-
公开(公告)号：CN112886636B
公开(公告)日：2022-06-21
申请号：CN202110114093.0
申请日：2021-01-27
Applicant: 清华大学
Abstract: 本发明涉及一种面向高比例可再生能源电力系统的P2X建模与优化方法，属于电力系统优化规划技术领域。该方法首先构建每种X对应的P2X电能制取约束、季节性X储能全年时序耦合运行约束和X的区域间转运约束，构成该X对应的P2X模型；然后建立考虑P2X运行的电力系统规划优化模型，将每种X对应的P2X模型作为约束条件嵌入到该模型中；对该模型求解得到电力系统最优规划方案。本发明在传统电力系统规划优化模型中考虑多类型P2X引入对电力系统调度运行的影响，有助于电力设计与运行调度人员科学配置机组线路容量，有效分析电力系统内P2X调度运行情况，合理安排各类型发电机组协调出力，从而保证电力系统中的可再生能源消纳水平。
-
公开(公告)号：CN112072659B
公开(公告)日：2022-03-01
申请号：CN202010977507.8
申请日：2020-09-17
Applicant: 清华大学
IPC: H02J3/00
Abstract: 本发明提出一种对量测数据质量自适应的配电网拓扑与参数辨识方法，属于配电网参数辨识以及最优化技术领域。该方法首先读取初始数据，包括配电网历史运行量测数据，各个量测设备的精度。随后，该方法利用树状拓扑辨识方法得到配电网的拓扑初值，利用最小二乘方法得到线路参数初值。本发明提出了结合一次优化与二次优化的保守激进自适应方法迭代参数。迭代过程中，利用线路参数值更新系统拓扑。最终得到一套估计后的配电网拓扑与线路参数。本发明可以辨识配电网络的拓扑与线路参数，并且本方法考虑了量测数据不全、存在噪声的情况，具有较高的鲁棒性，辨识结果有利于配电网的高阶应用，如状态估计、电压控制、继电保护与需求侧管理等。
-
公开(公告)号：CN109102104B
公开(公告)日：2022-02-18
申请号：CN201810698650.6
申请日：2018-06-29
Applicant: 清华大学
IPC: G06F30/20
Abstract: 本发明公开了属于电力系统优化分析技术领域的一种基于碳排放流的多能源系统协同低碳规划方法。所述方法包括：对碳排放总量限值进行初始分配；采用区域级多能源系统模型优化区域级多能源系统的最优配置；采用跨区级多能源系统模型优化跨区级多能源系统中的输电线路、天然气管道以及电源点；求解多能源系统碳排放流分布确定各区域级多能源系统的碳排放量，对比各区域碳排放总量限值以及区域级多能源系统的计算碳排放量，对各区域碳排放总量限值进行调整，并重新进行规划，通过迭代实现多能源系统的协同低碳规划。本发明通过对整体碳排放总量限值合理分配，得到整体最优的多能源系统协同低碳规划方法，为能源系统的低碳化规划奠定良好的基础。
-
公开(公告)号：CN112488874A
公开(公告)日：2021-03-12
申请号：CN202011419055.8
申请日：2020-12-07
Applicant: 清华大学
Abstract: 本发明提出一种数据驱动的配电网络拓扑估计与线路参数辨识方法，属于电网运行状态及参数估计领域。本发明首先读取配电网络运行各节点的有功、无功和电压幅值数据，通过回归分析方法，估计得到配电网潜在的拓扑类型以及线路参数。随后，该方法实现基于改进牛拉法的电网潮流模型迭代求解，求解的过程中，逐步排除不可能的拓扑连接，直至获得正确的配电网拓扑。利用牛拉法迭代收敛的特点，本方法可以得到高精度的配电网线路参数估计。与此同时，牛拉法迭代过程亦可给出配电网各节点的电压辐角数值。本发明无需电压辐角数据，仅利用节点有功、无功和幅值三个易于测得的数据，无需潜在拓扑信息，即可精确估计配电网拓扑与线路参数。
-
公开(公告)号：CN112270084A
公开(公告)日：2021-01-26
申请号：CN202011153290.5
申请日：2020-10-26
Applicant: 清华大学 , 国网青海省电力公司经济技术研究院
IPC: G06F30/20 , G06K9/62 , G06F113/04 , G06F113/06
Abstract: 本发明提出一种数据驱动的高比例可再生能源电力系统运行场景辨识方法,属于电力系统运行技术领域。该方法首先对待辨识的电力系统精细化运行模拟，获取该系统对应的日运行方式向量；利用主成分分析方法对所有日运行方式向量进行预处理，得到预处理后的电力系统运行方式矩阵；通过Kmeans++算法及电力系统运行方式紧密度指标确定电力系统典型运行场景；利用t‑SNE算法实现运行特征的可视化获取极端运行场景。在本发明中，利用数据驱动方法能够有效确定规划和运行中的典型场景并快速辨识保护和稳定分析中的极端运行方式，能够为电力系统的规划和运行人员提供重要的参考，提升对高比例可再生能源电力系统的分析能力。
