-
公开(公告)号：CN116780562A
公开(公告)日：2023-09-19
申请号：CN202310430618.0
申请日：2023-04-21
Applicant: 云南电网有限责任公司昆明供电局
Abstract: 本发明公开了一种基于DDQN算法的配电网电压无功控制方法，包括：基于前推回代潮流计算方法构建配电网电压无功优化模型；将配电网电压无功优化模型描述为深度强化学习方法中的马尔可夫决策MDP模型；通过引入目标网络用于评估动作的Q值构建深度双Q网络DDQN算法架构，并利用DDQN算法求解MDP模型；根据历史数据模拟配电网仿真运行环境，将DDQN智能体和运行环境进行训练，基于训练完成后的DDQN智能体模型对配电网在线电压无功控制进行决策。本发明提高了电压控制的实时性和自适应性，适应了复杂、动态的配电网环境，降低了人工干预的频率，减轻了运维人员的工作负担；通过DDQN算法减小了过高估计的问题，能够更快地收敛到最优策略，自动优化控制速度快，可靠性强。
-
公开(公告)号：CN116780557A
公开(公告)日：2023-09-19
申请号：CN202310694905.2
申请日：2023-06-13
Applicant: 云南电网有限责任公司昆明供电局
Abstract: 本发明涉及电力系统自动化技术领域，本发明公开了一种基于聚类分区算法的配电网电压控制方法及系统包括，计算三相不平衡配电网的每一相电压‑无功灵敏度矩阵；根据电压‑无功灵敏度矩阵并通过计算节点与聚类簇之间的相关系数，利用快速增量聚类算法配电网划分配电网电压控制区域；根据划分的电压控制区域对配电网分区，检测区域内的电压越限节点，并根据灵敏度相关性水平构建优先级列表，依次调用无功补偿资源进行电压校正，本发明方法使用基于规则的电压控制策略来调用无功补偿资源进行电压校正，避免了集中式、基于优化的方法中需要大量计算和通信的问题，提高了控制响应速度。
-
公开(公告)号：CN116760047A
公开(公告)日：2023-09-15
申请号：CN202310674784.5
申请日：2023-06-08
Applicant: 云南电网有限责任公司昆明供电局
IPC: H02J3/16 , G06N7/01 , G06Q50/06 , G06N3/04 , G06N3/08 , G06N3/092 , H02J3/50 , H02J3/48 , H02J3/32 , H02J3/06
Abstract: 本发明属于智能强化学习技术领域和计算机技术领域，本发明公开了基于安全强化学习算法的配电网电压无功控制方法包括，构建配电网的电压无功控制模型；将电压无功控制模型描述成约束性马尔科夫决策过程，并定义CMDP模型的状态空间、动作空间及奖励函数；构建约束策略优化算法的神经网络架构和CPO智能体的训练规则，求解CMDP模型；采集配电网的历史运行数据对CPO智能体进行训练，将训练好的智能体在线部署，完成配电网的实时VVC过程。本发明将安全强化学习算法与配电网电压无功控制相结合，为配电网的电力管理领域带来了创新的技术解决方案。提供了一种方法来解决电力系统中的电压无功控制问题。
-
公开(公告)号：CN116451844A
公开(公告)日：2023-07-18
申请号：CN202310278909.2
申请日：2023-03-21
Applicant: 云南电网有限责任公司昆明供电局
IPC: G06Q10/04 , G06Q50/06 , G06F18/214 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于图时间序列的分布式光伏出力多步长预测方法，包括历史数据获取；对历史数据进行预处理并构造训练数据集；利用训练数据训练图时间序列模型；根据图时间序列模型，预测未来多步长的分布式光伏出力值。本发明将各类气象特征和分布式光伏发电系统中个站点出力特征数据用图的节点表示，利用图学习层动态地学习各类特征数据间的联系，利用编码解码器融合节点的特征并提取时序特征，最终实现分布式光伏出力的多步长预测，在仅依赖历史信息的前提下，本发明的模型可以获得高精度预测效果。
-
公开(公告)号：CN116435984A
公开(公告)日：2023-07-14
申请号：CN202310178670.1
申请日：2023-02-28
Applicant: 云南电网有限责任公司昆明供电局
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06F17/16 , G06N3/042 , G06N3/0464 , G06N3/0442 , H02J3/46
Abstract: 本发明公开了基于图卷积长短期记忆网络的分布式光伏出力预测方法包括，获取历史分布式光伏发电系统的若干个特征数据和光伏出力数据进行预处理；计算各光伏发电站点的历史出力数据之间的相关性，根据计算结果构建相关性图邻接矩阵并结合长短期记忆网络结构，搭建光伏预测的图卷积长短期记忆网络；利用预处理后的历史光伏发电场若干个特征数据和历史光伏出力数据对图卷积长短期记忆网络进行训练；将当前时刻光伏发电系统的若干个特征数据以及未来时刻光伏发电系统所在区域的数值天气预报，经预处理后输入图卷积长短期记忆网络预测神经网络进行光伏出力预测；本发明通过对光伏出力数据进行图卷积长短期记忆网络训练，提高了光伏出力预测的准确度。
-
Patent Agency Ranking
