-
公开(公告)号：CN113962429B
公开(公告)日：2024-04-05
申请号：CN202111029784.7
申请日：2021-09-03
Applicant: 华南理工大学
IPC: G06Q10/0631 , G06Q10/04 , G06N3/0499 , G06N3/092 , G06Q50/06 , H02J3/00
Abstract: 本发明公开了一种求解负荷置换的优化方法、系统、装置及介质，其中方法包括：获取历史数据，基于所述历史数据构建负荷置换模型；构建基于深度强化学习的实时负荷置换模型；根据预设的目标函数和所述负荷置换模型对所述实时负荷置换模型进行训练；针对实时故障情况，采用训练后的所述实时负荷置换模型生成负荷置换策略；以频率偏差成本、互联系统的电力调度成本、重要负荷停电时间成本、替换负荷的补偿成本以及被替换重要负荷的收益作为目标函数。本发明采用负荷置换模型对实时负荷置换模型进行训练以及映射，利用深度强化学习网络能够在线状态下实现高效快速负荷置换决策，可广泛应用于负荷置换技术领域。
-
公开(公告)号：CN114219216B
公开(公告)日：2024-07-19
申请号：CN202111354260.5
申请日：2021-11-16
Applicant: 华南理工大学
IPC: G06Q10/0631 , G06Q50/06 , G06F18/23 , G06F18/2431 , G06N3/092
Abstract: 本发明公开了一种电力系统的运行调度方法、系统、装置及介质，其中方法包括：获取电力系统的运行方式数据；采用训练后的决策树分类器对运行方式数据进行分类，获得典型运行场景类型；获取与典型运行场景类型对应的优化调度模型，采用优化调度模型控制电力系统的运行调度；其中，所述典型运行场景类型通过聚类分析获得，所述优化调度模型包括深度强化学习模型和新型电力系统模型。本发明通过聚类方式划分多种典型运行场景，针对不同的典型运行场景调取对应的优化调度模型控制调度，即针对不同的典型场景设计深度强化学习优化调度方案，有效提高调度决策方案的性能。本发明可广泛应用于电力系统领域。
-
公开(公告)号：CN114219216A
公开(公告)日：2022-03-22
申请号：CN202111354260.5
申请日：2021-11-16
Applicant: 华南理工大学
Abstract: 本发明公开了一种电力系统的运行调度方法、系统、装置及介质，其中方法包括：获取电力系统的运行方式数据；采用训练后的决策树分类器对运行方式数据进行分类，获得典型运行场景类型；获取与典型运行场景类型对应的优化调度模型，采用优化调度模型控制电力系统的运行调度；其中，所述典型运行场景类型通过聚类分析获得，所述优化调度模型包括深度强化学习模型和新型电力系统模型。本发明通过聚类方式划分多种典型运行场景，针对不同的典型运行场景调取对应的优化调度模型控制调度，即针对不同的典型场景设计深度强化学习优化调度方案，有效提高调度决策方案的性能。本发明可广泛应用于电力系统领域。
-
公开(公告)号：CN113962429A
公开(公告)日：2022-01-21
申请号：CN202111029784.7
申请日：2021-09-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种求解负荷置换的优化方法、系统、装置及介质，其中方法包括：获取历史数据，基于所述历史数据构建负荷置换模型；构建基于深度强化学习的实时负荷置换模型；根据预设的目标函数和所述负荷置换模型对所述实时负荷置换模型进行训练；针对实时故障情况，采用训练后的所述实时负荷置换模型生成负荷置换策略；以频率偏差成本、互联系统的电力调度成本、重要负荷停电时间成本、替换负荷的补偿成本以及被替换重要负荷的收益作为目标函数。本发明采用负荷置换模型对实时负荷置换模型进行训练以及映射，利用深度强化学习网络能够在线状态下实现高效快速负荷置换决策，可广泛应用于负荷置换技术领域。
-
-
-
Search Results
4
records
(took 0.017 seconds)
