一种基于监控信号仿真的电网仿真培训系统

    公开(公告)号:CN109785702A

    公开(公告)日:2019-05-21

    申请号:CN201910044341.1

    申请日:2019-01-17

    Abstract: 本发明提供一种基于监控信号仿真的电网仿真培训系统,其中:电力系统仿真模块提供电力系统模型,以及提供继电保护、电力系统自动装置设备的仿真功能;调控中心仿真模块模拟与实际调度调控中心相同的系统环境,其中包括告警窗实时信号监视、告警信号分类管理、调控一体权限管理;教员系统模块提供教案制作、教案管理、培训启动与退出、综合令操作、故障设置以及培训评估的功能;监控信号仿真模块触发模拟变电站上送主站的监控信号,监控信号包括变电站设备故障信号、变电站设备异常信号以及变电站二次设备在线监视与分析信号,以使得告警窗仿真信号真实。本发明可有效提高电网监控员专业技能培训效率,缩短培训周期,提高培训质量。

    一种基于多智能体的分布式能源枢纽的调度方法

    公开(公告)号:CN109784545A

    公开(公告)日:2019-05-21

    申请号:CN201811581070.5

    申请日:2018-12-24

    Abstract: 本发明提供一种基于多智能体的分布式能源枢纽调度方法,该方法包括:S1、将输出最多种类能源载体的枢纽设置为售电方智能体,其余枢纽设置为购电方智能体,并确定调度的目标函数;S2、购电方智能体确定是否接受售电方智能体确定的当前最优联合动作策略,若不接受,则执行S3;S3、购电方智能体确定其能源产量;S4、购电方智能体计算其能源产量对应的动作值,形成每一个购电方智能体的产量-动作对;S5、购电方智能体计算产量-动作对的奖励函数,并根据奖励函数更新知识矩阵;S6、购电方智能体根据更新的知识矩阵更新动作策略,与售电方智能体进行博弈。本发明能够在分布式能源枢纽中有效求得平衡点,并能有效提高最优解的精确性。

    一种求解区间直流潮流模型的改进蒙特卡洛方法

    公开(公告)号:CN108549985A

    公开(公告)日:2018-09-18

    申请号:CN201810332052.7

    申请日:2018-04-13

    Abstract: 本发明公开一种求解区间直流潮流模型的改进蒙特卡洛方法,包括如下步骤:1)建立区间直流潮流模型;2)采用随机模拟技术在相应负荷、发电机有功出力和输电线路参数的区间内产生随机变量,该随机变量称为场景;3)在步骤2)产生的场景的基础上增加极端场景,该极端场景指参数区间的上下边界;4)统计所有场景下的潮流变量的最大值和最小值;5)输出结果,结果包括相角和传输功率的区间计算结果。本发明求解区间直流潮流模型的改进蒙特卡洛方法利用随机模拟技术在输入数据的区间内产生一系列场景,通过统计产生场景下直流潮流变量的最大和最小值来获取潮流的区间。并通过考虑输入数据的极端场景,进一步提高了区间直流潮流模型解的精度。

    一种对配电网设备故障概率修正的方法和系统

    公开(公告)号:CN106530135A

    公开(公告)日:2017-03-22

    申请号:CN201611032191.5

    申请日:2016-11-22

    CPC classification number: G06Q50/06

    Abstract: 本发明提供一种对配电网设备故障概率修正的方法,包括确定配电网中每一个设备的老化年限及其对应的运行年限,并分别将每一个设备从投入使用至其对应老化年限划分为第一统计阶段,将每一个设备从其对应老化年限至其对应运行年限划分为第二统计阶段;从历史数据中,统计出每一个设备在其对应的第一统计阶段和第二统计阶段中分别出现故障的次数;确定当前配电网故障概率评估年份,并根据每一个设备第一统计阶段和第二统计阶段分别出现故障的次数、老化年限及运行年限,以及当前配电网故障概率评估年份,计算出每一个设备的故障概率。实施本发明,能够对设备实时故障概率进行修正,提高准确度,并降低电网预想事故发生概率出现的误差。

    一种基于动态神经网络预测光伏功率的方法及系统

    公开(公告)号:CN105005825A

    公开(公告)日:2015-10-28

    申请号:CN201510391859.4

    申请日:2015-07-03

    Abstract: 本发明提供一种基于动态神经网络预测光伏功率的方法,包括获取预测日各天气特征参数分别对应所设时间段内各时段上的值;划分天气类型,并基于上述预测日得到的值,通过加权欧氏距离计算识别出预测日的天气类型,且根据识别的天气类型在气象历史数据中构建预测日的相似日样本集;统计相似日样本集总天数并对每一天求解出其与预测日的切比雪夫距离值,并构建满足预定条件的样本子集;将样本子集归一化处理并在一动态神经网络预测模型中训练;训练完成后,导入上述预测日得到的值并反归一化处理,得到预测日在所设时间段内各时段分别对应的光伏功率预测值。实施本发明实施例,能够同时提高预测准确度及预测速度。

Patent Agency Ranking