-
公开(公告)号：CN118920488B
公开(公告)日：2025-03-07
申请号：CN202410901146.7
申请日：2024-07-05
Applicant: 国家电网有限公司华东分部 , 国电南瑞南京控制系统有限公司
Inventor： 周良才 , 周毅 , 沈维健 , 刘林林 , 李雷 , 徐昊 , 栾伟杰 , 闪鑫 , 徐希 , 孙志豪 , 高佳宁 , 王波 , 郑义明 , 闫书赫 , 徐万欣 , 黄志龙 , 曹路 , 邹雅 , 余飞翔 , 陆廷骧 , 吴自博 , 张楷
Abstract: 本申请公开了一种基于深度强化学习的调压设备控制参数的生成方法及装置，涉及电网运行技术领域，主要目的在于改善现有无法满足新型电网在无功优化问题上的需求，进而无法生成满足需求的调压设备控制参数的问题。包括：获取目标电网在预设时刻的状态参数；基于已完成模型训练的控制参数生成模型，根据所述状态参数生成调压设备控制参数，所述控制参数生成模型是基于强化学习网络构建，并在深度确定性策略梯度算法的基础上，结合与所述目标电网之间的交互状态进行模型训练得到的；根据所述调压设备控制参数控制所述目标电网中的各个调压设备。
-
公开(公告)号：CN119067584A
公开(公告)日：2024-12-03
申请号：CN202410901145.2
申请日：2024-07-05
Applicant: 国家电网有限公司华东分部 , 国电南瑞南京控制系统有限公司
Inventor： 周毅 , 沈维健 , 周良才 , 刘林林 , 李雷 , 徐昊 , 栾伟杰 , 闪鑫 , 徐希 , 孙志豪 , 高佳宁 , 王波 , 范栋琦 , 王澍 , 黄志龙 , 曹路 , 滕书宇 , 王天禄 , 杨永瑞 , 夏正国 , 周志涛 , 李林鑫
IPC: G06Q10/10 , G06Q50/06 , G06F16/25 , G06F16/2458 , G06Q10/109
Abstract: 本公开提供了一种电网运行事件智能管理系统及方法，所述系统包括智能提醒服务注册模块、电网运行事件数据库、电网运行信息推送模块、语音播报判断模块、调度业务处置模块以及事件统计查询模块；首先通过智能提醒服务注册模块接收并标准化待提醒事件信息，将其存储于电网运行事件数据库中；然后借助信息推送模块获取目标待提醒事件，利用语音播报判断模块判断是否进行语音播报，并通过调度业务处置模块更新目标待提醒事件状态并启动处置流程；最后可以利用事件统计查询模块查询和统计数据库中的事件数据。本公开可以实现对电网运行事件的统一监测和智能管理，协助调度人员及时响应和处理关键运行事件，从而提升电网运行效率，确保电网稳定运行。
-
公开(公告)号：CN118920488A
公开(公告)日：2024-11-08
申请号：CN202410901146.7
申请日：2024-07-05
Applicant: 国家电网有限公司华东分部 , 国电南瑞南京控制系统有限公司
Inventor： 周良才 , 周毅 , 沈维健 , 刘林林 , 李雷 , 徐昊 , 栾伟杰 , 闪鑫 , 徐希 , 孙志豪 , 高佳宁 , 王波 , 郑义明 , 闫书赫 , 徐万欣 , 黄志龙 , 曹路 , 邹雅 , 余飞翔 , 陆廷骧 , 吴自博 , 张楷
Abstract: 本申请公开了一种基于深度强化学习的调压设备控制参数的生成方法及装置，涉及电网运行技术领域，主要目的在于改善现有无法满足新型电网在无功优化问题上的需求，进而无法生成满足需求的调压设备控制参数的问题。包括：获取目标电网在预设时刻的状态参数；基于已完成模型训练的控制参数生成模型，根据所述状态参数生成调压设备控制参数，所述控制参数生成模型是基于强化学习网络构建，并在深度确定性策略梯度算法的基础上，结合与所述目标电网之间的交互状态进行模型训练得到的；根据所述调压设备控制参数控制所述目标电网中的各个调压设备。
-
Patent Agency Ranking
公开(公告)号：CN118537036B
公开(公告)日：2025-02-14
申请号：CN202410447058.4
申请日：2024-04-15
Applicant: 国家电网有限公司华东分部
IPC: G06Q30/0201 , H02J3/00 , H02J3/38 , H02J3/28 , H02J3/32 , G06Q30/0283 , G06Q50/06 , G06N3/045 , G06N3/092 , G06N3/048
Abstract: 本申请公开应用于分布式资源聚合的激励价格确定方法、装置及介质，该方法包括：获取每个分布式资源在当前训练时段对应的电能消耗数据，基于电能消耗数据，训练深度确定性策略梯度模型；获取每个分布式资源在当前时段对应的第一电能消耗变化量；将每个分布式资源在当前时段对应的第一电能消耗变化量输入至训练完的深度确定性策略梯度模型，获得每个分布式资源在当前时段对应的激励价格，能够根据分布式资源的电能消耗情况，精确地确定双向分布式资源的激励价格，为每个分布式资源提供精确的奖励机制，确保分布式聚合资源的有效调度，吸引更多来自需求侧的分布式资源加入分布式聚合系统。
