告)号:CN111191815A
公开(公告)日:2020-05-22
申请号:CN201911168558.X
申请日:2019-11-25
申请人: 清华大学 , 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司 , 中国电力科学研究院有限公司
摘要: 本发明实施例提供一种用于风电集群的超短期出力预测方法及系统,该方法包括:对待预测风电集群的风电场进行子区域划分,得到待预测风电集群的子区域划分组合;获取子区域划分组合中每个子区域在第一预设历史时间段的功率真实值,第二预设历史时间段的功率真实值;根据第二预设历史时间段的功率真实值,对第一预设历史时间段的各子区域功率进行预测,得到第一预设历史时间段的各划分组合形式下的集群功率预测值;获取第一预设历史时间段的功率真实值和各划分组合形式下集群功率预测值之间的误差,将最小误差对应的子区域划分组合作为最优子区域划分组合,以得到风电集群超短期出力预测。本发明实施例提高风电集群超短期出力预测准确性。
-
公开(公告)号:CN112419407B
公开(公告)日:2024-06-11
申请号:CN202011218307.0
申请日:2020-11-04
申请人: 清华大学 , 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司 , 中国电力科学研究院有限公司
摘要: 本发明实施例提供一种基于云团边缘识别的云团位移矢量计算方法及装置,该方法包括:从当前云图中分割出云团区域;提取每个云团区域的外边缘;在每个云团区域的外边缘上确定沿所述外边缘分布的各块区域的中心点,并根据各块区域的中心点确定各块区域的位置;根据各块区域的位置,基于块匹配算法计算各块区域的位移矢量。本发明实施例使得各个云团不同位置的位移矢量信息得以表达,并提高计算效率与精度。
-
公开(公告)号:CN118911975A
公开(公告)日:2024-11-08
申请号:CN202411202528.7
申请日:2024-08-29
申请人: 中国长江三峡集团有限公司 , 中国三峡新能源(集团)股份有限公司 , 国水集团化德风电有限公司 , 上海勘测设计研究院有限公司 , 清华大学 , 安徽佑赛科技股份有限公司
摘要: 本申请涉及压缩机控制技术领域,特别涉及一种压缩空气储能压缩侧防喘阀控制方法、装置、设备及产品,其中,方法包括:获取当前时刻压缩系统的功率指令;根据当前时刻压缩系统的功率指令与上一时刻压缩系统的功率指令确定压缩系统的功率变化趋势,其中,功率变化趋势包括上升趋势和下降趋势;若功率变化趋势为上升趋势,则检测压缩系统的质量流率,基于质量流率控制压缩空气储能压缩侧防喘阀开启,直到功率变化趋势为下降趋势时,控制压缩空气储能压缩侧防喘阀关闭。由此,解决了相关技术中无法及时避免压缩系统进入喘振区,从而使得压缩系统能耗较高且整体系统效率较低等问题。
-
公开(公告)号:CN118428069A
公开(公告)日:2024-08-02
申请号:CN202410520913.X
申请日:2024-04-28
申请人: 清华大学
IPC分类号: G06F30/20 , G06F30/28 , G06F30/17 , G06F119/08 , G06F119/14 , G06F119/06 , G06F113/04
摘要: 本申请涉及新能源技术领域,特别涉及一种压缩空气储能系统的喘振动态仿真方法及装置,其中,方法包括:基于预先构建的多级串联压缩机集总参数喘振模型,获取压缩空气储能系统的喘振动态下动态质量流率;将喘振动态下动态质量流率输入至预设的压缩空气储能系统压缩侧热力学模型,以获取多级压缩机中各级压缩机入口和出口处的压力和温度;基于压缩机温度与质量流率,根据各级压缩机入口和出口处的压力和温度计算压缩空气储能系统的喘振动态仿真结果。由此,解决了相关技术中,容易受到喘振动态的制约,导致压缩侧较透平侧的可靠运行域较窄,限制了压缩侧动态性能,阻碍CAES电站双边调节能力的发展等问题。
-
公开(公告)号:CN117989115A
公开(公告)日:2024-05-07
申请号:CN202311797855.7
申请日:2023-12-25
申请人: 中国长江三峡集团有限公司 , 中国三峡新能源(集团)股份有限公司 , 国水集团化德风电有限公司 , 清华大学 , 安徽佑赛科技股份有限公司
摘要: 本发明涉及新能源技术领域,具体涉及一种压缩空气储能压缩侧宽工况高效运行系统及方法。该系统包括:N个级联的压缩空气储能压缩单元以及控制器,N为大于1的整数;其中,所述压缩空气储能压缩单元包括压缩机以及与所述压缩机连接的压力调节单元,所述控制器分别与各所述压缩空气储能压缩单元中的所述压力调节单元连接;所述控制器用于控制所述压力调节单元将所述压缩机的入口压力调整为所述压缩机的预设入口压力,所述入口压力为进入所述压缩机的空气的压力;所述压缩机,用于对空气进行压缩储能。本发明能够提高压缩空气储能系统运行的安全性、提升低压缩空气储能系统的能效性以及提升系统性能可靠性。
-
-
-
-
-
-
-
-
-