-
公开(公告)号:CN118297334A
公开(公告)日:2024-07-05
申请号:CN202410434753.7
申请日:2024-04-11
Applicant: 国网重庆市电力公司电力科学研究院 , 重庆大学 , 国家电网有限公司
IPC: G06Q10/0631 , H02J3/24 , H02J3/00 , G06F18/22 , G06F18/214 , G06F18/2411 , G06Q50/06
Abstract: 本发明公开了一种基于调度时段内波动极值可信预测的调频容量需求量化方法,提出基于特征匹配度的细粒度净负荷随机波动特征筛选方法,在数据驱动输入与输出端分别构建有效反映调频容量需求特征的低维特征向量,以降低数据驱动预测输入输出的复杂映射关系和学习难度;在此基础上,采用具有小样本学习特性的高斯过程,建立基于高斯过程的净负荷波动极值预测模型,预测得到净负荷波动极值均值和标准差;引入机会约束可信评估预测结果,得到不同置信水平下的分布情况,采用蒙特卡洛模拟法生成场景集映射到相应的分布区间,以此可信量化调频容量需求,提高其量化精度。
-
公开(公告)号:CN117318084A
公开(公告)日:2023-12-29
申请号:CN202311060348.5
申请日:2023-08-22
Abstract: 本发明公开计及新能源实时响应风险的AGC指令多源协调分配方法,包括以下步骤:1)确定不同品类调频资源的调节优先级顺序;所述品类包括上调频和下调频;2)在同一品类调频资源间,基于调频资源调节特性预分配AGC指令;3)在实时运行t0时间前,对新能源机组进行超短期概率预测,并确定各新能源机组的可靠调频容量;根据可靠调频容量,将新能源机组的AGC指令分配给各新能源机组;对除新能源机组以外调频资源的AGC指令进行分配。本发明在满足系统调频需求的前提下尽可能避免了新能源随机波动对其AGC指令实时响应能力的负面影响。
-
公开(公告)号:CN110929989B
公开(公告)日:2023-04-18
申请号:CN201911040124.1
申请日:2019-10-29
Applicant: 重庆大学 , 国网重庆市电力公司电力科学研究院 , 国家电网有限公司
IPC: G06Q10/0635 , G06Q50/06 , G06N3/0499 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于深度学习的含不确定性N‑1安全校核方法,主要步骤为:1)获取电力网络数据,并建立输入特征向量集Xin;2)对特征向量进行预处理,并划分为训练集和验证集;3)建立的深度神经网络直流潮流模型;4)利用训练集和验证集对深度神经网络直流潮流模型进行训练;5)以电力网络实时数据建立测试集,并输入到训练后的深度神经网络直流潮流模型中,得到潮流输出特征向量Yout;6)对输出特征向量Yout=[θi,Pij]进行安全性验证。本发明可广泛应用于不确定性场景的N‑1安全校核在线分析,能够获得与传统直流潮流求解方法获得不相上下的校核精度,并提高近百倍的分析速度。
-
公开(公告)号:CN111798037A
公开(公告)日:2020-10-20
申请号:CN202010528642.4
申请日:2020-06-10
Applicant: 重庆大学 , 国网重庆市电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开一种基于堆叠式极限学习机框架的数据驱动最优潮流计算方法,主要包括以下步骤:1)建立极限学习机模型;2)将若干极限学习机模型逐层堆叠,建立堆叠式极限学习机;3)对堆叠式极限学习机进行优化,得到优化后的堆叠式极限学习机;4)建立数据驱动最优潮流学习框架;5)利用优化后的堆叠式极限学习机对数据驱动最优潮流学习框架进行解算。本发明可广泛应用于提高神经网络算法在电力系统分析中计算效率的问题。
-
公开(公告)号:CN110829434A
公开(公告)日:2020-02-21
申请号:CN201910938908.X
申请日:2019-09-30
Applicant: 重庆大学 , 国网重庆市电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种提高深度神经网络潮流模型扩展性的方法,主要步骤为:1)获取电力系统基本数据;2)确定特征向量;3)建立原始DNN潮流模型;4)对原始DNN潮流模型进行训练,得到训练后的原始DNN潮流模型;5)对原始DNN潮流模型进行扩建,得到扩建DNN潮流模型;6)对扩建系统概率潮流进行解算,得到概率潮流结果。本发明可广泛应用于电力系统的概率潮流求解,特别适用于因系统扩建导致原始系统DNN无法适用的情况。
-
公开(公告)号:CN109784692A
公开(公告)日:2019-05-21
