-
公开(公告)号：CN116609672B
公开(公告)日：2024-05-07
申请号：CN202310557967.9
申请日：2023-05-16
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 国网江苏省电力有限公司
IPC: G01R31/367 , G01R31/378
Abstract: 本发明公开了一种基于改进的黑寡妇优化算法（Black Widow Optimization Algorithm,BWOA）‑前馈神经网络算法（Feedforward Neural Network,FNN）的储能电池荷电状态（State of charge,SOC）估计方法，包括：在仿真软件中搭建储能电池充放电仿真模型，获取其在多个温度条件下的原始数据序列（包括实测量：电压、电流、温度、平均电压、平均电流以及目标状态量：SOC）；然后对数据进行主成分分析（Principal Component Analysis,PCA），选取其中方差累计贡献率较高的实测量替代原始的高维数据；建立储能电池SOC估计的FNN模型，并对FNN模型进行训练，在训练过程中使用改进的BWOA来迭代和优化模型参数；最后，将实测数据输入训练后的模型从而准确估算储能电池的SOC值。该方法具有估算精度高、收敛速度快、抗噪声能力强的优点。
-
公开(公告)号：CN117743845A
公开(公告)日：2024-03-22
申请号：CN202311621345.4
申请日：2023-11-29
Applicant: 淮阴师范学院 , 国网江苏省电力有限公司淮安供电分公司 , 南京笃力科技有限公司 , 上海浦源科技有限公司
IPC: G06F18/214 , G06F18/15 , G06F18/213 , G06N3/096 , H02J3/00 , G06Q10/04 , G06Q50/06
Abstract: 本发明公开了一种基于改进迁移学习的负荷预测模型增量训练方法，涉及负荷预测模型增量训练领域，包括获取电网历史数据，采用迁移学习方法划分源域和目标域，计算所述目标域和源域数据的最大均值差异值，划分所述源域数据并得到源域子集；通过所述源域子集对源域模型进行分层训练，固定不同网络层参数，保存源域模型参数；将所述源域模型参数迁移至目标域中，采用目标域数据对所述源域模型参数进行微调，得到目标域模型；载入目标域模型，将负荷影响因素归一化并重塑成三维矩阵，输入到所述目标域模型中，将输出值反归一化得到负荷预测值。本发明采用分层级迁移学习算法，缩短模型训练时间，提高了预测模型的训练效率和负荷预测精度。
-
公开(公告)号：CN117291136B
公开(公告)日：2024-02-02
申请号：CN202311530214.5
申请日：2023-11-16
Applicant: 国网江苏省电力有限公司 , 国网江苏省电力有限公司淮安供电分公司
IPC: G06F30/392 , G06F30/398 , G06F30/28 , G06F30/27 , G06N3/006 , G06N3/126 , G06F111/06 , G06F113/08 , G06F119/14 , G06F119/08 , G06F115/12
Abstract: 本发明公开一种的储能变流器高功率密度热性能多目标优化设计方法，首先对储能变流器的主要发热元件的热损耗功率进行计算，然后计算各功率元器件底面积，获得功率器件在PCB二维坐标，建立热仿真三维模型，将计算损耗作为热源，设定材料属性与求解域边界条件，进行网格划分与CFD求解，获取中间平面功率器件最高温度与PCB整体外轮廓体积，以此为最小化优化目标，采用多目标遗传粒子群算法对各功率器件坐标进行优化，最后微调元器件布局，即可获得满足多个优化目标的储能变流器主拓扑热设计布局。与现有技术相比，本发明可实现储能变流器的高功率密度结构设计，并满足紧凑型结构散热要求。
-
公开(公告)号：CN117239813B
公开(公告)日：2024-01-26
申请号：CN202311518867.1
申请日：2023-11-15
Applicant: 国网江苏省电力有限公司 , 国网江苏省电力有限公司淮安供电分公司
Abstract: 本发明公开一种考虑谐波抑制的低压储能变流器控制方法，设计储能变流器的PQ、Vf、电能质量改善控制策略以及模式切换控制方法，考虑非线性载荷带来的谐波影响，通过测量电网的谐波来补偿电网的谐波电流，然后对电网电流进行谐波补偿。采集电网相角信号输入并离网切换模块，依据给定模式信号判断当前要运行在并网或离网模式，输出切换信号至控制模块与并网开关，切换控制模式。与现有技术相比，本发明以减小电网电流的总谐波失真实现储能单元在局部的削峰填谷、改善电能质量、备用电源等不同控制目标。
-
公开(公告)号：CN117349717A
公开(公告)日：2024-01-05
申请号：CN202311066171.X
申请日：2023-08-23
Applicant: 淮阴师范学院 , 国网江苏省电力有限公司淮安供电分公司 , 南京笃力科技有限公司 , 上海浦源科技有限公司
IPC: G06F18/241 , G06F18/23213 , G06F18/15
Abstract: 本发明公开了一种考虑填补顺序的线损异常辨识与修正方法，包括通过神经正切核函数进行高维映射得到核矩阵；使用聚类中心概率公式和轮盘法选择初始聚类中心，迭代更新聚类中心得到最终聚类结果；计算簇内最小距离与簇间最大距离倒数之和的最小值来评估聚类结果；使用多维相似度计算方法得到数据源间的相似度，并通过贝叶斯网络问题求解方法进行数据填补以修正线损异常数据。本发明通过神经正切核K‑Means聚类实现了线损异常数据的精准辨识；提出一种基于考虑填补顺序的线损异常数据修正框架，将填补顺序决策问题转化为寻优问题，实现线损异常数据最优填补顺序的决策。
