-
公开(公告)号:CN119598828A
公开(公告)日:2025-03-11
申请号:CN202411409372.X
申请日:2024-10-10
Applicant: 华北电力大学
IPC: G06F30/27 , G06N3/084 , G06N3/0455
Abstract: 本发明公开了一种基于KAN‑Informer神经网络的耦合系统频率响应模型建模方法,该方法属于电力系统频率响应模型的建模领域,主要应用于建立风光火储耦合系统频率响应模型。针对耦合系统时变、非线性、不确定性、间歇性等复杂的动态特性,利用Informer神经网络捕获系统输入量和输出量在时间上的依赖关系,再利用KAN神经网络对Informer输出的特征图序列进行处理,同时对KAN网络参数进行在线微调,能够有效提高模型精确度和适应力。
-
公开(公告)号:CN118983768A
公开(公告)日:2024-11-19
申请号:CN202410594161.1
申请日:2024-05-14
Applicant: 华北电力大学
Abstract: 本发明提供了一种基于两阶段分布式去噪的虚拟电厂惯量估计算法,属于电力系统领域。首先,针对新能源系统如光伏电厂、风电场、储能聚合区和常规发电厂,引入虚拟电厂(Virtual Power Plant,VPP)的概念。然后,针对VPP引入电力系统频率响应模型,构建了精确描述电力系统动态特性的回归方程;针对虚拟电厂惯量估计的精度与效率问题,本发明提出一种两阶段分布式去噪的虚拟电厂惯量估计方法,其中第一阶段采用自适应无迹卡尔曼滤波对VPP的非线性频率响应模型进行处理,第二阶段采用基于分布式去噪扩散模型(Denoising Diffusion Probabilistic Model,DDPM)的算法对VPP的分布式非高斯噪声进行处理,实现了对虚拟电厂惯量的精准评估。分布式DDPM算法能有效地近似后验概率分布,从而增强估计的稳定性和准确性,实现了对虚拟电厂惯量的精准评估。该算法不仅提升了采样数据的可靠性、抑制了VPP普遍存在的非高斯噪声的影响,还有效增强了电力系统的频率稳定性。本研究为虚拟电厂的稳定运行与优化控制提供了理论支撑和技术支持。
-
公开(公告)号:CN118920438A
公开(公告)日:2024-11-08
申请号:CN202410594239.X
申请日:2024-05-14
Applicant: 华北电力大学
Abstract: 本发明为一种继及传感器安全通信的虚拟电厂惯量估计新方法。本发明提供了一种虚拟电厂(Virtual Power Plant,VPP)惯量估计的新方法,属于电力系统领域。首先引入VPP概念并建立电力系统频率响应模型。本发明方法包括两个阶段:第一阶段使用自适应无迹卡尔曼滤波处理VPP频率响应模型的非线性;第二阶段利用分布式去噪扩散模型(Denoising Diffusion Probabilistic Model,DDPM)处理非高斯噪声,以提高估计准确性。为保障传感器间通信的安全性,本发明还引入了改进的ElGamal加密算法,并通过融合权重计算传感器间估计误差的协方差矩阵,以确保通信的安全性、隐私性和融合性。该研究为VPP的稳定运行与优化控制提供了理论和技术支持。
-
-