-
公开(公告)号:CN119275937A
公开(公告)日:2025-01-07
申请号:CN202411679472.4
申请日:2024-11-22
IPC: H02J3/46 , H02J3/38 , H02J3/28 , H02J3/36 , H02J3/00 , G06Q10/04 , G06Q50/06 , G06F30/27 , G06Q10/0631 , G06F17/10 , G06F111/10 , G06F113/04
Abstract: 本发明属于电力系统优化技术领域,公开了一种高温高湿环境光储直柔内部灵活可调域计算方法,首先,创建光储直柔系统的灵活性预测模型;其次,对系统元件模型的参数进行微调,以提高其精度;然后,分析系统元件间的耦合效应,并通过鲁棒优化技术确保系统在不同环境变化下的稳定性;最后,通过算例仿真验证所开发的光储直柔系统在高温高湿环境下的电力需求预测和调度策略的有效性。本发明通过自适应鲁棒优化算法和灵活性预测模型,有效应对高温高湿环境对光储直柔系统的影响,确保系统稳定高效运行;结合实时数据监测与智能调度优化,提高系统响应速度和运行效率,促进资源高效配置和绿色低碳发展,确保电力系统在复杂环境中的可靠性。
-
公开(公告)号:CN117272778B
公开(公告)日:2024-03-12
申请号:CN202310856674.0
申请日:2023-07-12
Applicant: 上海交通大学
IPC: G06F30/27 , G06N3/047 , G06N3/0895 , G06F111/08
Abstract: 本发明公开了一种微波无源器件的设计方法和装置,方法包括:确定设计目标及设计参数范围;进行采样生成初始设计参数样本集XI和扩展样本集XU;对XI进行全波仿真计算,得到散射参数并从中提取出电磁特性数据集YI,得到初始设计数据集DI;将DI分为训练集和测试集,训练正向的多层感知机神经网络和高斯过程并计算测试误差;预测XU的设计性能;根据建模精度作为权重,选取其预测值的加权平均数作为扩展设计性能;将扩展设计性能及对应的扩展设计参数作为扩展设计数据集DE;利用DI和DE训练可逆神经网络;根据设计目标生成设计候选值,进行测试验证确定最终设计参数,实现了智能化设计。
-
公开(公告)号:CN119541298A
公开(公告)日:2025-02-28
申请号:CN202411801107.6
申请日:2024-12-09
Abstract: 本发明提供了一种基于混合现实的变电站协同仿真培训系统构建方法及系统,其中方法包括:确定培训系统的具体目标,对具体目标进行输入;对目标进行分析,基于分析结果进行培训系统构建计划制定;基于培训系统构建计划,创建变电站的仿真培训系统虚拟模型,并导入到混合现实平台中;检查系统的功能,包括模型的准确性、交互的流畅性和协同工作的有效性,预测培训系统的使用效果;基于培训系统的使用效果的预测值,进行预期效果的比对,达到预期效果时,将系统部署到实际使用环境中;定期监控系统的运行情况。本发明可以提前对培训效果进行预测,从而能根据培训效果的预测进行优化,使得培训效率最大化。
-
公开(公告)号:CN119514375A
公开(公告)日:2025-02-25
申请号:CN202411670513.3
申请日:2024-11-21
Abstract: 本发明公开了一种高温高湿环境下光储直柔系统暂态交互特性分析方法,首先建立动态行为的微分代数模型,初始化状态和参数;然后,采用SAS方法构建近似解,并根据实时温度和湿度动态调整模型参数;建立耦合关系的线性方程,递归求解高阶系数,计算残差评估精度;利用并行化计算技术求解高阶非线性模型,构建局部RLC拓扑进行暂态仿真,记录系统状态随时间变化的结果,并分析各组件的耦合效应;最后,采用自适应控制算法调节关键变量。本发明基于SAS计算方法,针对高温高湿环境下的光储直柔系统动态响应,实现了高效的暂态分析,显著提升了系统的运行可靠性与调控能力。本发明应用于电力系统在线监测与控制平台,实现实时优化。
-
公开(公告)号:CN117272778A
公开(公告)日:2023-12-22
申请号:CN202310856674.0
申请日:2023-07-12
Applicant: 上海交通大学
IPC: G06F30/27 , G06N3/047 , G06N3/0895 , G06F111/08
Abstract: 本发明公开了一种微波无源器件的设计方法和装置,方法包括:确定设计目标及设计参数范围;进行采样生成初始设计参数样本集XI和扩展样本集XU;对XI进行全波仿真计算,得到散射参数并从中提取出电磁特性数据集YI,得到初始设计数据集DI;将DI分为训练集和测试集,训练正向的多层感知机神经网络和高斯过程并计算测试误差;预测XU的设计性能;根据建模精度作为权重,选取其预测值的加权平均数作为扩展设计性能;将扩展设计性能及对应的扩展设计参数作为扩展设计数据集DE;利用DI和DE训练可逆神经网络;根据设计目标生成设计候选值,进行测试验证确定最终设计参数,实现了智能化设计。
-
-
-
-