-
公开(公告)号：CN113937829B
公开(公告)日：2024-07-12
申请号：CN202111355263.0
申请日：2021-11-16
Applicant: 华北电力大学
Abstract: 本发明公开了一种基于D3QN的主动配电网多目标无功控制方法，包括：以综合了主动配电网模型的电压偏差、网络损耗、无功补偿器动作成本和弃风弃光功率成本四部分的目标函数最小为优化控制目标；以配电网潮流约束、节点电压安全约束、支路电流安全约束为约束条件建立无功优化控制模型。然后设计了强化学习的状态空间、动作集合和奖励函数，构建了多目标无功控制的马尔科夫过程。最后基于D3QN深度强化学习网架迭代训练，得到经D3QN学习优化后的状态空间，寻找出主动配电网的最优调度状态。本发明的无功控制方法有效提升了电能质量，同时考虑了控制过程中的动作成本与新能源大规模接入配电网带来的弃风弃光功率成本，取得了很好的优化效果。
-
公开(公告)号：CN113937829A
公开(公告)日：2022-01-14
申请号：CN202111355263.0
申请日：2021-11-16
Applicant: 华北电力大学
Abstract: 本发明公开了一种基于D3QN的主动配电网多目标无功控制方法，包括：以综合了主动配电网模型的电压偏差、网络损耗、无功补偿器动作成本和弃风弃光功率成本四部分的目标函数最小为优化控制目标；以配电网潮流约束、节点电压安全约束、支路电流安全约束为约束条件建立无功优化控制模型。然后设计了强化学习的状态空间、动作集合和奖励函数，构建了多目标无功控制的马尔科夫过程。最后基于D3QN深度强化学习网架迭代训练，得到经D3QN学习优化后的状态空间，寻找出主动配电网的最优调度状态。本发明的无功控制方法有效提升了电能质量，同时考虑了控制过程中的动作成本与新能源大规模接入配电网带来的弃风弃光功率成本，取得了很好的优化效果。
-
公开(公告)号：CN113740667B
公开(公告)日：2022-06-14
申请号：CN202111004270.6
申请日：2021-08-30
Applicant: 华北电力大学
IPC: G01R31/08
Abstract: 本发明提供一种基于PMU(Phasor Measurement Unit)的融合自编码器和卷积神经网络的电网故障诊断方法。所述方法包括：采集电气设备PMU数据，构建基于自编码器(AE)的可疑故障设备定位模型；建立基于卷积神经网络(CNN)的故障设备精准定位模型；绘制PMU数据的雷达图，构建基于CNN的故障类型判定模型；结合故障设备定位与故障类型判定结果实现电网故障的诊断。在PMU数据的基础上，引入人工智能算法来提升电网故障定位的效率与故障定性的准确性，实现端到端的自动化，大幅度节约了人力成本。
-
公开(公告)号：CN113740667A
公开(公告)日：2021-12-03
申请号：CN202111004270.6
申请日：2021-08-30
Applicant: 华北电力大学
IPC: G01R31/08
Abstract: 本发明提供一种基于PMU(Phasor Measurement Unit)的融合自编码器和卷积神经网络的电网故障诊断方法。所述方法包括：采集电气设备PMU数据，构建基于自编码器(AE)的可疑故障设备定位模型；建立基于卷积神经网络(CNN)的故障设备精准定位模型；绘制PMU数据的雷达图，构建基于CNN的故障类型判定模型；结合故障设备定位与故障类型判定结果实现电网故障的诊断。在PMU数据的基础上，引入人工智能算法来提升电网故障定位的效率与故障定性的准确性，实现端到端的自动化，大幅度节约了人力成本。
-
-
-
Search Results
4
records
(took 0.021 seconds)
