-
公开(公告)号：CN117741345B
公开(公告)日：2024-10-11
申请号：CN202311774224.3
申请日：2023-12-21
Applicant: 暨南大学
IPC: G01R31/08 , G06F30/18 , G06F18/2323 , G06F113/04
Abstract: 本发明涉及电网故障判断技术领域，公开了一种电网关键输电断面快速搜索的方法及系统，包括步骤：S1：将电力系统进行简化，合并并联的两条母线，删除独立的节点；S2：构建网络拓扑图：将系统抽象为具有n个节点和m条线路的图论模型；S3：由权值矩阵W求度矩阵D与拉普拉斯矩阵L；S4：求解得到L的Fiedler特征值γ及特征向量K；S5：求特征向量K对应的断面割集；S6：求解目标函数f，对目标值从小到大对分割指示向量进行排序；S7：根据断面功率和安全风险值判断是否为关键断面。本申请通过充分利用基于规范切的谱聚类算法分区速度快的优点，通过设立安全风险指标来进一步修正结果，避免了漏选、错选或多选关键输电断面的弊端。
-
公开(公告)号：CN118504417B
公开(公告)日：2024-09-13
申请号：CN202410911380.8
申请日：2024-07-09
Applicant: 暨南大学
IPC: G06F30/27 , G06N3/0442 , G06N3/092 , G06N7/01 , G06Q10/0631 , G06Q50/06 , G06F111/04 , G06F113/04
Abstract: 本发明公开了一种考虑调度经验的强化学习优化调度方法及系统，属于电力调度技术领域，方法包括：确定电网运行优化调度目标并设定电网运行优化的约束条件；基于调度目标与约束条件搭建强化学习运行环境模型；基于强化学习运行环境模型构建基于SAC算法的强化学习优化调度模型；使用强化学习优化调度模型实现电网优化调度。本发明提出真实环境模拟模块，相比传统强化学习所提方法根据现有观察状态推理真实环境，提取隐藏在电力系统运行环境历史数据中的信息，并与现有环境结合，模拟真实环境，从而更为精确的制订调度策略。对比现有研究成果，本发明首次使用调度经验辅助强化学习加速训练方法引入大规模新能源接入的电力系统优化调度领域。
-
公开(公告)号：CN118504417A
公开(公告)日：2024-08-16
申请号：CN202410911380.8
申请日：2024-07-09
Applicant: 暨南大学
IPC: G06F30/27 , G06N3/0442 , G06N3/092 , G06N7/01 , G06Q10/0631 , G06Q50/06 , G06F111/04 , G06F113/04
Abstract: 本发明公开了一种考虑调度经验的强化学习优化调度方法及系统，属于电力调度技术领域，方法包括：确定电网运行优化调度目标并设定电网运行优化的约束条件；基于调度目标与约束条件搭建强化学习运行环境模型；基于强化学习运行环境模型构建基于SAC算法的强化学习优化调度模型；使用强化学习优化调度模型实现电网优化调度。本发明提出真实环境模拟模块，相比传统强化学习所提方法根据现有观察状态推理真实环境，提取隐藏在电力系统运行环境历史数据中的信息，并与现有环境结合，模拟真实环境，从而更为精确的制订调度策略。对比现有研究成果，本发明首次使用调度经验辅助强化学习加速训练方法引入大规模新能源接入的电力系统优化调度领域。
-
公开(公告)号：CN117741345A
公开(公告)日：2024-03-22
申请号：CN202311774224.3
申请日：2023-12-21
Applicant: 暨南大学
IPC: G01R31/08 , G06F30/18 , G06F18/2323 , G06F113/04
Abstract: 本发明涉及电网故障判断技术领域，公开了一种电网关键输电断面快速搜索的方法及系统，包括步骤：S1：将电力系统进行简化，合并并联的两条母线，删除独立的节点；S2：构建网络拓扑图：将系统抽象为具有n个节点和m条线路的图论模型；S3：由权值矩阵W求度矩阵D与拉普拉斯矩阵L；S4：求解得到L的Fiedler特征值γ及特征向量K；S5：求特征向量K对应的断面割集；S6：求解目标函数f，对目标值从小到大对分割指示向量进行排序；S7：根据断面功率和安全风险值判断是否为关键断面。本申请通过充分利用基于规范切的谱聚类算法分区速度快的优点，通过设立安全风险指标来进一步修正结果，避免了漏选、错选或多选关键输电断面的弊端。
-
-
-
Search Results
4
records
(took 0.014 seconds)
