-
公开(公告)号:CN113159567B
公开(公告)日:2024-07-02
申请号:CN202110419136.6
申请日:2021-04-19
Applicant: 北京交通大学
IPC: G06Q10/0631 , G06Q50/06 , G06F18/23213 , G06F30/27 , H02J3/00 , G06F111/04 , G06F113/04
Abstract: 本发明提供了一种考虑停电时长不确定性的工业园区离网调度方法,包括:根据工业园区物质流的传递建立工业生产流程模型;根据工业园区的能量枢纽和工业生产流程模型,建立工业园区的稳态能流统一模型;建立离网工业园区优化调度模型;计算外部电网停电时长的概率分布,根据外部电网停电时长的概率分布,采用蒙特卡洛法生成不同停电时长的样本场景;采用K‑means聚类算法对不同停电时长的样本场景缩减;根据缩减后的多个样本场景,以缩减后的多个样本场景中的每个场景的发生概率为权重系数,采用随机优化方法对所述离网工业园区优化调度模型进行协同优化,得到停电损失最小的离网调度策略。
-
公开(公告)号:CN112149347B
公开(公告)日:2023-12-26
申请号:CN202010974175.8
申请日:2020-09-16
Applicant: 北京交通大学
IPC: G06F30/27 , G06Q10/063 , G06Q50/06 , G06N3/092 , G06F111/04 , G06F113/04
Abstract: 本发明提供了一种基于深度强化学习的配电网负荷转供方法。该方法包括:配电网发生故障,开始负荷转供;将配电网的实时状态信息输入到智能体,计算出动作评价向量,基于动作评价向量根据动作策略选取相应的动作;智能体对配电网执行所述动作,对配电网的动作及动作后的状态进行评价,根据约束条件与目标函数计算奖励Reward,根据奖励Reward和结束规则确定Done的值,对智能体进行参数更新;依据结束标志位判断是否结束序列动作。本申请的方法利用深度强化学习来提高配电网的故障应急恢复能力与可靠性,基于深度强化学习的配电网负荷转供算法避免了故障时的大量运算与电网仿真迭代,提高了负荷转供的速度,使配电网具有更高的可靠性。
-
公开(公告)号:CN112149347A
公开(公告)日:2020-12-29
申请号:CN202010974175.8
申请日:2020-09-16
Applicant: 北京交通大学
IPC: G06F30/27 , G06Q10/06 , G06Q50/06 , G06F111/04 , G06F113/04
Abstract: 本发明提供了一种基于深度强化学习的配电网负荷转供方法。该方法包括:配电网发生故障,开始负荷转供;将配电网的实时状态信息输入到智能体,计算出动作评价向量,基于动作评价向量根据动作策略选取相应的动作;智能体对配电网执行所述动作,对配电网的动作及动作后的状态进行评价,根据约束条件与目标函数计算奖励Reward,根据奖励Reward和结束规则确定Done的值,对智能体进行参数更新;依据结束标志位判断是否结束序列动作。本申请的方法利用深度强化学习来提高配电网的故障应急恢复能力与可靠性,基于深度强化学习的配电网负荷转供算法避免了故障时的大量运算与电网仿真迭代,提高了负荷转供的速度,使配电网具有更高的可靠性。
-
公开(公告)号:CN109149618A
公开(公告)日:2019-01-04
申请号:CN201811057524.9
申请日:2018-09-11
Applicant: 北京交通大学
IPC: H02J3/36
Abstract: 本发明提供了一种交直流混联电力系统并行恢复优化决策方法,考虑位于停电电网边界的直流系统,确定停电电网划分的子区范围和各个子区的黑启动电源,并将边界直流输电系统的受端节点转化为电源节点;搜索各个电源节点的最短送电路径,计算恢复效率值f;选择恢复效率值f最大的区内电源节点,在多个子区同时进行恢复的过程中,利用子区间的直流输电联络系统并联子区,实现子区间资源的共享。本发明通过利用了高压直流快速可控的特点,形成以恢复效率最大为目标的恢复方案,加速系统整体的恢复进程和缩短系统的停电时间。
