-
公开(公告)号：CN117559387B
公开(公告)日：2024-06-21
申请号：CN202311355656.0
申请日：2023-10-18
Applicant: 东南大学
IPC: H02J3/00 , G06Q10/0631 , G06Q30/0283 , G06Q50/06 , G06N3/04 , G06N3/092 , H02J3/46
Abstract: 本发明公开了一种基于深度强化学习动态定价的VPP内部能源优化方法及系统，首先输入基础数据，建立双层日前能量管理框架：所述框架包括上下两层，在上层中，VPP运营商向DER发送内部价格信号；在下层中，DER接收来自上层VPP运营商的价格信号，实现个人利润最大化的前提下进行调度决策，并将决策信号传送回VPP操作员；建立强化学习模型：采用柔性动作‑评价算法(SAC)作为无模型强化学习(RL)算法，通过在线学习在多维状态环境中进行最优的多维连续决策变量；最后在强化学习模型基础下进行VPP操作，实现内部能源的最佳调度。
-
公开(公告)号：CN115549192B
公开(公告)日：2023-06-06
申请号：CN202211221440.0
申请日：2022-10-08
Applicant: 东南大学溧阳研究院
Abstract: 本发明涉及柔性直流输电领域，公开了一种基于分散控制的有功功率‑直流电压协同控制方法，涉及柔性直流输电领域，调节平均直流电压并按比例分担换流器功率的负担；本发明所提方法采用直流电网的损耗模型，并采用局部电压‑功率下垂控制策略；在电网遭遇严重故障后，本发明所提控制方法只调节下垂控制的电压参考点，在不影响多端柔性直流系统稳定性的情况下实现控制目标。
-
公开(公告)号：CN117374987A
公开(公告)日：2024-01-09
申请号：CN202311268396.3
申请日：2023-09-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于IMMPA算法的交直流混联新型电力系统多目标优化方法，首先建立预想事故集，再建立换流站功率与系统线路潮流参数变化量关系模型，针对不同类别预想事故，判断突发事故前后潮流变化量，并判断系统是否存在越限风险；设立优化目标，并利用所建立换流站功率与系统线路潮流参数变化量关系模型与改进的多目标海洋捕食者(IMMPA)算法对换流站参数进行优化调整；最后根据计算与优化所得的系统控制参数对事件后系统进行调整，实现系统的稳定经济运行。本发明采用了改进的多目标海洋捕食者算法来应对多目标优化挑战，致力于提高混合电网的性能，以更好地适应复杂的电力系统运营环境，从而实现更高效、可靠和可持续的电力传输和分配。
-
-
公开(公告)号：CN117314268A
公开(公告)日：2023-12-29
申请号：CN202311146819.4
申请日：2023-09-06
Applicant: 东南大学
IPC: G06Q10/067 , G06N3/04 , G06N3/084 , G06F18/214 , G06F18/21 , G06F18/23213 , G06Q50/06
Abstract: 本发明公开了一种基于归一化流的新能源场景生成方法及系统，首先收集来自多个数据源的数据，输入历史能源产量数据、历史负荷数据及对应时间的多点气象数据；所述多点气象数据反应各个季节和天气条件情况；所述历史能源产量数据与历史负荷数据分别反应新能源供应情况与电力消耗情况；再对数据进行预处理，提高数据质量；随后建立归一化流模型并对模型进行训练，最后利用训练完成的归一化流模型，输入测试集中的预测气象数据，生成多类新能源处理场景集。本方法充分利用了模型的深层结构，使得生成的场景能够更准确地逼近实际观测数据的分布，提高了生成场景的逼真程度，为能源规划、系统运行分析等领域提供准确、多样、实用的场景数据支持。
-
Patent Agency Ranking
公开(公告)号：CN116154835A
公开(公告)日：2023-05-23
申请号：CN202211089946.0
申请日：2022-09-07
Applicant: 东南大学溧阳研究院
Abstract: 本发明公开了一种改进的AC/DC潮流交替迭代算法，涉及柔性直流输电领域，具体涉及一种基于MMC换流站的交流直流迭代算法。传统交替潮流方法涉及额外的迭代步骤，即直流平衡母线或下垂母线迭代SBI/DBI，且需要多次对交流网络进行迭代，计算负担大。本发明提出了一种改进的AC/DC潮流交替迭代算法，通过在PCC节点使用更准确的估计功率注入，减少总体迭代次数；利用直流潮流计算结果估计换流站损耗，省去了传统交替迭代法中的SBI/DBI步骤；在整体迭代中利用直流潮流计算结果计算交流侧有功注入，将交流潮流从整个迭代循环中排除，提高了潮流计算效率，减少了潮流计算时间。
