一种基于多主体投资的双储能系统分层优化配置方法

    公开(公告)号:CN116205320A

    公开(公告)日:2023-06-02

    申请号:CN202210725123.6

    申请日:2022-06-24

    Applicant: 新疆大学

    Abstract: 基于多主体投资的双储能系统分层优化配置方法,将两个容量相等、功率相等的储能A、B组合:1)两组储能采用“交替工作”方式,分别承担充电和放电工作,且同一时段内只有一组储能工作;当一组储能处于充电或放电状态时,另一组储能处于浮充待放电状态或浮充待充电状态;将浮充待充电状态和浮充待放电状态分别归结为充、放电状态;2)两组储能采用“同步切换”方式,当达到切换条件时,两组储能在运行时段交界处同步切换;3)重复过程2),直至仿真结束。采用“交替工作、同步切换”方式的双储能运行策略以减小储能频繁切换带来的寿命损耗。然后,提出储能分层优化经济性模型,以实现投资主体利益均衡及最大化和保持储能较强的充放电能力。

    基于LVQ-CPSO-BP算法的煤体瓦斯渗透率预测方法

    公开(公告)号:CN106869990B

    公开(公告)日:2019-03-19

    申请号:CN201710121485.3

    申请日:2017-03-02

    Applicant: 新疆大学

    Abstract: 基于LVQ‑CPSO‑BP算法的煤体瓦斯渗透率预测方法,提出基于学习向量量化神经网络(LVQ)分类、混沌粒子群算法(CPSO)优化、BP神经网络预测的LVQ‑CPSO‑BP煤体瓦斯渗透率预测方法。确定临界值将煤层埋深划分为两层;基于有效应力与瓦斯渗透率之间存在拐点关系,确定拐点值将有效应力划分为两段;采用LVQ将4个微观样本参数依据拐点特征进行分类识别,采用BP神经网络进行学习训练并输出预测结果,并用CPSO对BP神经网络的权值和阈值进行优化;最后,基于样本案例对本发明构建的LVQ‑CPSO‑BP算法进行了预测结果验证,并与BP算法、GA‑BP算法及PSO‑BP算法预测的结果进行了对比分析。

    基于LVQ‑CPSO‑BP算法的煤体瓦斯渗透率预测方法

    公开(公告)号:CN106869990A

    公开(公告)日:2017-06-20

    申请号:CN201710121485.3

    申请日:2017-03-02

    Applicant: 新疆大学

    CPC classification number: E21F7/00 G06F17/5009 G06N3/084

    Abstract: 基于LVQ‑CPSO‑BP算法的煤体瓦斯渗透率预测方法,提出基于学习向量量化神经网络(LVQ)分类、混沌粒子群算法(CPSO)优化、BP神经网络预测的LVQ‑CPSO‑BP煤体瓦斯渗透率预测方法。确定临界值将煤层埋深划分为两层;基于有效应力与瓦斯渗透率之间存在拐点关系,确定拐点值将有效应力划分为两段;采用LVQ将4个微观样本参数依据拐点特征进行分类识别,采用BP神经网络进行学习训练并输出预测结果,并用CPSO对BP神经网络的权值和阈值进行优化;最后,基于样本案例对本发明构建的LVQ‑CPSO‑BP算法进行了预测结果验证,并与BP算法、GA‑BP算法及PSO‑BP算法预测的结果进行了对比分析。

Patent Agency Ranking