一种电力系统暂态稳定预测模型的更新方法

    公开(公告)号:CN110336270B

    公开(公告)日:2021-02-02

    申请号:CN201910321444.8

    申请日:2019-04-22

    申请人: 清华大学

    IPC分类号: H02J3/00 H02H7/26

    摘要: 本发明涉及一种电力系统暂态稳定预测模型的更新方法,属于电力系统稳定控制技术领域。首先对初始训练场景集考虑的运行工况和预想故障进行统计,根据未来场景的预测情况,将其与已训练场景的运行工况和预想故障进行对比,根据对比结果判断是否启动暂态稳定预测模型的更新过程。本发明将未来场景集分为未计算暂态稳定性的训练样本和已计算暂态稳定性的测试样本;通过计算训练样本的不确定指标,选择不确定指标高的训练样本进行完整时域仿真,计得到暂态稳定性结果。本发明方法减少了时域仿真的计算时间,减少了模型再训练时间,从而减少了暂态稳定预测模型的在线更新时间,更新得到的暂态稳定预测模型仍能保证较高的准确率,具有重要的实用价值。

    结合人工特征和残差网络的电力系统暂态稳定预测方法

    公开(公告)号:CN110224401B

    公开(公告)日:2020-09-01

    申请号:CN201910529608.6

    申请日:2019-06-19

    IPC分类号: H02J3/00 G06Q10/04 G06Q50/06

    摘要: 本发明涉及一种结合人工特征和残差网络的电力系统暂态稳定预测方法,属于电力系统稳定分析技术领域。本发明采集故障切除后发电机的各变量,构成初始特征向量;根据人为设定从初始特征中提取人工特征,将初始特征向量排列成三维数据,利用深度残差网络中的残差单元自动提取特征,将该自动提取特征与人工特征共同作为全连接层的输入,经过两层全连接层处理后得到暂态稳定预测输出,构成暂态稳定预测模型的结构;最后,利用训练样本集和验证样本集,迭代求解得到相对优的模型参数,从而得到最终的暂态稳定预测模型,并用于暂态稳定预测。本发明通过人工特征与深度残差网络中残差单元的结合,以及模型参数的择优选择,能够提高电力系统暂态稳定的预测准确率。

    一种考虑管道动态特性的电-热耦合系统状态估计方法

    公开(公告)号:CN107563674B

    公开(公告)日:2020-07-10

    申请号:CN201710927795.4

    申请日:2017-10-09

    申请人: 清华大学

    摘要: 本发明涉及一种考虑管道动态特性的电‑热耦合系统状态估计方法,属于综合能源系统的运行和控制技术领域。本方法根据热力系统和电力系统在能量传输速度及时间尺度上的差异,融合热力系统的动态特性,对电‑热耦合系统进行状态估计。本方法适应了电‑热耦合网络能量管理系统及调度管理系统中对热力系统可控性、活动性的要求。当热力系统受调度控制而改变运行方式时,本发明能够较为精确地追踪系统温度等状态变量的变化,且有较好的收敛性。在电‑热耦合网络中成功应用本方法后,可以得到动态的状态估计解,为能量管理系统和调度管理系统提供翔实的数据支撑。

    一种兼顾经济与能效的电-热耦合多能流系统优化调度方法

    公开(公告)号:CN107800158B

    公开(公告)日:2019-09-27

    申请号:CN201710963653.3

    申请日:2017-10-17

    申请人: 清华大学

    摘要: 本发明提出一种兼顾经济与能效的电‑热耦合多能流系统优化调度方法,属于含多种能源形式的电网运行和控制技术领域。本方法首先设定电‑热耦合多能流系统中电网与热网稳态安全运行的等式和不等式约束条件;分别建立电‑热耦合多能流系统优化调度的经济性目标函数和能效目标函数;分别求得以经济性为目标的调度方案,和以能效为目标的调度方案;将两种方案分别代入相应的目标函数进行交互计算,利用计算结果建立兼顾经济与能效的电‑热耦合多能流系统优化调度模型;对模型求解,最终获得电‑热耦合多能流系统的优化调度方案。本发明考虑电‑热系统的紧密耦合与相互影响,实现了兼顾经济与能效的电‑热耦合多能流系统的优化调度。

    结合人工特征和残差网络的电力系统暂态稳定预测方法

    公开(公告)号:CN110224401A

    公开(公告)日:2019-09-10

    申请号:CN201910529608.6

    申请日:2019-06-19

    IPC分类号: H02J3/00 G06Q10/04 G06Q50/06

    摘要: 本发明涉及一种结合人工特征和残差网络的电力系统暂态稳定预测方法,属于电力系统稳定分析技术领域。本发明采集故障切除后发电机的各变量,构成初始特征向量;根据人为设定从初始特征中提取人工特征,将初始特征向量排列成三维数据,利用深度残差网络中的残差单元自动提取特征,将该自动提取特征与人工特征共同作为全连接层的输入,经过两层全连接层处理后得到暂态稳定预测输出,构成暂态稳定预测模型的结构;最后,利用训练样本集和验证样本集,迭代求解得到相对优的模型参数,从而得到最终的暂态稳定预测模型,并用于暂态稳定预测。本发明通过人工特征与深度残差网络中残差单元的结合,以及模型参数的择优选择,能够提高电力系统暂态稳定的预测准确率。

    基于风/光出力柯西分布的火电机组动态实时调度方法

    公开(公告)号:CN109755959A

    公开(公告)日:2019-05-14

    申请号:CN201811509293.0

    申请日:2018-12-11

    申请人: 清华大学

    IPC分类号: H02J3/38

    摘要: 本发明涉及一种基于风/光出力柯西分布的火电机组动态实时调度方法,属于电力系统的运行技术领域。本通过分析风电出力的历史数据,利用统计或拟合软件进行联合柯西分布拟合。针对确定的电力系统参数,建立机会约束的随机动态实时调度模型;然后,利用柯西分布的数学性质,把原问题转化为容易求解的线性约束凸优化问题;最后求解调度模型,得到调度策略。本发明充分利用了柯西分布在风电/光伏电站出力的短期预测方面的优越性和优良的数学特性,有效提高了模型的求解效率,同时风险水平可调的机会约束模型消除了传统鲁棒经济调度的保守性,为决策者提供了更合理的调度依据。本发明可应用于包含大规模风电并网的电力系统有功实时经济调度中。