-
公开(公告)号：CN115833102B
公开(公告)日：2023-08-25
申请号：CN202211575153.X
申请日：2022-12-08
Applicant: 南方电网数字电网研究院有限公司
Abstract: 本发明公开了一种基于模型预测控制的风电场频率快速响应控制方法，包括步骤：S1：利用SCADA系统的风电机组状态数据，训练得到基于神经网络的风电机组的状态预测模型；基于电网频率偏差对应的风电场总有功功率参考值，并结合状态预测模型，采用模型预测控制算法，得到各个风电机组的有功功率参考值；S2：离线训练基于神经网络的风电机组控制模型，利用训练好的模型替代模型预测控制算法对各风电机组进行在线控制；S3：当状态预测模型误差超过设定阈值时，采用最新的SCADA系统监测数据重新训练，更新风电机组的状态预测模型和控制模型。本发明构建了更精确的风电机组状态预测模型，并能够迅速给出各风电机组参考功率，实现风电场快速频率响应控制。
-
公开(公告)号：CN112491094B
公开(公告)日：2023-07-04
申请号：CN202011301037.X
申请日：2020-11-19
Applicant: 南方电网数字电网研究院有限公司
Abstract: 本发明公开一种混合驱动的微电网能量管理方法、系统及装置，所述混合驱动的微电网能量管理方法包括：获取历史运行数据和决策信息，得到样本数据；根据所述样本数据对门控循环单元GRU神经网络进行训练，得到运行‑决策映射模型；基于所述运行‑决策映射模型，根据日前24时段的运行数据，得到初始决策信息；根据微电网能量管理物理模型及日前24时段的运行数据，采用粒子群算法对所述初始决策信息进行迭代处理，得到最终决策结果。本发明结合模型驱动方法在因果关系处理中的优势和数据驱动方法计算效率的优势，有效提升了决策结果的准确性及高效性并提高了微电网优化运行的鲁棒性。
-
公开(公告)号：CN114202229B
公开(公告)日：2023-06-30
申请号：CN202111560458.9
申请日：2021-12-20
Applicant: 南方电网数字电网研究院有限公司
IPC: G06Q10/067 , G06Q10/10 , G06Q50/06 , G06F18/214 , G06N3/092
Abstract: 本申请涉及一种基于深度强化学习的微电网的能量管理策略的确定方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取训练样本集，其中，所述训练样本集中的各训练样本包括微电网在多个历史时间段内的运行成本、状态描述信息以及特性描述信息，所述状态描述信息包括所述微电网在所述历史时间段的运行状态，所述特性描述信息包括所述微电网在所述历史时间段的功率和运行状态；基于所述训练样本，训练预设模型，得到目标模型；基于所述微电网在当前时间段的状态描述信息和所述目标模型，得到所述微电网在当前时间段的特性描述信息；根据所述特性描述信息，确定所述微电网的能量管理策略。采用本方法能够适应真实场景的需求。
-
公开(公告)号：CN116345578A
公开(公告)日：2023-06-27
申请号：CN202310606312.6
申请日：2023-05-26
Applicant: 南方电网数字电网研究院有限公司
IPC: H02J3/46 , G06F30/27 , G06N3/0464 , G06N3/092 , G06F113/04
Abstract: 本申请涉及一种基于深度确定性策略梯度的微电网运行优化调度方法、装置、计算机设备和存储介质。所述方法包括：获取针对目标电网的初始调度策略；根据初始调度策略，确定对应的待筛选调度策略集合；通过目标智能体所采用的强化学习方式，从各待筛选调度策略中筛选出目标调度策略；将目标电网对应的初始状态参数输入至目标调度策略，得到目标调度参数；根据目标调度参数，调度目标电网。采用本方法能够基于目标智能体所采用的强化学习方式，从通过向初始调度策略引入随机噪声得到的待筛选调度策略中筛选出目标调度策略，进而利用目标调度策略对目标电网进行调度，保证目标调度策略的准确性，从而得到准确的调度参数，进而提高目标电网的调度效率。
-
公开(公告)号：CN116342077A
公开(公告)日：2023-06-27
申请号：CN202310621583.9
申请日：2023-05-30
Applicant: 南方电网数字电网研究院有限公司
IPC: G06Q10/10 , G06Q10/0639 , G06Q10/0631
Abstract: 本申请涉及电力技术领域，特别是涉及一种适用于数据缺失场站的新能源功率迁移学习预测方法。该方法包括：在确定新建场站的历史运行数据存在缺失的情况下，从其他场站的预测模型中，选择新建场站对应的迁移学习模型；获取新建场站对应的更新数据；其中，更新数据包括补齐后的历史运行数据，以及新建场站在历史时间段之后的预设时间段内采集到的当前运行数据；根据更新数据，构建新建场站对应的增量学习模型；基于新建场站对应的迁移学习模型和增量学习模型，对新建场站在未来时段内的输出功率进行预测，得到功率预测结果。本申请能够对新建场站进行准确的功率预测。
-
Patent Agency Ranking
公开(公告)号：CN116154768B
