-
公开(公告)号：CN109687510B
公开(公告)日：2021-05-25
申请号：CN201811507881.0
申请日：2018-12-11
Abstract: 本发明公开了一种计及不确定性的配电网多时间尺度优化运行方法，包括：步骤1)建立min‑max‑min两阶段三层鲁棒优化调度模型，利用列约束生成算法（CCG）对鲁棒优化调度模型求解，确定最恶劣场景下的慢动作设备的操作状态；步骤2)基于灰色预测的短期预测数据，设定目标函数，结合系统运行约束条件及确定的慢动作设备的操作状态，建立短时间尺度下主动配电网的优化调度模型；步骤3)：基于灰色预测的超短期预测数据，综合考虑可调可控设备的操作次数和操作时间的限制，设定目标函数，结合系统运行约束条件及确定的慢动作设备的操作状态，建立超短时间尺度下主动配电网的优化调度模型，对于分布式电源高渗透率的地区能够很好保证系统的安全性。
-
公开(公告)号：CN117239849A
公开(公告)日：2023-12-15
申请号：CN202311230837.0
申请日：2023-09-21
Applicant: 国电南瑞南京控制系统有限公司 , 国网电力科学研究院有限公司 , 东南大学 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC: H02J3/48 , H02J3/50 , H02J3/38 , H02J7/00 , H01M8/04537 , H01M8/04992
Abstract: 本发明公开了一种燃料电池虚拟惯量构网控制方法及系统，本发明包括：对燃料电池运行过程中的输出电流和输出电压进行检测；根据输出电流和输出电压按照预设算法计算燃料电池最大功率输出点对应的临界电流值；判断燃料电池输出电流是否大于临界电流值；当燃料电池输出电流小于或等于临界电流值时，对燃料电池的输出先采用恒定直流侧电压控制进行DC/DC变换，再采用虚拟同步控制进行DC/AC变换；当燃料电池输出电流大于临界电流值时，对燃料电池的输出先采用临界电流限流控制进行DC/DC变换，再采用基于直流侧电压反馈的虚拟同步控制进行DC/AC变换。本发明可靠稳定性更高。
-
公开(公告)号：CN112186755B
公开(公告)日：2022-11-22
申请号：CN202011027059.1
申请日：2020-09-25
Applicant: 东南大学
Abstract: 本发明公开一种区域综合能源系统柔性负荷储能化建模方法，包括以下步骤：S1、建立可转移负荷储能化模型：结合可转移负荷用电行为可从电价较高的时刻转移到电价较低的时刻，但其用电行为仍会发生且总用电量保持不变的特性，建立储能化模型；S2、建立可中断负荷储能化模型：结合电锅炉作为可中断负荷的运行特性，建立储能化模型；S3、建立可削减负荷储能化模型：通过根据用户舒适度范围将传统可削减负荷曲线转换为一个温度区间，将可削减负荷由固定值转换为柔性值，从而建立储能化模型。本发明充分发掘冷热电负荷参与需求响应潜力，在综合能源系统优化调度过程中表现出较好模型复用性和快速收敛性。
-
公开(公告)号：CN113363998B
公开(公告)日：2022-06-28
申请号：CN202110701019.9
申请日：2021-06-21
Applicant: 东南大学
Abstract: 本发明公开一种基于多智能体深度强化学习的配电网电压控制方法，涉及电气工程技术领域和计算机科学技术领域，包括：步骤10)构建针对电容器组、光伏逆变器、储能装置多种调压装置的配电网多时间尺度电压控制模型；步骤20)将控制变量分配给多个智能体，将电压控制问题转换成马尔科夫决策过程；步骤30)采用基于多智能体深度确定性策略梯度的多智能体深度强化学习算法解该MDP过程，其中针对离散调压装置特性对该算法进行改进；步骤40)训练并执行多智能体以实现多时间尺度电压控制方法。与现有技术相比，该方法从优化配电网电压控制的角度，建立了多时间尺度控制系统，并提出了基于的算法同时处理连续和离散调压装置以控制电压。
-
公开(公告)号：CN113177324A
公开(公告)日：2021-07-27
申请号：CN202110533226.8
申请日：2021-05-17
Applicant: 东南大学
IPC: G06F30/20 , G06Q10/06 , G06Q50/06 , H02J3/00 , G06F113/04 , G06F119/04
Abstract: 本发明公开一种基于拓扑匹配和参数估计的配电网支路老化评估方法，方法包括以下步骤：首先，在拓扑匹配阶段，考虑配电网中所有开关的全部开闭状态生成备选拓扑结构集，基于各开关支路上电压幅值曲线的计算值与实际值之间的差异，在备选拓扑结构集中确定最佳匹配拓扑结构；其次，在参数估计阶段，利用基于老化特性的固定步长迭代算法，并结合特殊牛顿迭代算法，估计最佳匹配拓扑结构的支路参数实际值；最后，在支路老化评估阶段，通过比较支路参数的估计值与理论铭牌值之间的偏差，评估各支路的老化程度。本发明评估方法实现了配电网支路的老化程度评估，识别了严重老化支路的具体位置，为供电企业制定具有针对性的降损改造方案提供了指导意见。
-
Patent Agency Ranking
公开(公告)号：CN108629445B