公开(公告)号：CN116435983A
公开(公告)日：2023-07-14
申请号：CN202310178602.5
申请日：2023-02-28
Applicant: 云南电网有限责任公司昆明供电局
Abstract: 本发明公开了基于误差修正和长短期记忆网络的光伏发电功率预测方法包括，采用双向长短期记忆网络结构对光伏功率数据进行预测，得到预测值与观测值之间的误差序列；基于经验模态分解算法分解所述误差序列，计算原始误差序列和各阶误差固有模态分量的概率密度函数；基于豪斯多夫距离比较模态分量和原始误差序列的概率密度函数的相似性，筛选并计算保留的模态分量的权重系数；采用双向长短期记忆网络结构预测各个模态分量以及光伏功率，分配每一个模态分量的权重系数；将预测误差模态分量和光伏功率预测结果相加，得到修正后的未来功率预测值；本发明通过分析误差序列和模态分量的相似性，能够自动修正预测误差，更加准确的预测光伏功率发电数据。
-
公开(公告)号：CN116231671A
公开(公告)日：2023-06-06
申请号：CN202310178944.7
申请日：2023-02-28
Applicant: 云南电网有限责任公司昆明供电局
Abstract: 本发明公开了一种基于梯度提升决策树算法的在线配电网无功控制方法，包括(1)构建光伏接入主动配电网无功控制的混合整数二阶锥规划模型，其中包括功率平衡约束、安全电压范围、电压调节设备操作限制等约束条件，有功网损等优化目标，以及本发明使用的离散型电压调节设备有载调压变压器和并联电容器的建模；(2)构建模型提取节点负荷需求、光伏出力作为参数，将MISOCP转换为参数规划模型，并构建决策动作数据集；(3)使用配电网历史采样数据或仿真数据对GBDT模型进行离线训练，并在线部署执行。本发明在混合整数规划模型的基础上进行了参数化建模，可以实现配电网的在线无功控制，缓解了主动配电网中分布式光伏出力的不确定性、电压稳定性问题。
-
公开(公告)号：CN116207750A
公开(公告)日：2023-06-02
申请号：CN202310178946.6
申请日：2023-02-28
Applicant: 云南电网有限责任公司昆明供电局
Abstract: 本发明公开了一种基于深度确定性策略梯度算法的配电网无功优化方法，包括构建配电网的无功优化模型，包括潮流计算约束模型，PV逆变器和BESs的出力模型；将无功优化模型描述成一个马尔科夫决策过程，并定义MDP的状态空间、动作空间和奖励函数；使用基于人工神经网络和决策者－评价者架构的DDPG算法来求解的MDP；使用某地区配电网的真实历史运行数据，对DDPG智能体进行训练，然后将训练好的智能体在线部署，并设置不同的PV渗透率对其效果进行验证。本发明所提方法基于ANN使用Q网络来逼近Q函数，避免了状态和动作的维度灾害，同时本发明可以很好地利用PV和BESs这些分布式资源来进行配电网优化。
-
公开(公告)号：CN115483703A
公开(公告)日：2022-12-16
申请号：CN202211117150.1
申请日：2022-09-14
Applicant: 云南电网有限责任公司昆明供电局
Abstract: 本发明公开了一种基于多智能体强化学习的配电网多区域协同无功优化方法包括：利用聚类算法进行配电网分区，将各子区作为一个智能体，构建无功电压优化模型；将配电网多区域协同控制的无功优化模型建模为多智能体的马尔科夫博弈模型；利用multi‑agent soft actor‑critic算法对各智能体构建独特的策略和价值网络；采用集中式训练、分散式执行的框架对各智能体进行训练；利用配电网历史数据进行离线训练，寻求动态系统不确定性的最佳解法，并将其部署至地方在线执行。本发明可以摆脱对精确物理模型和先验统计信息的依赖，可以在历史运行数据中捕获光伏出力和负荷的不确定性，训练好的智能体可以实时决策以避免在线计算时间过长；可以在有限的通信条件下实现全局最优的控制。
-
公开(公告)号：CN115021276A
公开(公告)日：2022-09-06
申请号：CN202210804429.0
申请日：2022-07-08
Applicant: 云南电网有限责任公司昆明供电局
IPC: H02J3/16 , H02J3/46 , H02J3/06 , G06F30/18 , G06F30/27 , G06K9/62 , G06N7/00 , G06F111/04 , G06F111/08 , G06F113/04 , G06F119/06
Abstract: 本发明公开了一种基于近端策略优化算法的配电网电压无功控制方法，包括在包含离散型调压设备的分布式电源接入的配电网中构建电压无功控制优化模型；将所述优化模型将配电网电压无功控制问题转换为马尔可夫决策过程；根据近端策略优化算法使用优势函数构建策略梯度的迭代过程并采用演员‑评论家框架求解马尔可夫决策过程；使用配电网历史数据或仿真数据对上述模型进行离线训练、在线执行，从而实现配电网的电压无功控制。本发明不依赖于对配电网精确的物理建模，具有较强的鲁棒性，且可以对随机性、波动性强的DG出力在线做出快速决策；与DQN、DDPG等无模型DRL方法相比，本发明具有模型超参数少、策略网络参数更新稳定、决策安全可靠等优点。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.122 seconds)
