-
公开(公告)号：CN114201912A
公开(公告)日：2022-03-18
申请号：CN202111370186.6
申请日：2021-11-17
Applicant: 浙江大学
Abstract: 本发明公开了一种成本驱动的可再生能源发电功率区间预测方法。该方法构建了成本驱动的机器学习双层优化模型：下层优化问题利用分位数回归技术生成可再生能源发电功率预测区间的端点，基于该区间预测信息确定未来时段可再生能源厂站的出力计划；上层优化问题以最小化出力计划所导致的预期成本为总体目标优化预测区间端点的分位数水平。该方法将可再生能源的区间预测与决策集成在统一的优化模型中，实现了预测性能与决策性能的协同优化。
-
公开(公告)号：CN112801353A
公开(公告)日：2021-05-14
申请号：CN202110070017.4
申请日：2021-01-19
Applicant: 浙江大学
Abstract: 本发明公开了一种基于风电概率预测的电力系统运行备用量化方法，属于电力系统运行优化领域。该方法构建了基于风电概率预测的电力系统运行备用优化模型，利用极限学习机输出风电功率的非参数预测区间，通过预测区间的上下边界确定系统正负运行备用容量需求，以备用预留成本和备用缺额惩罚作为机器学习训练的损失函数，权衡备用量化决策带来的成本效益，在保证良好可靠性的前提下有效减少系统运行成本。将复杂的机器学习模型训练转化为混合整数线性规划的求解问题，并提出了一种可行域紧缩方法，极大提升了模型训练效率。
-
公开(公告)号：CN112801353B
公开(公告)日：2022-05-03
申请号：CN202110070017.4
申请日：2021-01-19
Applicant: 浙江大学
Abstract: 本发明公开了一种基于风电概率预测的电力系统运行备用量化方法，属于电力系统运行优化领域。该方法构建了基于风电概率预测的电力系统运行备用优化模型，利用极限学习机输出风电功率的非参数预测区间，通过预测区间的上下边界确定系统正负运行备用容量需求，以备用预留成本和备用缺额惩罚作为机器学习训练的损失函数，权衡备用量化决策带来的成本效益，在保证良好可靠性的前提下有效减少系统运行成本。将复杂的机器学习模型训练转化为混合整数线性规划的求解问题，并提出了一种可行域紧缩方法，极大提升了模型训练效率。
-
公开(公告)号：CN111541237B
公开(公告)日：2021-08-27
申请号：CN202010255104.2
申请日：2020-04-02
Applicant: 浙江大学
Abstract: 本发明公开了一种基于机会约束极限学习机的风电功率非参数区间预测方法，属于可再生能源发电预测领域。该方法将极限学习机与机会约束规划模型结合，通过机会约束保证区间覆盖率不低于置信水平，并以最小化区间宽度作为训练目标，避免依赖概率分布假设或限制区间边界分位水平，从而直接构建具有良好可靠性和锐度的预测区间。本发明还提出了一种基于差分凸优化的二分查找算法，实现了对机会约束极限学习机的高效训练。
-
公开(公告)号：CN111541237A
公开(公告)日：2020-08-14
申请号：CN202010255104.2
申请日：2020-04-02
Applicant: 浙江大学
Abstract: 本发明公开了一种基于机会约束极限学习机的风电功率非参数区间预测方法，属于可再生能源发电预测领域。该方法将极限学习机与机会约束规划模型结合，通过机会约束保证区间覆盖率不低于置信水平，并以最小化区间宽度作为训练目标，避免依赖概率分布假设或限制区间边界分位水平，从而直接构建具有良好可靠性和锐度的预测区间。本发明还提出了一种基于差分凸优化的二分查找算法，实现了对机会约束极限学习机的高效训练。
-
Patent Agency Ranking
公开(公告)号：CN116502747A
公开(公告)日：2023-07-28
申请号：CN202310337026.4
申请日：2023-03-31
Applicant: 浙江大学
