-
公开(公告)号：CN114548509B
公开(公告)日：2024-10-15
申请号：CN202210054342.6
申请日：2022-01-18
Applicant: 湖南大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了一种多能源系统多类型负荷联合预测方法及系统。该方案包括获得历史气象数据和负荷测量数据，在剔除异常时间序列数据和补全缺失数据后，对数据单独归一化处理，生成时间序列样本集；获取季节的时间划分节点，将所述时间序列样本集按照四季划分，计算每个季节的耦合相关性，生成多能预测模型的输入数据；搭建每个季节的双向长短期记忆神经网络负荷预测模型，输入训练样本进行预测模型学习训练并调整优化模型参数；将测试样本输入所述双向长短期记忆神经网络负荷预测模型，生成冷、热、电负荷预测结果。该方案通过考虑不同季节的负荷耦合关联，充分挖掘负荷变化规律，提高多能源系统负荷预测性能。
-
公开(公告)号：CN112488395B
公开(公告)日：2024-04-05
申请号：CN202011386440.7
申请日：2020-12-01
Applicant: 湖南大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/06 , G06F18/23213 , H02J3/00
Abstract: 本发明实施例提供一种配电网线损预测方法及系统，获取并清洗配电网中各线路，各台区的时间序列数据，采用离群点检测方法，检测剔除时间序列的异常数据，并建立插值改进的随机森林模型，填补时间序列缺失数据。根据各时间序列特征的变化规律，计算各特征与线损数据的最大互信息系数，从中选取与线损相关性最大的特征作为线损预测模型的输入特征；根据各台区线损的时间序列数据，采用k均值聚类方法将特性类似的线损数据进行聚类，并且划分每类线损数据集，建立长短期记忆神经网络预测模型，输入训练样本训练长短期记忆神经网络，得到线损预测模型；可以提高配电网短期线损预测的精度，以达到指导配电线损耗管理与增效运行的目的。
-
公开(公告)号：CN106651659B
公开(公告)日：2021-04-02
申请号：CN201611269708.2
申请日：2016-12-30
Applicant: 湖南大学
Abstract: 本发明涉及一种基于多代理系统拍卖模式的配电网重构方法，包括确定区域目标、确定全局目标、资源识别、出价、裁定、结束六个步骤；本发明方法在代理间的协商过程中，每个代理完全按照自己的区域目标来进行决策，保证自身的利益最大化；而通过基于全局目标的拍卖‑竞价过程，则能够动态调整配电网的负荷结构，保证了配电网的全局利益最大化。该方法具有重构速度快，全自动化的特点，特别适合在包含分布式电源的大规模复杂配电网上应用。
-
公开(公告)号：CN112488395A
公开(公告)日：2021-03-12
申请号：CN202011386440.7
申请日：2020-12-01
Applicant: 湖南大学
Abstract: 本发明实施例提供一种配电网线损预测方法及系统，获取并清洗配电网中各线路，各台区的时间序列数据，采用离群点检测方法，检测剔除时间序列的异常数据，并建立插值改进的随机森林模型，填补时间序列缺失数据。根据各时间序列特征的变化规律，计算各特征与线损数据的最大互信息系数，从中选取与线损相关性最大的特征作为线损预测模型的输入特征；根据各台区线损的时间序列数据，采用k均值聚类方法将特性类似的线损数据进行聚类，并且划分每类线损数据集，建立长短期记忆神经网络预测模型，输入训练样本训练长短期记忆神经网络，得到线损预测模型；可以提高配电网短期线损预测的精度，以达到指导配电线损耗管理与增效运行的目的。
-
公开(公告)号：CN114358383A
公开(公告)日：2022-04-15
申请号：CN202111474380.9
申请日：2021-12-03
Applicant: 湖南大学 , 长沙新奥湘江新能源发展有限公司
Abstract: 本发明实施例提供一种复杂不确定场景下多能源微网鲁棒优化方法和系统，首先构建了基于能源集线器的IEM模型。然后针对IEM中多能负荷的不确定性，并考虑负荷误差来自晴天、阴天和雨天三种典型类别及其概率不确定性的情形，提出了一种综合考虑负荷及所属类别概率不确定性的4层min1‑max1‑max2‑min2两阶段鲁棒优化模型。最后针对该模型两种不确定性耦合造成非线性求解难题。本发明实施例所提出的4层min‑max‑max‑min鲁棒优化模型能有效处理负荷及其所属类别概率的不确定性，保证了调度结果的鲁棒性。同时，构建的C&CG‑AIS算法实现了非线性的解耦从而大大减少计算时间并找到了最差的场景。
