-
公开(公告)号：CN108649556A
公开(公告)日：2018-10-12
申请号：CN201810335641.0
申请日：2018-04-16
Applicant: 东南大学
IPC: H02J3/00
Abstract: 本发明公开了一种电网应急场景随机优化调度方法。首先建立风电出力以及可中断负荷响应的不确定性模型；针对可中断负荷，设置激励因子和惩罚因子，从而约束其中断行为；其次以应急场景下随机优化调度的总成本最低为目标，建立可中断负荷参与电网应急场景下的随机优化调度模型；然后利用无迹变换法在多维空间内生成一定数量的Sigma点集；最后，在每个Sigma采样点处求解电网应急场景下的确定性优化调度结果，根据其统计特性进行分析与评估。本发明提供了一种有效、实用、科学的电网应急场景下的随机优化调度方法，兼顾了模型的计算精度和计算成本，有利于保障电力系统的电力电量供需平衡，维护系统安全稳定运行。
-
公开(公告)号：CN105811403B
公开(公告)日：2018-05-22
申请号：CN201610165113.6
申请日：2016-03-22
Applicant: 江苏省电力试验研究院有限公司 , 国网江苏省电力公司电力科学研究院 , 国家电网公司 , 东南大学
Abstract: 本发明公开了一种基于半不变量和级数展开法的随机潮流算法。本发明能反映大规模新能源接入下系统的不确定性，在传统半不变量法分析的基础上引入蒙特卡罗抽样技术来计算风电机组出力，避免了复杂的数学分析和计算，能够适应具有任意随机分布的新能源出力模型，当系统中除风电外还有光伏或其他新能源接入的情况下具有较好的适应性，并具有良好的收敛性。
-
公开(公告)号：CN105633971B
公开(公告)日：2017-11-14
申请号：CN201610166083.0
申请日：2016-03-22
Applicant: 江苏省电力试验研究院有限公司 , 国网江苏省电力公司电力科学研究院 , 国家电网公司 , 东南大学
IPC: H02J3/06
Abstract: 本发明公开了一种基于帝国主义竞争算法的智能配电网随机潮流方法，包括以下几个步骤：S1：建立负荷、风力发电系统和太阳能光伏发电系统的随机模型，并产生输入随机变量的样本；S2：初始化电压幅值和相角；计算适应度函数F的值并确定初始帝国；S3：进行帝国的同化和革命操作；S4：比较帝国主义国家和殖民地的适应度函数Fimp、Fcol，交换帝国主义国家和殖民地的位置；S5：计算整个帝国的适应度函数值并进行帝国合并；S6：引入克隆进化算子，加快算法的收敛速度，得到输出变量的概率分布。本发明方法能反映大量DG接入下系统的不确定性，能够适应不同DG渗透率下纯辐射型、弱环型和纯环状的配电网络，并具有良好的收敛性。
-
公开(公告)号：CN106485362A
公开(公告)日：2017-03-08
申请号：CN201610907866.X
申请日：2016-10-18
Applicant: 江苏省电力试验研究院有限公司 , 国家电网公司 , 国网江苏省电力公司电力科学研究院 , 东南大学
Abstract: 本发明公开了一种基于高维风电预测误差模型及降维技术的发电调度方法，包括：获取多个风电场一年内每小时的历史出力数据及相应的点预测数据；利用混合偏态模型对每个单一风电场的实际出力和预测出力的累积分布函数进行建模；利用每个风电场各自的CDF将实际出力和预测值转换为0-1区间分布的数据点；通过匹配前一步骤中得到的所有数据点，找到最优的Copula函数并进行参数估计；建立多个风电场预测误差的高维条件概率模型，并通过边缘变换得到降维后的边缘条件概率模型；根据风电场预测误差的边缘条件概率模型，计算发电机组的日前调度计划及旋转备用容量。本发明相较于常用的高斯分布、β分布有着更高的精度，且可以考虑多个风电场之间相关性的影响。
-
公开(公告)号：CN110212591B
公开(公告)日：2022-07-19
申请号：CN201910293814.1
申请日：2019-04-12
Applicant: 东南大学 , 中国电力科学研究院有限公司
Abstract: 本发明公开了一种基于压缩感知技术的分布式光伏辐照度量测布点方法，包括如下步骤：收集量测数据；建立光伏总体出力与各光伏电站辐照度之间的多项式关系模型；利用压缩感知技术重构模型的多项式系数；将多项式系数的求解近似等价为可行域为凸的l1范数最小化问题；求解模型的截断误差；求解l1范数最小化问题，得到模型的多项式系数；将多项式系数的绝对值按从大到小排列，进行量测布点。本发明利用压缩感知技术，对光伏总体出力与区域内各光伏电站辐照度之间的多项式模型进行稀疏优化，实现了模型的降维和简化，选取最具代表性的光伏电站布置量测，在保证对区域光伏全局出力准确估计的基础上，减少冗余量测点，提高了经济效益。
-
Patent Agency Ranking
公开(公告)号：CN111797564A
公开(公告)日：2020-10-20
申请号：CN202010439616.4
申请日：2020-05-21