Abstract: 本发明公开了一种基于概率预测的计及新能源多时间尺度不确定性的电力系统备用量化方法。本发明结合自举极限学习机和伊藤随机过程理论，构建新能源出力不确定性在分钟级时间尺度下的概率分布及其预测区间，然后基于伊藤积分、微分理论推导得到新能源出力不确定性在秒级时间尺度下的概率分布和相应的预测区间，从而建立新能源出力多时间尺度不确定性模型，准确量化新能源的多维随机特征。本发明提出的两阶段鲁棒备用协同优化方法解决了实时调度中电力系统备用爬坡响应能力不足，备用容量无法有效利用的问题，实现了实时可交付的电力系统备用需求多级量化；提出改进的列和约束生成求解算法，在求解两阶段鲁棒优化问题时具有良好的收敛性和计算效率。
-
公开(公告)号：CN111091242A
公开(公告)日：2020-05-01
申请号：CN201911273275.1
申请日：2019-12-12
Applicant: 浙江大学
Abstract: 本发明公开了一种电力负荷的最优非参数区间预测方法，属于电力负荷预测领域。该方法构建了基于机器学习的混合整数规划模型，通过混合整数约束保证区间覆盖率满足置信水平，并以最小化区间宽度为训练目标，摆脱了传统电力负荷区间预测对参数化概率分布和单一分位水平的限制，具有更强的自适应性和灵活性。针对该混合整数规划模型，提出了一种基于分位数估计的整数变量缩减方法，有效减小了原始问题规模并显著提升求解效率。
-
公开(公告)号：CN110428084A
公开(公告)日：2019-11-08
申请号：CN201910515919.7
申请日：2019-06-14
Applicant: 浙江大学
Abstract: 本发明公开了一种基于自适应双层优化的风电功率非参数区间预测方法，属于可再生能源概率预测领域。该方法结合极限学习机和分位数回归对预测区间进行建模，构成下层优化问题；以区间锐度为目标自适应调节预测区间对应的分位水平，构成上层优化问题。利用原始-对偶内点算法，实现了预测模型高效可靠的训练。该方法无需依赖风电功率概率分布的先验性假设，突破了传统概率预测对于区间分位水平的中心对称限制，显著提升了预测区间的可靠性及锐度，为高比例风电电力系统的运行、控制提供重要参考。
-
公开(公告)号：CN113178880B
公开(公告)日：2022-06-21
申请号：CN202110320427.X
申请日：2021-03-25
Applicant: 浙江大学
Abstract: 本发明公开了一种基于风电功率概率预测的混合储能优化定容与调控方法。该方法根据风电概率预测结果生成具有时间相关性的风电典型场景；然后提出一种自适应变分模态分解算法，从风电场景中提取满足风电并网要求的风电功率低频分量和符合电池储能和超级电容储能工作特性的风电功率中、高频分量；最后，建立包含风储混合系统有功功率平衡约束、储能功率约束、储能容量约束、电池储能循环寿命约束和超级电容荷电状态机会约束的混合储能优化定容与调控模型，求解出混合储能优化定容与调控结果。本发明在保证混合储能有效平抑风电波动的情况下，实现对混合储能进行经济优化定容，可减少风电功率波动对电网安全稳定运行的影响，提高电网的风电接入能力。
-
公开(公告)号：CN110428084B
公开(公告)日：2022-04-12
申请号：CN201910515919.7
申请日：2019-06-14
Applicant: 浙江大学
Abstract: 本发明公开了一种基于自适应双层优化的风电功率非参数区间预测方法，属于可再生能源概率预测领域。该方法结合极限学习机和分位数回归对预测区间进行建模，构成下层优化问题；以区间锐度为目标自适应调节预测区间对应的分位水平，构成上层优化问题。利用原始‑对偶内点算法，实现了预测模型高效可靠的训练。该方法无需依赖风电功率概率分布的先验性假设，突破了传统概率预测对于区间分位水平的中心对称限制，显著提升了预测区间的可靠性及锐度，为高比例风电电力系统的运行、控制提供重要参考。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.016 seconds)