-
公开(公告)号：CN115276019B
公开(公告)日：2022-12-27
申请号：CN202211157266.8
申请日：2022-09-22
Applicant: 东南大学溧阳研究院
Abstract: 本发明公开了一种基于自适应下垂控制的潮流优化方法，属于柔性直流输电领域，本发明首先在二级控制层中，系统收集稳态测量和应急信息，以最小化AC‑DC网络总损耗与最小化直流电压偏差为优化目标，再基于线性标量化方法，将所述以最小化AC‑DC网络总损耗与最小化直流电压偏差为优化目标的多目标优化问题转化为单目标优化问题，即为最优潮流结果；通过通信系统将得到最优潮流结果传输至一级控制层中，作为一级控制层中MMC换流站的自适应参数；一级控制层中的MMC换流站根据收到的自适应参数，设置其参考功率为基于最优潮流的参数值，并对注入功率进行控制。本发明在不影响AC‑DC网络稳定性的情况下实现优化目标。
-
公开(公告)号：CN117559387A
公开(公告)日：2024-02-13
申请号：CN202311355656.0
申请日：2023-10-18
Applicant: 东南大学
IPC: H02J3/00 , G06Q10/0631 , G06Q30/0283 , G06Q50/06 , G06N3/04 , G06N3/092 , H02J3/46
Abstract: 本发明公开了一种基于深度强化学习动态定价的VPP内部能源优化方法及系统，首先输入基础数据，建立双层日前能量管理框架：所述框架包括上下两层，在上层中，VPP运营商向DER发送内部价格信号；在下层中，DER接收来自上层VPP运营商的价格信号，实现个人利润最大化的前提下进行调度决策，并将决策信号传送回VPP操作员；建立强化学习模型：采用柔性动作‑评价算法(SAC)作为无模型强化学习(RL)算法，通过在线学习在多维状态环境中进行最优的多维连续决策变量；最后在强化学习模型基础下进行VPP操作，实现内部能源的最佳调度。
-
公开(公告)号：CN117172601A
公开(公告)日：2023-12-05
申请号：CN202311142099.4
申请日：2023-09-06
Applicant: 东南大学
IPC: G06Q10/0639 , G06Q50/06 , G06N3/0464 , G06N3/08 , G06F18/214 , G06F18/21
Abstract: 本发明公开了一种基于残差全卷积神经网络的非侵入式负荷监测方法，首先收集总功率和各个设备的负荷数据，并进行数据预处理操作；再采用自适应滑动窗口的方式，对每个窗口内的时间序列数据进行特征工程抽取，获取相应的特征数据；随后建立残差全卷积神经网络模型、构建损失函数，并对网络参数进行训练：再为目标设备建立功率特征数据库，并将实际激活序列分解值与激活序列特征进行比较，消除网络产生的不相关激活；最后建立评估模型，对输出时间序列的准确性进行评估，完成非侵入式负荷监测。
-
公开(公告)号：CN117172110A
公开(公告)日：2023-12-05
申请号：CN202311140491.5
申请日：2023-09-06
Applicant: 东南大学
IPC: G06F30/27 , G06Q10/04 , G06Q50/06 , G06F18/214 , G06F18/2131 , G06N3/08 , G06N3/0464 , G06N3/045 , G06N3/096 , G06F119/02 , G06F113/04
Abstract: 本发明公开了一种基于FCN的住宅分布式能源负荷监测方法，首先收集总功率和住宅内各个设备的负荷数据，并进行预处理；再将预处理后数据分成训练集与测试集，利用基于自适应窗口长度的滑动窗口法，进行数据分段；随后建立FCN模型，构建损失函数并对模型进行训练；基于输入测试集总功率数据，利用已建立的FCN模型，通过两步分解法对单类能源或设备功率数据进行分解，输出分解得到的激活序列功率；再建立迁移学习模型，将训练后的设备模型应用于其他具有相似特征的设备，缩短模型的训练时间；最后建立评估模型，对分解可靠性进行评估。本方法克服了传统模型无法准确识别分布式能源的的局限性，可同时用于发电/用电类分布式能源与家用电器的功率分解。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.018 seconds)
