-
公开(公告)号：CN117217370A
公开(公告)日：2023-12-12
申请号：CN202311151423.9
申请日：2023-09-07
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于分布式近端策略优化算法的综合能源调度研究方法，包括以下步骤：步骤A、建立区域综合能源系统模型，包括上级电网、分布式电源、能源耦合装置、储能设备和电‑热负荷，该模型将作为强化学习中智能体的学习环境；步骤B、构建综合能源系统智能体动作，根据所建立强化学习环境，构造对应的智能体动作函数，并设定相应的动作约束；步骤C、基于马尔可夫决策模型，构建综合能源系统最优调度问题目标函数。本发明采用了马尔可夫决策模型来构建综合能源系统最优调度问题目标函数，其能够有效地处理环境中的不确定性。同时，马尔可夫决策模型能够在长期时间尺度上进行决策，并平衡及时奖励和长期利益。
-
公开(公告)号：CN115456454A
公开(公告)日：2022-12-09
申请号：CN202211192768.4
申请日：2022-09-28
Applicant: 南京工程学院
Abstract: 本发明公开了一种考虑POI点划分功能区的EV快速充电站规划方法，包括如下步骤：采集待规划区域的POI点数据和路网信息数据；划分出城市功能分区；通过EV出行数据来确定用户初始位置；利用交通拥堵模型、信号灯等待时长和路网信息构建路网邻接矩阵；用Floyd最短路径算法生成距离矩阵，用户选取概率以描述用户出行选择充电站的特征，构建用户耗时成本模型；基于帕累托最优态，以快速充电站投资成本、投资回收期、用户耗时成本为目标构建EV充电站多目标联合配置模型；并采用模拟退火粒子群优化算法结合功能区与某城市主干道路网模型进行分析进行求解。本发明可以更加合理的规划充电站位置，满足用户侧和综合经济效益两方面的需求。
-
公开(公告)号：CN114021429A
公开(公告)日：2022-02-08
申请号：CN202111215296.5
申请日：2021-10-19
Applicant: 南京工程学院
IPC: G06F30/27 , G06F17/14 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q10/04 , G06Q30/02 , G06Q50/06 , H02J3/00 , H02J3/28 , G06F111/04 , G06F113/04 , G06F119/02
Abstract: 本发明提供了一种考虑可靠性成本的储能优化配置方法，包括以下步骤：步骤S01：预测新能源出力；步骤S02：采取电量不足期望值为评估指标建立系统优化配置模型，具体包括储能系统模型、可靠性成本模型、发电系统成本模型、约束条件；步骤S03：基于系统优化配置模型对储能优化进行配置。本发明采用一种计及可靠性成本，同时考虑风、光资源多时间尺度不确定性的风光储互补微电网系统储能容量协同优化的方法，针对如何提高电力系统运行可靠性，以电量不足期望值为指标对微电网运行可靠性评估，并将可靠性量化为可靠性成本，建立可靠性成本函数，添加到系统配置总成本中后寻优。
-
公开(公告)号：CN114004285A
公开(公告)日：2022-02-01
申请号：CN202111201436.3
申请日：2021-10-15
Applicant: 南京工程学院
IPC: G06K9/62
Abstract: 本发明提供了一种基于改进kNN算法的非侵入式负荷辨识方法，包括以下步骤：步骤S01：选择V‑I轨迹作为负荷特征，提取轨迹特征，在提取轨迹特征中增加幅值特征；步骤S02：改进KNN算法，在KNN算法中为训练样本分配不同的权重，增加少数类样本在分类判决时的表决权，步骤S03：在步骤S01提取了二值V‑I轨迹和幅值两种负荷特征，引入综合相似度概念，利用步骤S02改进的KNN算法，将两种负荷特征相结合，确定待测样本的类别对负荷进行辨识。本发明在数据集不平衡的情况下，通过增加权重的方式，提高与多数类具有相似V‑I轨迹形状的少数类样本的识别准确率，提高了前端电路拓扑相同但功率等级不同的两类用电设备的识别准确率。
-
公开(公告)号：CN113988549A
公开(公告)日：2022-01-28
申请号：CN202111201613.8
申请日：2021-10-15
Applicant: 南京工程学院
Abstract: 本发明提供了一种基于风电反调峰特性的储能实时优化方法，首先采用Kmeans聚类和核主成分分析法(KPCA)结合随机森林算法的模型进行负荷预测，降低预测误差，得到负荷基准值，确定算法迭代步长；然后以储能系统额定功率为约束，计算出系统功率最低移峰功率值和最高填谷功率值；最后根据所需功率差在对应时段进行充放电动作，功率差超出范围的部分按照储能系统额定功率动作，实现对储能系统各时段充放电的实时优化控制。本发明提供的基于风电反调峰特性的储能实时优化方法，可以对电池储能系统参与调峰的充放电时间段和充放电功率进行实时规划；有以储能系统充放电电量平衡为准则的配电网调峰可变功率控制策略，能有效缩减配电网峰谷差值。
