-
公开(公告)号:CN118611068A
公开(公告)日:2024-09-06
申请号:CN202410590660.3
申请日:2024-05-13
Applicant: 三峡大学
IPC: H02J3/06 , H02J3/00 , G06F30/27 , G06F18/27 , G06F113/04
Abstract: 一种基于数据驱动的配电网分段潮流线性化,步骤为:首先以基于物理模型的潮流计算方程为基础,建立不同母线类型下的数据驱动潮流方程,然后利用改进的k平面回归算法,将数据进行聚类,相近特征的作为一类,然后各自训练潮流模型,实现了潮流的离线学习,更好地拟合潮流的非线性;最后,当有新样本时,先进行归类,再进行潮流映射,从而实现了在线潮流计算。本方法在多个IEEE标准系统和改进的IEEE33节点系统进行仿真,在配电网不可观测性的场景下,该方法具有很高的精度,能解决数据共线性和潮流非线性的问题。
-
公开(公告)号:CN117674160A
公开(公告)日:2024-03-08
申请号:CN202311420744.4
申请日:2023-10-30
Applicant: 三峡大学
Abstract: 基于多智能体深度强化学习的有源配电网实时电压控制方法,包括以下步骤:步骤1:以配电网全天平均电压偏差最小和网损最小建立目标函数;步骤2:建立有源配电网实时电压控制模型的约束条件;步骤2.1:建立潮流约束;步骤2.2:建立光伏逆变器出力约束;步骤2.3:建立运行电压约束;步骤3:将有源配电网实时电压控制模型转变为分散部分可观测的马尔科夫决策过程Dec‑POMDP;步骤4:采用多智能体双延迟深度确定性策略梯度(MATD3PG)算法进行求解;步骤5:在集中式训练‑分散式执行的框架下实现光伏逆变器的协同电压控制。本发明所提方法无需依赖精确的配电网模型,并且本发明仅采用光伏逆变器调压,在不进行光伏有功削减的情况下,将电压稳定控制在安全范围。
-
公开(公告)号:CN117454203A
公开(公告)日:2024-01-26
申请号:CN202311180652.3
申请日:2023-09-13
Applicant: 三峡大学
IPC: G06F18/231 , G06F18/213 , G06F17/16 , G06F18/22 , G06N3/0455 , G06N3/08
Abstract: 一种基于自编码器降维和BIRCH聚类的拓扑辨识方法,它包括以下步骤:步骤一:收集目标地区用户电压特性数据,并对所收集的数据进行归一化处理;步骤二:对归一化得到的标准化用户电压数据进行自编码器降维;步骤三:对降维后的数据进行BIRCH聚类;通过以上步骤对低压配电台区的户变关系进行辨识。本发明的目的是为了解决现有技术存在的需要更高效、准确的方法来识别低压配电台区的拓扑关系,以确保数据准确性和供电企业效率的技术问题,而提供的一种基于自编码器降维和BIRCH聚类的拓扑辨识方法。
-
公开(公告)号:CN117335425A
公开(公告)日:2024-01-02
申请号:CN202311116189.6
申请日:2023-08-31
Applicant: 三峡大学
IPC: H02J3/06 , G06N3/0499 , G06N3/084 , G06N3/086 , G06F18/214 , G06F18/21
Abstract: 一种基于GA‑BP神经网络的潮流计算方法,包括如下步骤:步骤1,收集电力系统的历史数据,包括有功功率、无功功率、电压幅值和相位,对数据进行归一化处理,并将数据划分为训练集和测试集;步骤2,建立BP神经网络模型;步骤3,初始化GA遗传算法参数;步骤4,使用GA遗传算法优化BP神经网络模型的权值和阈值,若达到最大迭代次数,停止迭代,将最优权值和阈值带入到BP神经网络模型,获得最优参数的BP神经网络模型;步骤5,使用测试集对最优参数的BP神经网络进行测试,评价模型的精度。本发明提供一种基于GA‑BP神经网络的潮流计算方法,建立非线性映射关系,解决了线性潮流无法精确表达潮流计算的非线性关系问题。
-
公开(公告)号:CN116599077A
公开(公告)日:2023-08-15
申请号:CN202211607592.4
申请日:2022-12-14
Applicant: 三峡大学
Abstract: 基于机会约束规划的风储联合调频中储能的容量优化方法,属于电力系统新能源调频领域,包括以下步骤:步骤1:获取电力系统的基础数据;步骤2:构建风电场一次调频需求与风机一次调频备用容量模型;步骤3:构建储能全寿命周期成本模型;步骤4:构建基于机会约束规划的储能容量优化模型;步骤5:依据风储系统提供的一次调频容量满足系统一次调频需求的概率确定机会约束置信度;步骤6:采用蚁狮优化算法求解,选取最佳储能容量配备方案。本发明解决了目前风储联合系统在调频方面多关注在控制策略上而忽略了储能的容量配置成本,且风电并网电力系统中的储能容量优化配置更多集中在改善风电出力的波动性,并非辅助风电参与调频上的问题。