-
Patent Agency Ranking
公开(公告)号：CN110890752B
公开(公告)日：2020-10-20
申请号：CN201911191015.X
申请日：2019-11-28
Applicant: 清华大学
Abstract: 本发明涉及一种可参与电网辅助服务的集中式云储能运行决策方法。本方法利用模型预测控制模型，该模型以最小化集中式储能设施在当前时段产生的运行成本与其预计在设定时间范围内产生的运行成本的总合作为目标函数，以充放电功率和集中式储能设施电量作为约束条件；云储能服务提供商根据从电网调控中心获取的当前时段运行参数和根据历史数据预测的运行参数利用上述模型求解出当前时段集中式储能设施用于向云储能用户提供云储能服务的充、放电功率和其用于向电网提供辅助服务的充、放电功率，得到集中式储能设施的控制指令。本发明通过响应电网调控中心发出的充电和放电命令实现对电网调频调峰辅助服务的参与，可提高集中式储能设施的利用率。
-
公开(公告)号：CN110492531B
公开(公告)日：2020-09-11
申请号：CN201910721094.4
申请日：2019-08-06
Applicant: 清华大学
Abstract: 本发明提出一种考虑同步旋转惯量水平的电力系统调度运行方法及系统，属于电力系统运行技术领域。该方法首先建立考虑同步旋转惯量水平的电力系统调度运行模型，然后采用分段线性化算法线性化频率响应特性函数，得到模型中频率安全约束的线性化系数；对模型求解，得到电力系统的最优调度运行结果。本发明能够缓解高比例可再生并网所引起的电力系统频率稳定问题，维持电力系统的同步旋转惯量水平，降低可再生能源大量接入所引起的频率失稳的风险，提升电力系统在大扰动下的安全性与可靠性。
-
公开(公告)号：CN111555316A
公开(公告)日：2020-08-18
申请号：CN202010324053.4
申请日：2020-04-22
Applicant: 清华大学
Abstract: 本发明提出一种可参与电网辅助服务的分布式云储能调度控制方法，属于电网中储能技术应用领域。该方法首先建立分布式云储能参与电网辅助服务的日前优化模型并求解；然后分别建立分布式云储能充电功率实时修正优化模型和分布式云储能放电功率实时修正优化模型，利用日前优化模型的最优解对该两个修正优化模型求解，分别得到实时运行中各时段云储能提供商的各分布式储能的充电功率和放电功率的最优解，实现调度。本发明方法能够拓宽云储能系统中储能资源的来源，同时为电网的调频、调峰等辅助服务需求提供有益的支撑，还可以提高云储能系统中所集成的分布式储能资源的利用率，使得分布式云储能的调度控制更加合理、有效。
-
公开(公告)号：CN111415271A
公开(公告)日：2020-07-14
申请号：CN202010188141.6
申请日：2020-03-17
Applicant: 清华大学
Abstract: 本发明涉及一种基于安全域辨识的综合能源系统规划方法，属于综合能源系统规划技术领域。该方法首先建立综合能源系统能量转换关系的矩阵模型，对于综合能源系统进行统一化、规范化的描述；基于矩阵模型，计算得到考虑多能耦合的综合能源系统安全域；基于安全域，分析综合能源系统规划方案的带负荷能力，选取带负荷能力最优的方案。本发明能够实现综合能源系统安全域的统一化建模，采用标准化的方法辨识综合能源系统安全域，计算效率快、辨识精度高，能够得到解析化的辨识结果，应用辨识得到的安全域，可以获得最优带负荷能力的综合能源系统规划结果。
-
公开(公告)号：CN105005937B
公开(公告)日：2019-02-15
申请号：CN201510208209.1
申请日：2015-04-28
Applicant: 国家电网公司 , 江苏省电力公司 , 江苏省电力公司电力经济技术研究院 , 清华大学
IPC: G06Q50/06
Abstract: 本发明涉及本发明涉及一种基于晴空指数的光伏电站出力时序模拟方法，其步骤：1）获取光区地理信息，晴空指数的自相关系数和晴空指数概率模型的相关参数；2）根据各光区所在地理位置计算各时刻平地直射辐照；3）根据光伏阵列跟踪模式计算光伏阵列倾斜指数和对地倾角；4）生成符合各光区晴空指数时空相关性的正态分布向量序列；5）采样各光区的日类型，根据日类型对应各光区晴空指数的概率分布；6）利用相关正态分布时间序列和晴空指数概率分布函数进行采样得到各光区晴空指数；7）计算各光伏电站光伏板上辐照；8）利用各光伏电站光伏板辐照根据不同类型光伏阵列的出力公式计算出各光区的光伏电站出力。
-
-
-
-
-
-
-
-
-
Search Results
179
records
(took 0.078 seconds)
