基于P2G与富氧燃烧电厂联合运行的多能源系统低碳优化调度模型建模方法

    公开(公告)号:CN115526034A

    公开(公告)日:2022-12-27

    申请号:CN202211116067.2

    申请日:2022-09-14

    Applicant: 三峡大学

    Abstract: 基于P2G与富氧燃烧电厂联合运行的多能源系统低碳优化调度模型建模方法,包括以下步骤:步骤1:建立P2G与富氧燃烧电厂联合运行模型,将P2G在制氢同时产生的氧气用于富氧燃烧电厂联合运行;步骤2:建立P2G与富氧燃烧电厂联合运行的能量关系模型;步骤3:综合考虑系统发电成本、购气成本、运行维护成本、碳交易成本以及碳封存成本,建立以系统日运行成本最小为目标函数的基于P2G与富氧燃烧电厂联合运行的多能源系统低碳优化调度模型。该方法使用了有着高捕集效率和低捕集成本的富氧燃烧技术,并将其与P2G技术相结合,不仅实现了对P2G过程中产生的氧气充分利用,提高了系统的经济性,而且减少了多能源系统的碳排放。

    一种孤岛微电网恢复频率的协调减载控制方法

    公开(公告)号:CN113890063A

    公开(公告)日:2022-01-04

    申请号:CN202111235807.X

    申请日:2021-10-22

    Applicant: 三峡大学

    Abstract: 一种孤岛微电网恢复频率的协调减载控制方法,首先,考虑各分布式电源的有功功率与频率偏差之间的关系,根据本地测量的频率偏差来计算减载量和指导减载动作;其次,对于减载对象的选择,将孤岛微电网的减载问题建模为一个马尔科夫决策过程,在Double‑Q学习中基于负荷优先级构建奖励值函数和减载模型以确定减载对象,保证优先级较低的负荷能够优先被切除。本发明一种孤岛微电网恢复频率的协调减载控制方法,相较于物理模型驱动的减载方法,在应对微电网发生非计划孤岛时能够更迅速地恢复系统的功率供需关系,降低减载时微电网频率的波动幅度,保证重要负荷的不间断供电。

    基于竞争深度Q学习的微电网紧急减载方法

    公开(公告)号:CN113890048A

    公开(公告)日:2022-01-04

    申请号:CN202111234208.6

    申请日:2021-10-22

    Applicant: 三峡大学

    Abstract: 基于竞争深度Q学习的微电网紧急减载方法,首先考虑负荷的重要程度和系统的频率恢复时间,提出计及负荷频率调节效应和负荷减载优先级的减载贡献指标,该减载贡献指标作为减载判据被引入到竞争深度Q学习的奖励值函数中;其次考虑紧急减载的突发性及不确定性,通过竞争深度Q学习算法来获得累计回报最大的减载决策。该方法能够得到孤岛微电网紧急减载时的最优减载策略,以保证紧急孤岛期间重要负荷稳定供电。

    基于人工情感SARSA学习的微电网非计划性孤岛切换方法

    公开(公告)号:CN113890098A

    公开(公告)日:2022-01-04

    申请号:CN202111235755.6

    申请日:2021-10-22

    Applicant: 三峡大学

    Abstract: 基于人工情感SARSA学习的微电网非计划性孤岛切换方法,包括以下步骤:计算联络线上产生的功率缺额;构建微电网状态信息集和动作决策集;构建基于负荷优先级的奖励值函数;建立基于负荷优先级的期望奖赏函数;构建人工情感量化函数;构建人工情感系数输出函数;引入二次函数将情感系数转化为SARSA学习的实际影响,并将其作用到SARSA学习智能体的学习率,输出时变的学习率;构建状态‑动作值函数的更新函数。通过执行使值函数累积最大的减载动作,消除联络线功率缺额。本发明所述方法在微电网因配网故障而发生非计划性孤岛时能够保证重要负荷的供电可靠性,维持系统频率的稳定。

    一种孤岛微电网恢复频率的协调减载控制方法

    公开(公告)号:CN113890063B

    公开(公告)日:2023-07-28

    申请号:CN202111235807.X

    申请日:2021-10-22

    Applicant: 三峡大学

    Abstract: 一种孤岛微电网恢复频率的协调减载控制方法,首先,考虑各分布式电源的有功功率与频率偏差之间的关系,根据本地测量的频率偏差来计算减载量和指导减载动作;其次,对于减载对象的选择,将孤岛微电网的减载问题建模为一个马尔科夫决策过程,在Double‑Q学习中基于负荷优先级构建奖励值函数和减载模型以确定减载对象,保证优先级较低的负荷能够优先被切除。本发明一种孤岛微电网恢复频率的协调减载控制方法,相较于物理模型驱动的减载方法,在应对微电网发生非计划孤岛时能够更迅速地恢复系统的功率供需关系,降低减载时微电网频率的波动幅度,保证重要负荷的不间断供电。

    基于竞争深度Q学习的微电网紧急减载方法

    公开(公告)号:CN113890048B

    公开(公告)日:2023-08-04

    申请号:CN202111234208.6

    申请日:2021-10-22

    Applicant: 三峡大学

    Abstract: 基于竞争深度Q学习的微电网紧急减载方法,首先考虑负荷的重要程度和系统的频率恢复时间,提出计及负荷频率调节效应和负荷减载优先级的减载贡献指标,该减载贡献指标作为减载判据被引入到竞争深度Q学习的奖励值函数中;其次考虑紧急减载的突发性及不确定性,通过竞争深度Q学习算法来获得累计回报最大的减载决策。该方法能够得到孤岛微电网紧急减载时的最优减载策略,以保证紧急孤岛期间重要负荷稳定供电。

Patent Agency Ranking