-
公开(公告)号:CN118332512A
公开(公告)日:2024-07-12
申请号:CN202410308371.X
申请日:2024-03-18
Applicant: 三峡大学
Abstract: 基于支持向量机回归对配电网负荷侧进行电压的预测方法,首先对历史数据进行清洗处理;其次建立支持向量机回归预测模型;由于电力系统实际应用中存在中低压网络拓扑和电气参数不可知的问题,建立有功、无功与节点电压的映射关系,设置相角参数初值后经过修正和引导,通过训练减少数据预测误差,改善负荷预测的合理性和可解释性,并且提高预测准确性。最后基于中国西南某地区实际电力数据,并采用python仿真平台对数据进行训练回归预测仿真;验证了所用方法的有效性;改善负荷预测的合理性和可解释性,并且提高预测准确性。
-
公开(公告)号:CN117856210A
公开(公告)日:2024-04-09
申请号:CN202311596458.3
申请日:2023-11-24
Applicant: 三峡大学
Abstract: 改进的数据驱动的母线数据不完全功率估计模型构建方法,其特征在于,包括如下步骤:Step1、建立物理模型和数据驱动混合潮流计算模型;Step1.1、建立物理模型驱动的潮流方程;Step1.2、建立数据驱动模型;Step2、建立不完整母线数据的功率估计模型;Step3、建立改进的数据驱动潮流模型;Step4、建立不完全母线估计框架。以物理模型潮流计算方程为基础,与数据驱动方法相结合,再根据母线之间的关系,在接受一定合理的假设条件下,得到不完全母线数据下的功率估计模型;不但结合了物理模型与数据驱动的优点,也解决了现实中数据不足的问题,具有重要的现实意义。
-
公开(公告)号:CN117526328A
公开(公告)日:2024-02-06
申请号:CN202311233628.1
申请日:2023-09-22
Applicant: 三峡大学
Abstract: 一种基于IHS‑MLSSVR数据驱动的非线性潮流回归方法,包括如下步骤:步骤1,收集电力系统各节点的历史运行数据,将数据划分为训练集和测试集对数据,并进行归一化处理,步骤2,建立MLSSVR非线性潮流回归模型;步骤3,设置IHS算法的参数,使用IHS算法对MLSSVR非线性潮流回归模型进行参数寻优,建立最优参数的MLSSVR非线性潮流回归模型;步骤4,使用测试集数据对最优参数的MLSSVR非线性潮流回归模型测试,评价模型的精度。本发明解决了拓扑结构和网络参数未知的电力系统潮流计算问题、线性潮流无法精确表达潮流计算的非线性关系问题和模型参数寻优的问题。
-
公开(公告)号:CN117458493A
公开(公告)日:2024-01-26
申请号:CN202311166180.6
申请日:2023-09-11
Applicant: 三峡大学
Abstract: 基于二阶锥松弛的主动配电网动态最优潮流计算方法,以配电网全天有功损耗最小为目标函数配电网中的可控单元包括分布式光伏DPV、投切电容器组SC和静止无功补偿器SVC,将非凸最优潮流模型转化为凸规划问题,具体包括以下步骤:步骤1:建立配电网全天有功损耗最小的目标函数;步骤2:建立最优潮流模型的约束条件;步骤2.1:结合辐射型配电网潮流特点建立支路潮流约束;步骤2.2:对配电网中的可控单元,分布式光伏DPV、投切电容器组SC和静止无功补偿器SVC,建立模型约束;步骤2.3:设置节点电压约束;步骤3:利用二阶锥松弛将模型转化为包含整数变量的二阶锥规划问题;本发明减小分布式光伏并网给配电网带来的更多不确定性因素。
-
公开(公告)号:CN116760008A
公开(公告)日:2023-09-15
申请号:CN202310490551.X
申请日:2023-05-04
Applicant: 三峡大学
Abstract: 一种考虑负荷特性的多时间尺度有功无功协调调度方法,包括:考虑空调负荷和电动汽车的用能特性构建负荷集群聚合模型,对可调节能力进行量化评估;日前阶段,根据目标函数和约束条件,制定变压器分接头和电容器的调节计划;日内阶段,以日前确定的调度计划为基准,以配电网总成本最小为目标,进行日内滚动调度;实时阶段,以有功无功调整量最小为目标,引入反馈校正环节,形成闭环控制,根据当前时段调度结果偏差来纠正下一时刻的调度计划。该方法逐级细化调度计划,可充分发挥负荷的调节能力,提高光伏的消纳能力。
-
-
-
-
-
-
-
-
-