公开(公告)日：2023-06-27
申请号：CN202310396839.0
申请日：2023-04-14
Applicant: 南方电网数字电网研究院有限公司
Abstract: 本申请涉及一种采用点预测误差经验分布逆变换的功率区间预测方法。通过目标预测模型输出多个历史预测功率和目标预测功率，确定每个历史预测功率及其对应的历史真实功率的数值子区间，确定每个子区间的经验累积分布函数，从多个子区间中获取目标预测功率所属的目标子区间，并基于该子区间对应的经验累积分布函数和预设置信水平，确定预测功率区间。相较于传统的通过点预测来预测未来功率的期望的方式，本方案通过利用历史功率数据对应的预测数据与对应的真实数据确定多个子区间的经验累积分布函数，并基于未来的预测功率使用对应的经验累积分布函数确定预测功率区间，提高了功率区间预测的准确度。
-
公开(公告)号：CN115833115A
公开(公告)日：2023-03-21
申请号：CN202310053801.3
申请日：2023-02-03
Applicant: 南方电网数字电网研究院有限公司
Abstract: 本发明涉及配电自动化技术领域，公开了一种多时间尺度分配模型的分布式资源边缘控制方法及装置。该方法包括：通过预建立的多时间尺度功率分配模型，根据当前系统时间，获取目标分布式资源，以及目标分布式资源对应的分配功率；获取综合时延，并根据综合时延，建立目标PID控制模型；通过目标PID控制模型，根据目标分布式资源对应的分配功率，对目标分布式资源进行功率控制。本实施例的技术方案，通过采用多时间尺度功率分配模型，对不同的分布式资源进行多时间尺度功率分配，可以实现对分布式资源的准确功率分配；其次，通过基于综合时延建立PID控制模型，可以提升功率边缘控制的响应速度和准确度。
-
公开(公告)号：CN115759446A
公开(公告)日：2023-03-07
申请号：CN202211488356.5
申请日：2022-11-25
Applicant: 南方电网数字电网研究院有限公司
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/06 , G06N20/20 , G06N5/01 , G06F18/214 , G06F18/22 , G06F18/2431
Abstract: 本申请涉及一种面向新能源高精度预测的机器学习特征选择方法、装置、计算机设备、存储介质和计算机程序产品。该方法获取初始气象特征集合；采取随机森林算法，筛选初始气象特征集合中的气象特征，得到第一气象特征集合；基于相关性分析，对第一气象特征集合进行气象特征筛选，得到第二气象特征集合；采取递归特征消除法筛选第二气象特征集合中的气象特征，得到目标气象特征集合。整个方案根据随机森林算法对气象特征进行初步提取，在初次提取特征的基础上，对气象特征进行相关性分析，根据相关性分析结果再次进行提取，进而对剩余的特征进行递归消除，通过多次筛选，将对新能源发电功率影响最大的特征筛选处理，进而得到更加准确的气象特征。
-
公开(公告)号：CN115202238B
公开(公告)日：2023-01-24
申请号：CN202211125280.X
申请日：2022-09-15
Applicant: 南方电网数字电网研究院有限公司
IPC: G05B17/02
Abstract: 本发明提供一种海上风电机组机械‑电气联合硬件在环高精度仿真方法，具体包括：建立基于人工智能算法的海上风机台风期间风、雨、浪一体化数字仿真模型；建立包含变桨系统和偏航系统实物模拟装置、主控系统、变流器控制器、变桨控制器及偏航控制器实物装置、现有GH Bladed仿真模块和RT‑LAB半实物仿真平台的海上风机硬件在环高精度仿真系统；基于现有的环境模拟箱技术，建立海上风电机组运行环境模拟箱，对海上风电机组关键物理装置的实际运行环境进行模拟。所述方法可以实现海上风电机组的硬件在环的高精度仿真，并可以对台风期间风、雨、浪共同作用条件下的海上风电机组运行状况进行仿真分析。
-
公开(公告)号：CN115545362A
公开(公告)日：2022-12-30
申请号：CN202211545864.2
申请日：2022-12-05
Applicant: 南方电网数字电网研究院有限公司
IPC: G06Q10/04 , G06F16/215 , G06F16/2458 , G06Q50/06
Abstract: 本申请涉及一种AI与TSD结合的新能源中期功率组合预测方法。所述方法包括：基于新能源场站对应的历史数值天气预报数据和历史功率数据，获取第一预处理数据和第二预处理数据；根据第一预处理数据对第一预测模型进行模型训练，得到预训练预测模型，将第二预处理数据输入至预训练预测模型，得到第一新能源功率预测结果；基于时间序列分解第一新能源功率预测结果与历史功率数据的拼接结果，得到目标时序分量；根据目标时序分量构建的第二预测模型得到第二新能源功率预测结果；将第一新能源功率预测结果和第一新能源功率预测结果进行拼接组合，得到新能源中期功率预测结果。采用本方法能够实现新能源中期功率预测，提升了预测精度。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.071 seconds)
