一种基于物联网设备量测数据的低压配电网拓扑识别方法

    公开(公告)号:CN116317094A

    公开(公告)日:2023-06-23

    申请号:CN202211088539.8

    申请日:2022-09-07

    Abstract: 本发明公开了一种基于物联网设备量测数据的低压配电网拓扑识别方法,属于电力能源领域,包括如下步骤:首先采集IoT设备功率、电压等实时量测数据,并对数据进行预处理;利用IoT设备实时量测数据,结合基于皮尔逊系数的数据相似性分析法,分析低压用户侧IoT设备电压量测数据隐含的相似性信息;通过相似性计算结果辨识分支节点的层次结构,进而获得低压侧不同馈线用户的拓扑连接关系;最后通过基于历史数据和IoT设备占比分析的数据聚合方法,将低压侧IoT设备有功功率量测数据按比例聚合至中压侧,可为后续中压侧拓扑识别提供参考。解决了由于低压配电网覆盖范围的广泛性以及各用户数据的独立性和私密性造成的低压侧用户间缺乏物理连接信息的问题。

    一种基于电-碳信息和NSGA-II的园区低碳经济用能方法

    公开(公告)号:CN115147007B

    公开(公告)日:2023-04-18

    申请号:CN202210918198.6

    申请日:2022-08-01

    Abstract: 本发明公开了一种基于电‑碳信息和NSGA‑II的园区低碳经济用能方法,包括如下步骤:步骤1,采集园区电‑碳信息采集和园区内部运行信息;步骤2,构建基于电‑碳信息的园区动态碳排放系数,量化评估园区电能中碳排放含量。步骤3,构建园区综合低碳用能模型多目标函数;步骤4,构建园区低碳用能模型运行约束条件,功率平衡约束条件;步骤5,提出基于NSGA‑II的低碳用能求解方法,对园区综合低碳经济用电模型进行求解,实现园区用能低碳化。通过本发明的方法可以在降低园区碳排放的同时,使园区用能成本最小化,对支撑电网碳减排,助力国家早日实现双碳目标具有重要意义。

    基于BP神经网络的专变用户有功无功碳排放预测方法

    公开(公告)号:CN115099522B

    公开(公告)日:2023-04-18

    申请号:CN202210846396.6

    申请日:2022-07-19

    Abstract: 本发明公开了一种基于BP神经网络的专变用户有功无功碳排放预测方法,本发明面向专变用户,提出基于BP神经网络的专变用户有功/无功碳排放预测技术;本发明主要采用基于传感装置的专变用户电碳和环境信息采集技术,归一化处理,构建训练得到基于BP神经网络的专变用户有功负荷/无功负荷预测模型以及有功/无功综合碳排放因子预测模型,最终实现对专变用户有功、无功碳排放量的有效预测;本发明克服了有功、无功交互影响,专变用户内部碳排放难以有效计算的技术难题;本发明提高预测计算结果,实现对趋势预测,有利于给出专变用户碳排放规律,为专变用户掌握自身碳排放趋势,制定专变用户低碳用能策略,助理电网碳减排,具有重要意义。

    一种基于LinUCB的居民负荷聚合方法

    公开(公告)号:CN115081948B

    公开(公告)日:2023-04-07

    申请号:CN202210879707.9

    申请日:2022-07-25

    Abstract: 本发明公开一种基于LinUCB的居民负荷聚合方法,包括如下步骤:步骤S1:获取区域内全体n户居民参与需求响应事件的历史特征数据,并进行归一化处理;步骤S2:计算与每个居民i分别对应的矩阵;步骤S3:当系统在t时刻需要削减负荷量D,获取t时刻所有居民的特征向量,计算每个居民i的特征权重系数,以及功率调节量的期望值;步骤S4:对所述功率调节量的期望值进行降序排列,依次选取个居民,直至满足,并向居民发送负荷调节指令;步骤S5:根据被选中居民的实际响应情况,更新与其对应的两个矩阵和。本发明负荷聚合方法有利于提高居民负荷资源的利用率。

Patent Agency Ranking