-
公开(公告)号：CN118537036A
公开(公告)日：2024-08-23
申请号：CN202410447058.4
申请日：2024-04-15
Applicant: 国家电网有限公司华东分部
IPC: G06Q30/0201 , H02J3/00 , H02J3/38 , H02J3/28 , H02J3/32 , G06Q30/0283 , G06Q50/06 , G06N3/045 , G06N3/092 , G06N3/048
Abstract: 本申请公开应用于分布式资源聚合的激励价格确定方法、装置及介质，该方法包括：获取每个分布式资源在当前训练时段对应的电能消耗数据，基于电能消耗数据，训练深度确定性策略梯度模型；获取每个分布式资源在当前时段对应的第一电能消耗变化量；将每个分布式资源在当前时段对应的第一电能消耗变化量输入至训练完的深度确定性策略梯度模型，获得每个分布式资源在当前时段对应的激励价格，能够根据分布式资源的电能消耗情况，精确地确定双向分布式资源的激励价格，为每个分布式资源提供精确的奖励机制，确保分布式聚合资源的有效调度，吸引更多来自需求侧的分布式资源加入分布式聚合系统。
-
公开(公告)号：CN111985818A
公开(公告)日：2020-11-24
申请号：CN202010852377.5
申请日：2020-08-21
Applicant: 国家电网有限公司华东分部 , 上海交通大学
IPC: G06Q10/06 , G06Q50/06 , G06F40/30 , G06F40/295 , G06F16/335
Abstract: 本发明提供了一种基于调度典型操作指令的新设备启动方案识别方法，包括以下步骤：启动方案语义判断：根据获取的启动方案语句判断该语句类型是调度命令还是调度许可；电气设备命名识别：根据获取的启动方案语句判断该语句中的电气设备名称；电气设备操作术语识别：根据获取的启动方案语句判断电气设备执行何种操作；电气设备状态转换识别：根据获取的启动方案语句判断电气设备需要进行的状态变化操作。本发明提供的新设备启动方案识别方法，能够将新设备启动方案自动转换为调度操作指令，不仅能够缩短调度员拟写倒闸操作票的时间，减轻调度员繁重的工作量，提升其工作效率；而且能够提高操作票拟写的正确率，保证电网安全运行。
-
公开(公告)号：CN119109079A
公开(公告)日：2024-12-10
申请号：CN202411001461.0
申请日：2024-07-25
Applicant: 国家电网有限公司华东分部
IPC: H02J3/24 , G06N3/0499 , G06N3/092
Abstract: 本公开涉及电力系统技术领域，公开了一种基于深度强化学习的负荷频率控制方法、装置及电子设备；其方法包括：针对任一区域子系统，利用对应的初始控制器参数确定模型，对当前状态数据进行处理，得到目标动作数据；在环境中执行各目标动作数据，得到奖励值和各目标区域子系统的当前状态数据；若各模型满足预设终止条件，则保存各模型参数以控制负荷频率；若各模型不满足预设终止条件，则针对任一目标模型，利用从对应的回放缓冲区中抽取的批量样本经验，对目标模型进行训练，将得到的训练后模型作为新的初始控制器参数确定模型；重置目标互联电力系统，并返回至第一步。本公开可以根据电力系统的状态，生成准确的PID控制器参数调整量。
-
公开(公告)号：CN115408870A
公开(公告)日：2022-11-29
申请号：CN202211080156.6
申请日：2022-09-05
Applicant: 国家电网有限公司华东分部
IPC: G06F30/20 , G06F17/16 , H02J3/00 , G06F113/04
Abstract: 本发明提供一种新能源电力系统的细粒度与多速率仿真方法、系统及终端，首先构建常规动态系统细粒度模型、快速动态系统细粒度模型和网络接口模型；其次根据预设获取规则，获取常规动态系统细粒度模型、快速动态系统细粒度模型和网络接口模型的仿真初始数据；随后利用仿真初始数据，完成常规动态系统细粒度模型、快速动态系统细粒度模型和网络接口模型之间的多速率并行求解和细粒度并行求解；重复进行直至完成仿真过程。本发明提供的新能源电力系统的细粒度与多速率仿真方法，降低了求解复杂度，实现了全局细粒度求解和具有不同时间尺度的常规动态系统、快速动态系统的多速率求解。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.053 seconds)