-
Patent Agency Ranking
-
公开(公告)号：CN112712203B
公开(公告)日：2023-09-15
申请号：CN202011600297.7
申请日：2020-12-29
Applicant: 湖南大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/06 , G06N3/08 , G06N3/02 , G06F16/245 , G06F16/215
Abstract: 本发明实施例提供一种配电网日最高负荷预测方法和系统，归纳日负荷曲线的典型形状，基于豪斯多夫距离算法依据日负荷形状划分负荷类型；引入去年同期节假日负荷数据修正模型预测精度，划分训练样本与测试样本；基于弹性网络对每种负荷类型单独构建日最高负荷及其出现时刻预测模型，输入训练样本训练弹性网络，通过网格搜索确定模型最优参数，得到最终预测模型；根据训练好的预测模型对配电网日负荷数据进行预测，得到日最高负荷及其出现时刻预测值。利于提前预估配变承载能力，合理指导变压器与线路增容，辅助基层电力管理人员高效开展迎峰度夏、春节保电等活动。
-
公开(公告)号：CN113595242A
公开(公告)日：2021-11-02
申请号：CN202110719855.X
申请日：2021-06-28
Applicant: 湖南大学
IPC: H02J13/00
Abstract: 本发明提出一种基于深度CNN‑HMM的非侵入式负荷辨识方法，包括：采用互信息算法对电力入口处采集的总负荷数据进行特征选择，并采用差分处理的方式强化特征表达能力；根据待辨识负荷的电流有效值确定其运行状态，生成设备的标签数据集；将负荷特征数据与标签数据合成模型的训练数据集；训练深度卷积神经网络(CNN)；根据深度CNN网络得到的初辨识结果训练隐马尔可夫模型(HMM)的参数；得到完整的深度CNN‑HMM模型的结构与参数，实现对电力负荷的辨识。本发明能够有效地提取用电负荷的主要数据特征，弱化无关特征和冗余特征的影响，能够优化CNN算法辨识结果中存在的非连续性问题，实现对工商业用电负荷的高精度辨识。
-
公开(公告)号：CN104682390A
公开(公告)日：2015-06-03
申请号：CN201510033171.9
申请日：2015-01-22
Applicant: 湖南大学
Abstract: 本发明提供了一种用于高压直流输电的交流混合有源源滤波系统及其控制方法，该系统运用于高压直流输电系统中，包括相互连接的无源滤波器和有源滤波器；所述无源滤波器的输出端直接连接高压直流输出电系统两端换流站的交流侧；所述无源滤波器包括三组单调谐无源滤波器组，其中每一组单调谐无源滤波器组对应连接换流站交流侧的一相，所述单调谐无源滤波器组具有串联谐振特性；所述有源滤波器包括模块化多电平变流器以及与其相连的控制器，所述模块化多电平变流器的直流端并联一电容器。本发明有效降低了设备投资和运行维护成本，降低了单位容量产生的电能损耗，提高了高压直流输电交流滤波装置的经济性。
-
公开(公告)号：CN114358383B
公开(公告)日：2024-08-13
申请号：CN202111474380.9
申请日：2021-12-03
Applicant: 湖南大学 , 长沙新奥湘江新能源发展有限公司
IPC: G06Q10/04 , G06Q10/067 , G06Q10/0631 , G06Q50/06
Abstract: 本发明实施例提供一种复杂不确定场景下多能源微网鲁棒优化方法和系统，首先构建了基于能源集线器的IEM模型。然后针对IEM中多能负荷的不确定性，并考虑负荷误差来自晴天、阴天和雨天三种典型类别及其概率不确定性的情形，提出了一种综合考虑负荷及所属类别概率不确定性的4层min1‑max1‑max2‑min2两阶段鲁棒优化模型。最后针对该模型两种不确定性耦合造成非线性求解难题。本发明实施例所提出的4层min‑max‑max‑min鲁棒优化模型能有效处理负荷及其所属类别概率的不确定性，保证了调度结果的鲁棒性。同时，构建的C&CG‑AIS算法实现了非线性的解耦从而大大减少计算时间并找到了最差的场景。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.022 seconds)