-
Patent Agency Ranking
公开(公告)号：CN113962455A
公开(公告)日：2022-01-21
申请号：CN202111215305.0
申请日：2021-10-19
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于模型预测控制的虚拟电厂储能优化调度策略，包括：短期负荷及新能源出力预测，使用某地区1 a的历史数据，数据之间时间间隔为5 min，训练网络，使其学习时间序列的内在规律，数据在使用前进行了归一化处理，预测的时间步长为24 h，时间分辨率为15 min，使用随机森林算法提前预测出1 d的负荷、风电、光电出力；建立模型；本发明的有益效果是：利用随机森林算法预测未来一段时间的负荷需求、新能源出力，建立以虚拟电厂运行成本最小为目标函数的优化调度模型，使用线性递减权重策略改变参数ω的改进粒子群优化算法求得最优解，以减小预测误差对优化结果的影响，提高短期优化效果。
-
公开(公告)号：CN113902202A
公开(公告)日：2022-01-07
申请号：CN202111201606.8
申请日：2021-10-15
Applicant: 南京工程学院
Abstract: 本发明提供了基于双重注意力机制和LSTM的短期负荷预测模型和方法，包括输入向量、特征注意力层、3层LSTM网络、时序注意力层、全连接层输出，所述输入向量结合前一时刻LSTM网络的隐藏状态值ht‑1，经过特征注意力层计算得到各特征量对当前预测情况的影响权重，经过两层LSTM网络学习特征，再通过时序注意力层计算出各历史时刻输出信息的影响权重αti并得到最终输出的当前时刻的隐藏层状态值输出，最后输入到全连接层得到最终预测结果。本发明提供了基于双重注意力机制和LSTM的短期负荷预测方法。利用特征注意力机制自主分析历史信息与输入特征之间的关联关系，提取重要特征。时序注意力机制自主选取LSTM网络关键时间点的历史信息，提升较长时间段预测效果的稳定性。
-
公开(公告)号：CN113902102A
公开(公告)日：2022-01-07
申请号：CN202111215244.8
申请日：2021-10-19
Applicant: 南京工程学院
Abstract: 本发明提供了一种基于seq2seq的非侵入式负荷分解方法，包括一下步骤：第一步：设计seq2seq模型；第二步：功能提取；使用Conv1D在一维尺度上对功率序列进行卷积和池化，依靠多个相同权值的卷积核提取功率特征；第三步：(3)基于LSTM的负荷识别；第四步：seq2seqBCL负荷分解。针对目前非侵入式负荷分解方法在低频采样条件下(1Hz及以下)分解准确率较低的问题，发明提出的一种基于卷积神经网络(CNN)与长短期记忆网络(LSTM)相结合的seq2seq的非侵入式负荷分解算法(seq2seq Based on CNN and LSTM，seq2seqBCL)。该深度学习模型将功率时间序列作为网络的输入，通过CNN做特征提取。考虑到电力数据的时序性，增加了LSTM层进行电器识别，相比于NILMTK中seq2seq模型降低了网络层数，简化了网络结构。
-
公开(公告)号：CN113901620A
公开(公告)日：2022-01-07
申请号：CN202111203656.X
申请日：2021-10-15
Applicant: 南京工程学院
IPC: G06F30/18 , G06F30/27 , G06N3/00 , G06N20/10 , G06F113/04
Abstract: 本发明公开了基于人工蜂群算法优化的SVM的配电网拓扑辨识，本发明利用数据采集与监控系统采集不同拓扑结构下多种负荷水平的断面电压幅值量测数据和相应的拓扑标签，组成训练数据集。再对训练数据集进行归一化处理，之后用ABC进行SVM参数的优化，筛选出对配电网拓扑辨识最有效的部分节点电压幅值量测，这些节点电压幅值量测构成最优特征子集，优化后的SVM参数可构建最优拓扑辨识模型，且具有计算效率和准确率高的特点。
-
公开(公告)号：CN113516283A
公开(公告)日：2021-10-19
申请号：CN202110497522.7
申请日：2021-05-08
Applicant: 南京工程学院
Abstract: 本发明提供了一种基于相似日选取的短期负荷预测方法，包括以下步骤：步骤1：影响因素归一化；步骤2：相似日选择算法；步骤3：确定数据集；步骤4：符合数据预处理；步骤5：建立横向、纵向符合矩阵；步骤6：横向、纵向GRNN预测；步骤7：确定每个采样点横向、纵向预测值权重；步骤8：通过双向组合预测。本专利运用相似日和GRNN神经网络对短期电力负荷进行双向组合预测。通过相似日选择的方法确定数据集以提高输入样本质量，将同一相似日不同时刻的负荷称为横向样本，不同相似日同一时刻的负荷称为纵向样本。把横向样本和纵向样本分别输入GRNN神经网络进行预测，对每一个采样点都采用最小方差法计算横向、纵向预测权重并得出最终预测结果。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.026 seconds)