-
Patent Agency Ranking
公开(公告)号：CN117239813A
公开(公告)日：2023-12-15
申请号：CN202311518867.1
申请日：2023-11-15
Applicant: 国网江苏省电力有限公司 , 国网江苏省电力有限公司淮安供电分公司
Abstract: 本发明公开一种考虑谐波抑制的低压储能变流器控制方法，设计储能变流器的PQ、Vf、电能质量改善控制策略以及模式切换控制方法，考虑非线性载荷带来的谐波影响，通过测量电网的谐波来补偿电网的谐波电流，然后对电网电流进行谐波补偿。采集电网相角信号输入并离网切换模块，依据给定模式信号判断当前要运行在并网或离网模式，输出切换信号至控制模块与并网开关，切换控制模式。与现有技术相比，本发明以减小电网电流的总谐波失真实现储能单元在局部的削峰填谷、改善电能质量、备用电源等不同控制目标。
-
公开(公告)号：CN116683461A
公开(公告)日：2023-09-01
申请号：CN202310836030.5
申请日：2023-07-10
Applicant: 淮阴师范学院 , 国网江苏省电力有限公司淮安供电分公司 , 南京笃力科技有限公司
Abstract: 本发明公开了一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法，包括：获取虚拟电厂的参数数据，建立风电出力模型、光伏出力模型，并分别将风电出力模型、光伏出力模型通过拉丁超立方抽样进行场景生成，通过K‑means聚类，生成风电出力典型场景、光伏出力典型场景，引入鲁棒控制系数，得出风电机组的实时出力区间、光伏机组的实时出力区间，构建基于鲁棒控制系数的虚拟电厂运行模型，进行预处理；将参数数据代入预处理的虚拟电厂运行模型，调用Cplex求解器进行求解，得到虚拟电厂随机鲁棒调度控制结果。本发明能降低电网电压的波动，改善系统整体的电压质量，同时虚拟电厂运营商可根据自身的风险偏好向上级电网申报不同的计划出力。
-
公开(公告)号：CN116609672A
公开(公告)日：2023-08-18
申请号：CN202310557967.9
申请日：2023-05-16
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 国网江苏省电力有限公司
IPC: G01R31/367 , G01R31/378
Abstract: 本发明公开了一种基于改进的黑寡妇优化算法（Black Widow Optimization Algorithm,BWOA）‑前馈神经网络算法（Feedforward Neural Network,FNN）的储能电池荷电状态（State of charge,SOC）估计方法，包括：在仿真软件中搭建储能电池充放电仿真模型，获取其在多个温度条件下的原始数据序列（包括实测量：电压、电流、温度、平均电压、平均电流以及目标状态量：SOC）；然后对数据进行主成分分析（Principal Component Analysis,PCA），选取其中方差累计贡献率较高的实测量替代原始的高维数据；建立储能电池SOC估计的FNN模型，并对FNN模型进行训练，在训练过程中使用改进的BWOA来迭代和优化模型参数；最后，将实测数据输入训练后的模型从而准确估算储能电池的SOC值。该方法具有估算精度高、收敛速度快、抗噪声能力强的优点。
-
公开(公告)号：CN111490554B
公开(公告)日：2023-07-04
申请号：CN202010301254.2
申请日：2020-04-16
Applicant: 国网江苏省电力有限公司淮安供电分公司
IPC: H02J3/28 , H02J3/38 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种分布式光伏‑储能系统多目标优化配置方法。建立双层优化模型，上层定容，选取电力系统整体电压偏差、储能系统运维成本和弃光率分别作为电力系统稳定性、经济性和新能源利用率的评估指标，建立多目标优化函数。在运行约束条件下，利用改进粒子群算法求解模型，得到满足条件的储能总容量和总功率的最优解。下层选址，选取节点电压总偏差和有功网损分别作为安全性和经济型的评估指标，建立多目标优化函数，在运行约束条件下，利用改进粒子群算法求解模型，得到单个储能容量和功率以及安装地点。本发明从电力系统稳定性、经济性、新能源利用率和安全性多方面考虑，在保证电力系统稳定的同时，提高新能源利用率和经济。
-
公开(公告)号：CN115204461A
公开(公告)日：2022-10-18
申请号：CN202210620030.7
申请日：2022-06-02
Applicant: 国网江苏省电力有限公司淮安供电分公司
Abstract: 本发明涉及光伏发电功率预测技术领域，公开了一种基于集合经验模态分解与ARMA‑Elman混合模型的光伏功率预测方法，包括：步骤1：获取待预测系统的光伏功率数据，并使用集合经验模态分解将数据分解；步骤2：利用过零率对分解后的信号分类；步骤3：将高频信号、低频信号分别输入Elman和ARMA模型进行训练与预测；步骤4：将预测结果进行叠加，输出最终预测结果。与现有技术相比，本发明通过过零率对信号高频、低频分量进行划分，利用Elman和ARMA模型分别对高频与低频信号特征进行预测，在复杂天气情况下，针对非平稳随机波动的功率信号也有着良好的预测结果，显著地提升了光伏功率预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.054 seconds)