-
公开(公告)号:CN117934199A
公开(公告)日:2024-04-26
申请号:CN202311691455.8
申请日:2023-12-11
Applicant: 北京交通大学 , 中国电力科学研究院有限公司 , 国网福建省电力有限公司
Inventor: 张沛 , 谢桦 , 周钰朋 , 刘锴 , 胡晨旭 , 张瑞雯 , 常江 , 崔晖 , 丁强 , 韩彬 , 黄国栋 , 李哲 , 宋少群 , 陈志 , 黄金富 , 刘智煖 , 赖永生 , 程鑫 , 陈绍君
Abstract: 一种基于决策树的可用输电容量计算方法。针对物理计算方法难以兼顾计算速度和计算效率的问题,利用人工智能方法中的算法,采用数据驱动的方式,建立输入裕度特征与ATC之间的关系,提高ATC计算速度和计算精度。针对现有ATC人工智能计算方法决策过程不可知的问题,将决策树模型中的决策路径和关键特征定义为可视化规则,兼顾了计算过程的可视化。提出了ATC计算方法框架,通过离线建模在线应用的方式,满足了在线计算的要求,使方法具备应用可行性。
-
公开(公告)号:CN112186743B
公开(公告)日:2022-03-25
申请号:CN202010972420.1
申请日:2020-09-16
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于深度强化学习的动态电力系统经济调度方法,将动态经济调度转化为多阶段序贯决策模型,本发明将进行动作决策的调度中心作为决策主体,实际电力系统作为环境,通过对强化学习中动作、状态、奖励等元素的设计,将电力系统的经济调度模型转化为典型的多阶段序贯决策模型。该模型避免了对日益复杂的电力系统进行建模,且不要求精确的火电机组出力成本函数,通过智能体与环境的不断交互,更新策略,自适应负荷与新能源出力的不确定性,实现任意场景下的电力系统动态经济调度。
-
公开(公告)号:CN113904364A
公开(公告)日:2022-01-07
申请号:CN202111103067.4
申请日:2021-09-18
Applicant: 北京交通大学 , 国家电网有限公司 , 国家电网有限公司华北分部
Abstract: 本发明提供了一种风电集群日前功率调度计划的制定方法,包括:S1以风电集群整体弃风量最低作为功率分配的求解目标,风电场日调度电量满足目标比例范围和传统经济调度约束为约束对各风电场日调度电量进行一次分配;S2将一次分配结果存在调度限电的时刻作为未冻结时刻,并转至S3;S3将每一个未冻结时刻的风电总调度功率按风电场的剩余需分配电量的比例分配给各风电场,若存在功率越限的风电场转至步骤S4,否则转至步骤S5;S4当前计算电场在越限时刻按限值分配功率,当前计算时刻的缺额功率按剩余未分配风电场的调度电量比例分配给各风电场,完成后将该时刻冻结,转至S3;S5完成日前功率分配。本方法可以减少风电场调节出力成本。
-
公开(公告)号:CN113159567A
公开(公告)日:2021-07-23
申请号:CN202110419136.6
申请日:2021-04-19
Applicant: 北京交通大学
IPC: G06Q10/06 , G06Q50/06 , G06K9/62 , G06F30/20 , G06F111/04 , G06F113/04
Abstract: 本发明提供了一种考虑停电时长不确定性的工业园区离网调度方法,包括:根据工业园区物质流的传递建立工业生产流程模型;根据工业园区的能量枢纽和工业生产流程模型,建立工业园区的稳态能流统一模型;建立离网工业园区优化调度模型;计算外部电网停电时长的概率分布,根据外部电网停电时长的概率分布,采用蒙特卡洛法生成不同停电时长的样本场景;采用K‑means聚类算法对不同停电时长的样本场景缩减;根据缩减后的多个样本场景,以缩减后的多个样本场景中的每个场景的发生概率为权重系数,采用随机优化方法对所述离网工业园区优化调度模型进行协同优化,得到停电损失最小的离网调度策略。
-
-
-
-
-
-
-