Applicant: 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网江苏省电力有限公司 , 东南大学
Abstract: 本发明公开了一种高维分布式光伏出力的相关性样本获取方法及系统，所述方法包括：基于同步采集的各分布式光伏电站的出力数据得到多组光伏出力时序数据；基于多组光伏出力时序数据，采用结构学习算法和最大似然估计法进行网络结构和参数学习，构建基于贝叶斯网络的拓扑结构；对所述贝叶斯网络的拓扑结构中各网络结点进行遍历采样，获得具有相关性的高维分布式光伏出力样本。本发明以数据为驱动，通过确定贝叶斯网络的拓扑结构并进行参数学习，获得服从联合概率分布的分布式光伏相关性样本，能够较为全面、准确地描述多个分布式光伏电站出力的线性和非相关性特征。
-
公开(公告)号：CN110516338A
公开(公告)日：2019-11-29
申请号：CN201910768192.3
申请日：2019-08-20
Applicant: 东南大学
Abstract: 本发明公开了一种冷热电联供型多微网系统调度方法，首先给出典型的冷热电联供型微网的供能结构图，分析微网中设备类型、设备间能量流动关系，并对典型冷热电联供型微网中设备进行数学建模；然后建立多个冷热电联供型微网间以多微网经济运行成本最优为目标的优化调度模型，给出优化目标函数和约束条件；最后在Matlab中调用Cplex对问题进行求解，获得各个冷热电联供型微网日前优化调度计划。本发明提供了一种有效、实用、科学的能源优化调度方法，提高了冷热电联供型多微网系统的一次能源利用效率，满足冷热电联供型多微网的冷、热、电负荷需求，没有出现弃风、弃电等浪费能源的情况，有利于节能的推广应用。
-
公开(公告)号：CN106295798A
公开(公告)日：2017-01-04
申请号：CN201610748923.4
申请日：2016-08-29
Applicant: 江苏省电力试验研究院有限公司 , 国家电网公司 , 国网江苏省电力公司电力科学研究院 , 东南大学
Abstract: 本发明公开了一种经验模式分解与Elman神经网络组合风电预测方法，包括如下步骤：对预测风电场的样本进行筛选，选取波动月份内预测周期的风电出力进行预测；对风电场多组出力时间序列样本数据进行经验模式分解，根据分解终止条件每组将得到多个本征模态函数IMF和趋势分量Res；依据游程判别法对分解所得IMF进行波动程度分类，按照相似波动频率原则对本征模态函数进行重构，重构得到总高频分量、总低频分量；建立Elman神经网络模型，总高频分量、总低频分量、趋势分量进行数据归一化处理，作为神经网络的训练和测试数据；采用改进Elman的学习算法，进行72h的日前功率预测，得到目标风电出力72h的日前预测功率值。本发明减少了预测分量数，提高预测精度和预测速度。
-
公开(公告)号：CN105846425A
公开(公告)日：2016-08-10
申请号：CN201610216382.0
申请日：2016-04-08
Applicant: 江苏省电力试验研究院有限公司 , 国家电网公司 , 国网江苏省电力公司电力科学研究院 , 江苏南大五维电子科技有限公司 , 东南大学
CPC classification number: Y02E10/763 , H02J3/00 , H02J3/386 , H02J2003/003 , H02J2003/007
Abstract: 本发明公开了一种基于通用风电预测误差模型的经济调度方法，采用通用分布来拟合不同风电预测区间上实际风电功率的PDF和CDF，能较好地适用任意时间尺度和幅值的风电预测误差建模，其模型拟合精度高于常规的高斯分布和β分布；并且，本发明采用的改进的考虑风电预测不确定性的线性序列算法，这种方法为计算含风电场不确定性经济调度问题提供了新型的思路，由于通用分布的CDF及其反函数有特定的解析表达式，采用通用风电预测模型能使微分运算具有特定的解析表达式，从而解决了难以处理含不确定风电接入的经济调度问题的困难。
-
公开(公告)号：CN110378504B
公开(公告)日：2023-04-07
申请号：CN201910293799.0
申请日：2019-04-12
Applicant: 东南大学 , 中国电力科学研究院有限公司
Abstract: 本发明公开了一种基于高维Copula技术的光伏发电爬坡事件概率预测方法，包括如下步骤：从历史光伏功率数据中识别出光伏发电爬坡事件集合；提取表征爬坡事件的四种典型特征；采用ε不敏感支持向量机法得到各个特征量的点预测值；得到预测误差数据集，利用混合高斯模型建立单个特征量预测误差的边缘概率分布；利用正则最大似然估计法进行参数估计；选择最优的Copula函数模型；基于最优Copula模型，利用牛顿‑拉夫逊法迭代得到具体的预测区间。本发明利用高维Copula建模方法，根据光伏功率爬坡特征量之间的随机相关性，建立各个特征量的条件概率模型，能够为光伏发电爬坡事件的预测提供额外的不确定信息，提高概率预测的精确性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.024 seconds)
