-
公开(公告)号：CN109038532A
公开(公告)日：2018-12-18
申请号：CN201810827122.6
申请日：2018-07-25
IPC: H02J1/00
CPC classification number: H02J1/00
Abstract: 本发明提供一种基于直流潮流等值的分布式输配协同机组组合方法，包括将输配联合系统分解为输电系统、边界系统和配电系统，并结合直流潮流等值算法建立输电系统子优化模型和配电系统子优化模型；对所述输电系统子优化模型和所述配电系统子优化模型进行优化；建立输电系统约束条件和配电系统约束条件，进而得到D‑TDCUC模型；采用交替方向乘子法对所述D‑TDCUC模型进行求解得到分布式输配协同机组组合结果。本发明将ADMM算法与直流潮流等值法相结合，消去了输电系统和各配电系统模型中的节点电压相角变量，减少了输电系统和配电系统模型的方程数量和变量数，提高了分布式算法每次迭代的计算速度，方便实际工程应用。
-
公开(公告)号：CN109038532B
公开(公告)日：2022-07-26
申请号：CN201810827122.6
申请日：2018-07-25
IPC: H02J1/00
Abstract: 本发明提供一种基于直流潮流等值的分布式输配协同机组组合方法，包括将输配联合系统分解为输电系统、边界系统和配电系统，并结合直流潮流等值算法建立输电系统子优化模型和配电系统子优化模型；对所述输电系统子优化模型和所述配电系统子优化模型进行优化；建立输电系统约束条件和配电系统约束条件，进而得到D‑TDCUC模型；采用交替方向乘子法对所述D‑TDCUC模型进行求解得到分布式输配协同机组组合结果。本发明将ADMM算法与直流潮流等值法相结合，消去了输电系统和各配电系统模型中的节点电压相角变量，减少了输电系统和配电系统模型的方程数量和变量数，提高了分布式算法每次迭代的计算速度，方便实际工程应用。
-
公开(公告)号：CN107944594A
公开(公告)日：2018-04-20
申请号：CN201710957155.8
申请日：2017-10-16
Applicant: 华南理工大学
Abstract: 本发明提出一种基于SPSS与RKELM微网短期负荷预测方法，包括步骤：（1）在线数据采集并周期性更新历史数据库（2）对历史数据进行预处理并提取负荷样本特征；（3）构建离线负荷预测模型；（4）采用斯皮尔曼等级相关的方法筛选与待预测点前驱负荷相似的历史样本作为在线训练样本；（5）根据在线训练样本与离线负荷预测模型，计算未来时刻的负荷预测值。该方法使用快速简化核函数极限学习机（RKELM）、混沌粒子群算法和斯皮尔曼等级相关筛选（RKELM），建立了包含离线参数寻优与在线负荷的预测模型；通过模型参数的周期更新来保证算法的时效性，同时降低在线预测计算的复杂度，减少历时数据存储量，降低计算成本，能较为准确的预测微网短期及超短期负荷。
-
公开(公告)号：CN107944594B
公开(公告)日：2021-11-23
申请号：CN201710957155.8
申请日：2017-10-16
Applicant: 华南理工大学
Abstract: 本发明提出一种基于SPSS与RKELM微网短期负荷预测方法，包括步骤：（1）在线数据采集并周期性更新历史数据库（2）对历史数据进行预处理并提取负荷样本特征；（3）构建离线负荷预测模型；（4）采用斯皮尔曼等级相关的方法筛选与待预测点前驱负荷相似的历史样本作为在线训练样本；（5）根据在线训练样本与离线负荷预测模型，计算未来时刻的负荷预测值。该方法使用快速简化核函数极限学习机（RKELM）、混沌粒子群算法和斯皮尔曼等级相关筛选（RKELM），建立了包含离线参数寻优与在线负荷的预测模型；通过模型参数的周期更新来保证算法的时效性，同时降低在线预测计算的复杂度，减少历时数据存储量，降低计算成本，能较为准确的预测微网短期及超短期负荷。
-
-
-
Search Results
4
records
(took 0.055 seconds)