公开(公告)日：2020-08-11
申请号：CN201810294782.2
申请日：2018-03-30
Applicant: 东南大学
Abstract: 本发明公开了一种计及储能动态损耗的交直流混合微网鲁棒调度方法，包括以下步骤：步骤10)获取储能测试参数，构造双线性形式的储能动态损耗模型；步骤20)对步骤10)构造的储能动态损耗模型开展线性化处理；步骤30)获取各设备的运行成本系数和运行限值，建立交直流混合微网的鲁棒优化调度模型；步骤40)求解鲁棒优化调度问题：利用嵌套式列约束生成算法求解鲁棒优化问题，获得交直流混合微网的鲁棒协调运行方式。该方法计及交直流混合微网中的储能动态损耗特性，能够实现交直流混合微网的鲁棒优化调度，在准确计算储能损耗成本基础上提高储能运行的经济效益，为制定交直流混合微网的运行计划提供重要的指导和帮助。
-
公开(公告)号：CN113988437B
公开(公告)日：2025-01-14
申请号：CN202111283707.4
申请日：2021-11-01
Applicant: 东南大学
Abstract: 本发明公开一种短期居民负荷的自适应区间预测方法，所述预测方法包括以下步骤：收集处理数据，建立负荷区间的上限以及下限预测模型；通过参数变换削减有偏凸损失函数的超参数个数，并将其作为优化上限预测模型和下限预测模型参数的损失函数，在提出的自适应更新策略的迭代调整下，实现损失函数超参数的自动寻优，求解最小化损失函数；根据最小化损失函数构建达到期望覆盖率且平均预测区间宽度最窄的最优预测区间；通过将单边覆盖率指标融入提出的自适应更新策略，进一步提升模型的预测性能和稳定性。本发明预测方法，构建上下限预测模型，基于单边覆盖率调整损失函数的超参数，通过参数变换，简化超参数个数，显著降低了超参数调整难度。
-
公开(公告)号：CN116388166A
公开(公告)日：2023-07-04
申请号：CN202310343164.3
申请日：2023-04-03
Applicant: 东南大学 , 中国电力科学研究院有限公司 , 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司
IPC: H02J3/00 , G06N20/20 , G06N5/01 , G06F18/214 , G06F18/231 , H02J3/46 , H02J3/38
Abstract: 本发明公开一种配电网光伏功率预测方法及系统，涉及光伏出力预测技术领域，包括：将收集的县域内的样本数据预处理后构建原始数据集，提出光伏出力预测评价指标并初始化模型参数；利用经验正交分解法和凝聚型层次聚类算法进行子区域划分；建立基于微气象数据的辐照度校正模型；基于校正后的辐照度数据，通过多输出神经网络建立集中式和分布式非户用光伏电站功率预测模型；借助模型迁移的方法建立小样本场景下的光伏出力预测模型；通过计算发电量关系系数，估算分布式220V户用光伏电站出力预测值；将所有光伏电站出力预测值求和得到县域光伏功率预测结果。本发明方法显著提升了县域级场景下光伏出力的预测精度。
-
公开(公告)号：CN111310884B
公开(公告)日：2023-05-16
申请号：CN202010111340.7
申请日：2020-02-24
Applicant: 东南大学
Abstract: 本发明公开了一种基于数据驱动进化算法的风电机组最优布局方法，属于发电、变电或配电的技术领域。本发明以最大化风电场输出功率为目标函数，以风力机之间安全距离，风电场区域限制为约束条件，建立风电场机组布局优化的约束目标优化模型；基于一种改进的参数自适应的差分进化算法求解风电机组布局优化模型，采用机器学习模型广义回归神经网络作为优化目标函数的代理模型，采用数据驱动方法提升进化算法迭代效率。本发明优化效率高，对于复杂的布局优化模型效果显著。
-
公开(公告)号：CN114897264A
公开(公告)日：2022-08-12
申请号：CN202210647544.1
申请日：2022-06-08
Applicant: 国网浙江省电力有限公司嘉兴供电公司 , 东南大学
IPC: G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F30/27 , H02J3/38 , G06F113/04 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明公开一种基于迁移学习的小样本场景下光伏出力区间预测方法，该预测方法包括以下步骤：对数据进行收集并对数据预处理后生成训练所需样本数据集，提出光伏出力预测区间评价指标并初始化模型的整体参数，构建基于极限学习机的基础区间边界预测模型，分别建立满足覆盖率需求的预测区间上下边界，并基于直接分位数回归的方法优化模型参数，利用两阶段数据迁移算法构建小样本场景下光伏出力区间预测模型。本发明预测方法，构建区间上下边界预测模型，通过所提数据迁移方法，建立小样本场景下光伏出力区间预测模型，显著提升了训练数据不足场景下的预测效果。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.02 seconds)