申请号:CN201811631297.6
申请日:2018-12-29
Abstract: 本发明公开了一种基于深度学习的快速安全约束经济调度方法,主要步骤为:1)确定适用于安全约束经济调度模型的深度神经网络。2)对堆栈降噪自动编码器SDAE进行训练。3)建立基于深度学习的安全约束经济调度模型。4)令k=1,将电力系统运行条件输入到深度神经网络中,得到安全约束经济调度模型的起作用约束集J(1)。5)将约束集J(1)。输入到安全约束经济调度模型中,得到安全约束经济调度方案。6)对安全约束经济调度方案进行N-1检验,若有新约束J(new),则令k=k+1,约束集更新为J(k)=J(k)∪J(new),并返回步骤5。若无新约束,则输出安全约束经济调度方案。本发明可广泛应用于电力系统各个行业的安全约束经济调度分析。
-
公开(公告)号:CN109599872A
公开(公告)日:2019-04-09
申请号:CN201811633643.4
申请日:2018-12-29
IPC: H02J3/06
Abstract: 本发明公开了基于堆栈降噪自动编码器的电力系统概率最优潮流计算方法,主要步骤为:1)建立SDAE最优潮流模型。2)获取SDAE最优潮流模型输入层的输入样本X。3)对SDAE最优潮流模型进行初始化。4)对SDAE最优潮流模型进行训练,从而得到训练后的SDAE最优潮流模型。5)采用MCS法对待计算概率潮流的电力系统的随机变量进行抽样,从而获取计算样本。6)将步骤5得到的训练样本数据一次性输入步骤4中训练完成的SDAE最优潮流模型中,从而计算出最优潮流在线概率。7)对所述最优潮流在线概率进行分析,即绘制SDAE最优潮流模型的输出变量的概率密度曲线。本发明可广泛应用于电力系统的概率最优潮流求解,特别适用于新能源渗透率高导致系统不确定性增强的在线分析情况。
-
公开(公告)号:CN104346535A
公开(公告)日:2015-02-11
申请号:CN201410633163.3
申请日:2014-11-10
Applicant: 国网重庆市电力公司电力科学研究院 , 国家电网公司 , 重庆大学
IPC: G06F19/00
Abstract: 电动私家车起始充电时刻的概率建模方法,具体建模步骤如下:1)记录并输入m天n个实际电动私家车起始充电时刻样本数据Ts=[Ts1,Ts2,…,Tsn],Ts的取值范围为(a,b);2)计算电动私家车起始充电时刻概率分布。1、本发明方法能够实现电动私家车起始充电时刻概率分布的准确模拟,且准确度高。不需要任何的假设条件,因此准确度高且通用性强,对于电动私家车起始充电时刻的概率分布具有较好的模拟效果。解决采用固定带宽而存在缺乏局部适应性的问题,使电动私家车起始充电时刻的概率分布更为精确。利用计算机程序就准确地建立始荷电状态和起始充电时刻概率模型,方法简单,实用性强,便于推广应用。
-
公开(公告)号:CN119089666A
公开(公告)日:2024-12-06
申请号:CN202411136978.0
申请日:2024-08-19
Applicant: 国网重庆市电力公司电力科学研究院 , 重庆大学 , 国家电网有限公司
IPC: G06F30/20 , G06F111/04 , G06F119/08 , G06F119/14
Abstract: 本发明提供了一种基于外逼近闵可夫斯基和的大规模变频空调精确聚合方法,包括:搭建变频空调的物理模型,包括热力学模型、电热转化模型和用户舒适度模型;建立等效虚拟电池模型;将等效虚拟电池模型以凸多胞体半平面形式进行表征其运行可行域,采用外逼近闵可夫斯基和方法进行聚合,得到变频空调集群的可行域;对外逼近闵可夫斯基和方法聚合产生的冗余约束问题,基于线性规划的辅助优化方法,寻找聚合后可行域的最优切平面,对不属于可行域的约束进行辨识和删除,获取变频空调集群的弹性可行域表征形式。本方法能够有效降低大规模高异质性变频空调弹性调节可行域刻画的复杂性并兼容最终用户的隐私保护问题,以便于电网进行统一的管理和调度。
-
公开(公告)号:CN117318083A
公开(公告)日:2023-12-29
申请号:CN202311060338.1
申请日:2023-08-22
Abstract: 本发明公开计及时序互补特性的AGC指令两阶段分配方法,步骤为:1)将电力系统实际运行阶段的调频需求分为预测调频需求和实时调频需求;2)建立AGC指令超前优化分配模型,并进行解算,得到AGC指令超前分配方案;3)根据AGC指令超前分配方案,在超前分配阶段调度火电和水电机组响应预测调频需求;在实时分配阶段,调度部分水电和储能响应实时调频需求。本发明能够通过与不同品类调频资源调节特性适配的AGC指令分配,实现各类资源的协调互补利用,充分保障调频资源对于AGC指令的响应能力,提升系统频率质量。
-
-
-
-
-
-
-
-
-