-
公开(公告)号：CN113890090A
公开(公告)日：2022-01-04
申请号：CN202111149740.8
申请日：2021-09-29
Applicant: 华中科技大学
Abstract: 本发明公开了一种考虑不平衡滤波电感的VSC换流器模型预测控制方法及系统，属于分布式电源并网换流器控制研究领域，包括：在第k时刻，获取第k+1时刻的电网电压预测值和电网电流预测值，以及第k+2时刻的电网电压预测值，并根据预设的有功、无功二倍频功率扰动补偿分量和以及有功、无功功率指令值Pref和Qref计算第k+2时刻的电网电流参考值，以根据电压控制方程计算第k+1时刻的电网电压参考值uk+1；电压控制方程中考虑了不平衡滤波电感的影响；在第k+1时刻，将uk+1作用于空间矢量调制器，以使VSC换流器输出的有功、无功功率分别跟踪有功、无功功率指令值Pref和Qref。本发明能够实现VSC换流器在不平衡滤波电感影响下的有功、无功精准控制。
-
公开(公告)号：CN112163012A
公开(公告)日：2021-01-01
申请号：CN202010928620.7
申请日：2020-09-07
Applicant: 华中科技大学 , 国网河南省电力公司电力科学研究院 , 国网河南省电力公司 , 国家电网有限公司
Abstract: 本发明公开了一种电网线路故障选相方法、装置、电子设备和存储介质，属于电网故障诊断领域，所述方法包括：S1:获取故障期间电网线路对应的多个故障信息序列，所述故障信息序列包括电压信号时间序列、电流信号时间序列、有功功率时间序列和无功功率时间序列；S2:获取每两个所述故障信息序列中采样点的梯度相似性，并构建所述多个故障信息序列对应的梯度相似性矩阵；S3:对所述梯度相似性矩阵进行可视化处理，以构建所述多个故障信息序列对应的可视化图形；S4:将所述可视化图形输入卷积神经网络模型以对所述故障期间电网线路进行故障选相。本发明省略了标记故障发生时刻的步骤，简化了电网线路故障选相流程，同时提高了电网线路故障选相的准确性。
-
公开(公告)号：CN108462180B
公开(公告)日：2020-09-18
申请号：CN201810095920.4
申请日：2018-01-31
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于vine copula函数确定概率最优潮流的方法，包括：以发电费用最小为目标函数，建立含多风电场的概率最优潮流模型；根据非参数核密度拟合风速，建立单风电场风速分布函数；利用单风电场风速分布函数和Vine Copula函数，建立多风电场风速联合分布模型；基于多风电场风速联合分布模型利用Rosenblatt变换和三点估计法确定负荷和风电的M种情景以及每种情形发生的概率，根据多风电场的概率最优潮流模型利用内点法计算M种情景下的最优潮流；根据M种情景下的最优潮流和每种情形发生的概率，得到概率最优潮流。本发明有效地描述风速的多元化相关性结构，计算效率高，能够及时地为电力系统运行提供有效的信息。
-
公开(公告)号：CN110212570A
公开(公告)日：2019-09-06
申请号：CN201910396140.8
申请日：2019-05-14
Applicant: 国网内蒙古东部电力有限公司电力科学研究院 , 华中科技大学
IPC: H02J3/38
Abstract: 本发明公开了一种基于MMSE挖掘的风电场等值模型及其构建方法和应用，属于风电场等值模型研究领域，其中，构建方法包括：利用风电场中的每台风机的随机关键因素构建风机的动态过程时间序列，利用风机的动态过程时间序列计算风机动态过程的多尺度熵值；以风机动态过程的多尺度熵值为聚类指标构建风电场等值模型。本发明以风电场动态过程时间序列作为数据挖掘对象，提取了其多尺度熵值，并以此为聚类指标构建了风电场等值模型。相比于传统的风电场等值模型，本发明模型在电力系统各类故障场景中均能较好地模拟风电场的动态过程，大大减少了风电场等值次数。由此解决目前风电等值模型适用场景单一且难以有效反映风电场动态过程的技术问题。
-
公开(公告)号：CN109038648A
公开(公告)日：2018-12-18
申请号：CN201810754220.1
申请日：2018-07-10
Applicant: 华中科技大学 , 国家电网有限公司 , 国网江苏省电力有限公司 , 中国电力科学研究院有限公司
IPC: H02J3/38
Abstract: 本发明公开了一种基于Copula函数的风光联合出力建模方法，包括：将风电场和光伏电场的输出功率转化为风电出力序列和光伏出力序列后进行核密度估计，得到风电出力和光伏出力的边缘分布函数；将风电出力和光伏出力的边缘分布函数代入Copula函数得到Copula函数的静态相关系数，利用Copula函数的静态相关系数建立风光联合出力的静态模型；将风电出力序列和光伏出力序列代入演进方程，利用极大似然估计法得到Copula函数的动态相关系数，利用Copula函数的动态相关系数建立风光联合出力的动态模型；从风光联合出力的静态模型和动态模型中获取最优模型。本发明减小了估计误差，使模型拟合优度更高。
-
Patent Agency Ranking
公开(公告)号：CN107482618A
公开(公告)日：2017-12-15
申请号：CN201710597242.7
申请日：2017-07-20
Applicant: 国家电网公司 , 国网湖北省电力公司经济技术研究院 , 华中科技大学
