-
公开(公告)号：CN108964128B
公开(公告)日：2021-07-20
申请号：CN201810891366.0
申请日：2018-08-07
Applicant: 燕山大学
Abstract: 一种基于电锅炉与储热装置协调供热的低碳经济调度求解方法，其内容包括：建立热电联合系统模型，依据所述模型建立以系统经济环境成本最低为目标函数，对模型优化协调；预测风电出力和有功负荷功率；结合电锅炉与储热装置协调供热策略，确立热电联合系统的约束条件；采用自调节改进粒子群算法求解基于电锅炉与储热装置协调供热的低碳经济调度模型。本发明通过采用自调节改进粒子群算法，以Transact‑SQL为编程语言，后台数据库采用SQL Server 2008对数据库的物理和逻辑一致性进行检查，通过引入电锅炉与储热装置协调供热策略，建立热电联合系统模型的经济环境成本的数学描述，为整体能源低碳经济调度提供科学依据，提高社会整体投资效益，间接减少环境污染物排放。
-
Patent Agency Ranking
公开(公告)号：CN108964041B
公开(公告)日：2021-02-23
申请号：CN201810812846.3
申请日：2018-07-23
Applicant: 燕山大学
Abstract: 本发明公开了一种电‑气互联综合能源系统最大负荷供应能力的控制方法，包括如下步骤：对于含有电力系统和天然气系统的电‑气互联综合能源系统，对运行约束条件下的最大负荷供应能力做出定义；建立考虑N‑1安全约束的电‑气互联综合能源系统最大负荷供应能力模型；确立电‑气互联综合能源系统的安全运行约束条件；将电‑气互联综合能源系统最大负荷供应能力模型中的非线性部分线性化；使用YALMIP工具箱将电力系统参数、天然气系统参数依次输入，编写电力系统约束、天然气系统约束和目标函数程序，调用CPLEX工具箱求解。本发明结果更加准确，可用于实际工程中大规模大系统的优化问题。本发明在电力系统或天然气系统故障时均适用。
-
公开(公告)号：CN109102126A
公开(公告)日：2018-12-28
申请号：CN201810999797.9
申请日：2018-08-30
Applicant: 燕山大学
Abstract: 本发明公开了一种基于深度迁移学习的理论线损率预测模型，涉及人工智能算法在电力系统应用的技术领域，本发明包括以下步骤:首先将训练好的深度线损率学习模型作为源模型，把训练好的底层的DBN深度信念网络直接迁移到待预测的模型中(冻结)。然后，为避免深度学习模型训练时陷入局部最优，引入迁移学习的概念，结合预测的数据，通过MMD方法度量源、目标数据的分布差异并筛选源训练数据，用筛选的训练数据微调已训练好的DNN深度神经网络，最终得到基于TDBN-DNN的深度迁移学习模型。最后用电网运行数据作为模型输入来进行线损率预测；解决了在电网坚强、运行高效、节能环保的要求和智能电网的构建问题。
-
公开(公告)号：CN108964128A
公开(公告)日：2018-12-07
申请号：CN201810891366.0
申请日：2018-08-07
Applicant: 燕山大学
CPC classification number: H02J3/386 , G06N3/006 , G06Q10/04 , G06Q10/0631 , G06Q50/06 , H02J3/28 , H02J2003/003 , H02J2003/007
Abstract: 一种基于电锅炉与储热装置协调供热的低碳经济调度求解方法，其内容包括：建立热电联合系统模型，依据所述模型建立以系统经济环境成本最低为目标函数，对模型优化协调；预测风电出力和有功负荷功率；结合电锅炉与储热装置协调供热策略，确立热电联合系统的约束条件；采用自调节改进粒子群算法求解基于电锅炉与储热装置协调供热的低碳经济调度模型。本发明通过采用自调节改进粒子群算法，以Transact‑SQL为编程语言，后台数据库采用SQL Server 2008对数据库的物理和逻辑一致性进行检查，通过引入电锅炉与储热装置协调供热策略，建立热电联合系统模型的经济环境成本的数学描述，为整体能源低碳经济调度提供科学依据，提高社会整体投资效益，间接减少环境污染物排放。
-
公开(公告)号：CN109102126B
公开(公告)日：2021-12-10
申请号：CN201810999797.9
申请日：2018-08-30
Applicant: 燕山大学
Abstract: 本发明公开了一种基于深度迁移学习的理论线损率预测模型，涉及人工智能算法在电力系统应用的技术领域，本发明包括以下步骤:首先将训练好的深度线损率学习模型作为源模型，把训练好的底层的DBN深度信念网络直接迁移到待预测的模型中(冻结)。然后，为避免深度学习模型训练时陷入局部最优，引入迁移学习的概念，结合预测的数据，通过MMD方法度量源、目标数据的分布差异并筛选源训练数据，用筛选的训练数据微调已训练好的DNN深度神经网络，最终得到基于TDBN‑DNN的深度迁移学习模型。最后用电网运行数据作为模型输入来进行线损率预测；解决了在电网坚强、运行高效、节能环保的要求和智能电网的构建问题。
-
公开(公告)号：CN108964041A
公开(公告)日：2018-12-07
申请号：CN201810812846.3
申请日：2018-07-23
Applicant: 燕山大学
Abstract: 本发明公开了一种电‑气互联综合能源系统最大负荷供应能力的控制方法，包括如下步骤：对于含有电力系统和天然气系统的电‑气互联综合能源系统，对运行约束条件下的最大负荷供应能力做出定义；建立考虑N‑1安全约束的电‑气互联综合能源系统最大负荷供应能力模型；确立电‑气互联综合能源系统的安全运行约束条件；将电‑气互联综合能源系统最大负荷供应能力模型中的非线性部分线性化；使用YALMIP工具箱将电力系统参数、天然气系统参数依次输入，编写电力系统约束、天然气系统约束和目标函数程序，调用CPLEX工具箱求解。本发明结果更加准确，可用于实际工程中大规模大系统的优化问题。本发明在电力系统或天然气系统故障时均适用。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
