一种基于多智能体的分布式电源一致性控制方法及控制系统

    公开(公告)号:CN109301878B

    公开(公告)日:2024-02-02

    申请号:CN201811224453.7

    申请日:2018-10-19

    Applicant: 三峡大学

    Abstract: 本发明一种基于多智能体的分布式电源一致性控制方法及控制系统,涉及微电网运行控制技术领域,包括以下步骤:WAMS采集当前微电网的实时数据信息;对采集到的信息进行数据分析和数据处理;确定当前微电网系统是功率缺额还是功率过剩;对各个电源进行动态调整,并监控当前电网的关键参数。一种用于上述基于多智能体的分布式电源一致性控制方法的基于多智能体的分布式电源一致性控制系统包括监督智能体、通信智能体、分布式电源智能体、储能智能体和负载调整智能体。本发明处理故障时操作简单,能实现分布式电源网络在多故障下具有主动自愈,自动调整的功能。

    针对高比例风电并网的电力系统暂态稳定预防控制方法

    公开(公告)号:CN116093930A

    公开(公告)日:2023-05-09

    申请号:CN202310019157.8

    申请日:2023-01-06

    Applicant: 三峡大学

    Abstract: 针对高比例风电并网的电力系统暂态稳定预防控制方法,步骤1:针对高比例风电并网的电力系统,构建不稳定模式分类的概率暂态稳定约束;步骤2:基于电力系统历史运行数据与仿真数据,利用时域仿真法确定相应故障下的极限切除时间和不稳定模式,建立初始样本集;步骤3:对梯度提升与逐步特征增强模型进行离线训练,形成评估模型;步骤4:针对概率暂态稳定约束评估当前系统运行状况,得到每个不稳定模式类别计算极限切除时间满足稳定指标的概率对关键发电机产生的有功功率的灵敏度,将概率暂态稳定约束转化为一组显式约束嵌入到传统最优潮流;步骤5:利用动态惯性权重粒子群优化算法对考虑概率暂态稳定约束的最优潮流模型进行求解。

    一种基于风险指数的电力系统动态安全评估方法

    公开(公告)号:CN109559019B

    公开(公告)日:2021-04-13

    申请号:CN201811297094.8

    申请日:2018-11-01

    Applicant: 三峡大学

    Abstract: 一种基于风险指数的电力系统动态安全评估方法,包括基于预想事故发生的概率以及预想事故发生后的影响,建立风险模型,对预想事故进行筛选和排序,得出主导预想事故集;对筛选后的主导预想事故进行负载潮流分析计算并记录系统中所有节点的电压V和电压相角δ;基于多项式形式的暂态稳定裕度以及所获得的潮流数据,计算暂态稳定裕度的概率分布及其均值和标准差;基于所建立的风险模型,利用暂态稳定裕度的概率分布以及严重度函数计算预想事故的风险指数;基于所求的风险指数,采取相应的预防控制和紧急控制措施。本发明方法考虑负载预测的不确定性,定量地将事故的概率和严重性这两个决定系统安全性的因素结合起来,能比较全面地反映事故对整个电力系统的影响,从而更好的协调电力系统运行的安全性与经济性之间的关系。

    一种基于极限梯度提升决策树的动态安全评估方法

    公开(公告)号:CN111401792A

    公开(公告)日:2020-07-10

    申请号:CN202010300999.7

    申请日:2020-04-16

    Applicant: 三峡大学

    Abstract: 一种基于极限梯度提升决策树的动态安全评估方法,步骤1:建立原始样本集;步骤2:形成中间样本集;步骤3:形成高效样本集;步骤4:利用高效样本集对极限梯度提升决策树进行离线训练,构建基于XGBoost决策树的动态安全评估模型;步骤5:由于电力系统各种运行因素的影响,需要通过时域仿真来更新高效样本集,利用更新后的样本集对DSA模型进行更新;步骤6:基于同步相量测量单元的实时测量数据,利用DSA模型,对电力系统进行在线DSA。本发明的目的是提出一种基于极限梯度提升决策树的动态安全评估方法。该方法能高效准确的对电力系统进行在线DSA,并且评估模型的鲁棒性很好,可以适应网络拓扑结构的变化。

    基于多重极限学习机的电力系统故障后暂态稳定分层评估方法

    公开(公告)号:CN110728299A

    公开(公告)日:2020-01-24

    申请号:CN201910843026.5

    申请日:2019-09-06

    Applicant: 三峡大学

    Abstract: 基于多重极限学习机的电力系统故障后暂态稳定分层评估方法,根据最大相关最小冗余算法MRMR,在电力系统历史大数据中提取能够表征当前电力系统暂态稳定状况的关键特征;利用提取出的电力系统暂态稳定状况的关键特征对多重极限学习机ELMs进行分层学习训练,然后将故障后电力系统关键特征群,输入到各层训练好的多重极限学习机ELMs中,最后各层利用决策评价准则,得出最终的暂态稳定评价结果。该方法具有高精度的同时,还满足了智能电网大数据的快速性要求。

    一种基于风险指数的电力系统动态安全评估方法

    公开(公告)号:CN109559019A

    公开(公告)日:2019-04-02

    申请号:CN201811297094.8

    申请日:2018-11-01

    Applicant: 三峡大学

    Abstract: 一种基于风险指数的电力系统动态安全评估方法,包括基于预想事故发生的概率以及预想事故发生后的影响,建立风险模型,对预想事故进行筛选和排序,得出主导预想事故集;对筛选后的主导预想事故进行负载潮流分析计算并记录系统中所有节点的电压V和电压相角δ;基于多项式形式的暂态稳定裕度以及所获得的潮流数据,计算暂态稳定裕度的概率分布及其均值和标准差;基于所建立的风险模型,利用暂态稳定裕度的概率分布以及严重度函数计算预想事故的风险指数;基于所求的风险指数,采取相应的预防控制和紧急控制措施。本发明方法考虑负载预测的不确定性,定量地将事故的概率和严重性这两个决定系统安全性的因素结合起来,能比较全面地反映事故对整个电力系统的影响,从而更好的协调电力系统运行的安全性与经济性之间的关系。

Patent Agency Ranking