一种深度学习增强的数据驱动库普曼方法的变量-模态参与因子辨识的方法

    公开(公告)号:CN118569314A

    公开(公告)日:2024-08-30

    申请号:CN202410732070.X

    申请日:2024-06-06

    Applicant: 东南大学

    Abstract: 本发明公开了一种深度学习增强的数据驱动库普曼方法的变量‑模态参与因子辨识的方法与系统,首先基于库普曼理论,考虑状态变量与代数变量对系统模态的贡献,推导增广库普曼观测子表达式;接着基于库普曼算子理论性质,推导数据驱动库普曼算子方法的变量参与因子;最后考虑观测子函数难以选取的问题,提出深度学习增强的库普曼观测子函数选取方法。本发明方法侧重于消除强非线性电力系统中运行点局部线性化的参与因子辨识方法的不准确性,在保证库普曼观测子有效选取的前提下获得系统全局变量‑模态参与因子。

    基于鲁棒节点价格的多能系统热负荷灵活性挖掘方法

    公开(公告)号:CN116629914A

    公开(公告)日:2023-08-22

    申请号:CN202310278892.0

    申请日:2023-03-21

    Applicant: 东南大学

    Abstract: 本发明提供了基于鲁棒节点价格的多能系统热负荷灵活性挖掘方法,涉及综合能源系统运行领域;对综合能源系统热负荷进行动态定价,包括:接收日前输入数据,将输入数据输入至综合能源系统热负荷鲁棒动态定价模型,获取热负荷价格;本发明考虑可再生能源以及环境温度的不确定性,通过Stackelberg博弈方法构建节点热价双层优化模型,其中综合能源系统运营商在上层扮演领导者,热负荷聚集商在下层扮演跟随者,再基于KKT条件和Big‑M法将双层优化问题转化为单层两阶段鲁棒优化问题并进行求解。本发明可有效激励建筑物释放热灵活性。

    基于全局线性化气网模型的电-气综合能源系统调度方法

    公开(公告)号:CN119378880A

    公开(公告)日:2025-01-28

    申请号:CN202411461221.9

    申请日:2024-10-18

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于全局线性化气网模型的电‑气综合能源系统调度方法,首先生成气网管道运行数据集,再基于Koopman算子理论,建立全局线性化气网模型;随后近似Koopman算子,构建综合能源系统调度模型;最后求解模型得到最优调度结果。本发明方法能够将气网原始的非线性偏微分方程转化为线性代数方程,简化了传统气网建模中的复杂非线性问题,避免了局部线性化和空间差分带来的误差,不仅可以轻松集成到综合能源系统的调度模型中,还能够精确捕捉天然气系统的动态行为,显著提升调度的准确性与可靠性。此外,本案方法还有效降低了传统模型在复杂气体动力学场景下可能产生的误差,避免了由于模型不准确而导致的系统安全隐患。

    基于子集模拟的电力系统风险事件的全局灵敏度计算方法

    公开(公告)号:CN118552028A

    公开(公告)日:2024-08-27

    申请号:CN202410611455.0

    申请日:2024-05-16

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于子集模拟的电力系统风险事件的全局灵敏度计算方法,建立考虑随机源模型不确定性的电力系统不确定量化中风险事件的表征方法;应用子集模拟分解罕见事件以减少抽样次数;高效计算电力系统中随机源的概率分布参数的不确定性对于罕见事件概率的全局灵敏度。该方案在保证罕见事件概率评估准确性的同时大幅降低了样本规模,有效解决了传统蒙特卡洛抽样算法模拟罕见事件的效率过低的问题,可快速评估电力系统中随机源的概率分布参数的不确定性对于电网运行罕见事件的概率的影响程度。

Patent Agency Ranking