CPC classification number: Y02P80/22 , H02J3/008 , G06Q10/063 , G06Q50/06 , H02J2003/003 , H02J2003/007
Abstract: 本发明公开了一种具有风-火发电并含多类型柔性负荷电网的电价制定方法，该方法包含下列步骤：确定电网的火电机组数以及每台火电机组的相关参数，确定风电的日出力曲线，将负荷分为四类，确定每类负荷的原始电价以及每小时的用电量，建立具有风-火发电的多类型柔性负荷协调控制模型，利用差分进化粒子群算法求解上述模型，制定四种柔性负荷的峰谷电价策略。本发明的优点是：建立柔性负荷的需求响应模型，根据不同柔性负荷对电价响应的差异性，制定不同的电价激励措施，充分挖掘各类柔性负荷的需求响应资源，提高电力系统运行经济性；采用DEPSO算法求解具有较好的寻优性，提高了求解精度。
-
公开(公告)号：CN112163012B
公开(公告)日：2024-03-22
申请号：CN202010928620.7
申请日：2020-09-07
Applicant: 华中科技大学 , 国网河南省电力公司电力科学研究院 , 国网河南省电力公司 , 国家电网有限公司
IPC: G06F16/2458 , G06F16/26 , G06F17/16 , G06N3/0464 , G06N3/08 , G06Q50/06 , G06F18/22
Abstract: 本发明公开了一种电网线路故障选相方法、装置、电子设备和存储介质，属于电网故障诊断领域，所述方法包括：S1:获取故障期间电网线路对应的多个故障信息序列，所述故障信息序列包括电压信号时间序列、电流信号时间序列、有功功率时间序列和无功功率时间序列；S2:获取每两个所述故障信息序列中采样点的梯度相似性，并构建所述多个故障信息序列对应的梯度相似性矩阵；S3:对所述梯度相似性矩阵进行可视化处理，以构建所述多个故障信息序列对应的可视化图形；S4:将所述可视化图形输入卷积神经网络模型以对所述故障期间电网线路进行故障选相。本发明省略了标记故障发生时刻的步骤，简化了电网线路故障选相流程，同时提高了电网线路故障选相的准确性。
-
公开(公告)号：CN112653199B
公开(公告)日：2022-08-02
申请号：CN202011498682.5
申请日：2020-12-17
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于动态R‑Vine Copula模型的多风电场联合出力预测方法和装置，属于电力系统中风电功率区间预测领域，所述方法包括：S1：将多个风电场的预测出力数据和联合出力对应的预测误差作为第一输入数据；S2：将第一输入数据输入基于ARIMA‑GARCH模型建立的动态边缘分布函数模型，以使动态边缘分布函数模型将第一输入数据转化为累计概率序列；S3：将累计概率序列输入预先建立的动态R‑Vine Copula模型，以使动态R‑Vine Copula模型输出不同置信度下多风电场对应的联合出力预测结果；其中，动态边缘分布函数模型的模型参数和动态R‑Vine Copula模型的模型参数均基于相空间重构方法进行滚动计算并更新。本申请能够提升多风电场联合出力的超短期区间预测准确度。
-
公开(公告)号：CN109038648B
公开(公告)日：2020-11-17
申请号：CN201810754220.1
申请日：2018-07-10
Applicant: 华中科技大学 , 国家电网有限公司 , 国网江苏省电力有限公司 , 中国电力科学研究院有限公司
IPC: H02J3/38
Abstract: 本发明公开了一种基于Copula函数的风光联合出力建模方法，包括：将风电场和光伏电场的输出功率转化为风电出力序列和光伏出力序列后进行核密度估计，得到风电出力和光伏出力的边缘分布函数；将风电出力和光伏出力的边缘分布函数代入Copula函数得到Copula函数的静态相关系数，利用Copula函数的静态相关系数建立风光联合出力的静态模型；将风电出力序列和光伏出力序列代入演进方程，利用极大似然估计法得到Copula函数的动态相关系数，利用Copula函数的动态相关系数建立风光联合出力的动态模型；从风光联合出力的静态模型和动态模型中获取最优模型。本发明减小了估计误差，使模型拟合优度更高。
-
公开(公告)号：CN108462180A
公开(公告)日：2018-08-28
申请号：CN201810095920.4
申请日：2018-01-31
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于vine copula函数确定概率最优潮流的方法，包括：以发电费用最小为目标函数，建立含多风电场的概率最优潮流模型；根据非参数核密度拟合风速，建立单风电场风速分布函数；利用单风电场风速分布函数和Vine Copula函数，建立多风电场风速联合分布模型；基于多风电场风速联合分布模型利用Rosenblatt变换和三点估计法确定负荷和风电的M种情景以及每种情形发生的概率，根据多风电场的概率最优潮流模型利用内点法计算M种情景下的最优潮流；根据M种情景下的最优潮流和每种情形发生的概率，得到概率最优潮流。本发明有效地描述风速的多元化相关性结构，计算效率高，能够及时地为电力系统运行提供有效的信息。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.053 seconds)
