-
公开(公告)号：CN109902964B
公开(公告)日：2023-01-31
申请号：CN201910161432.3
申请日：2019-03-04
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电网规划研究中心 , 华南理工大学
IPC: G06Q10/0631 , G06Q50/06 , G06N3/006 , H02J3/00
Abstract: 本发明提供了一种配电网馈线自动化终端配置方法及装置，首先依据预设终端配置函数和信息素浓度矩阵来产生对已知配电网的开关设备或环网单元的若干种馈线自动化终端配置方案，然后分别计算这若干种馈线自动化终端配置方案的供电可靠性、总投资费用和目标函数值，从局部最优解出发更新信息素浓度矩阵，如此循环迭代，最终收敛于全局最优解，得到使得目标函数值最小的馈线自动化终端配置方案，综合考虑了配电网的供电可靠性和经济成本，达到了寻找最优解的效果。
-
公开(公告)号：CN110222889B
公开(公告)日：2022-12-16
申请号：CN201910459382.7
申请日：2019-05-29
Applicant: 华南理工大学
Abstract: 本发明公开了基于多种智能算法的配电网馈线自动化终端配置方法，包括步骤：（1）输入配电网馈线自动化终端配置所需要的数据；（2）随机生成若干种馈线自动化终端配置方案，形成原始种群；（3）计算种群中各个个体的适应度；（4）选择出当前种群中目标函数值最小的个体，更新历史最优解；（5）判断是否达到设定的迭代次数，若达到，输出当前的历史最优解，结束优化；若没达到，则执行步骤（6）；（6）根据不同智能算法的寻优规则进行运算，在上一代种群的基础上生成新种群。之后跳转至步骤（3）。本发明能提供更科学合理的配电网馈线自动化终端配置方案，能在保证供电可靠性达标的前提下，避免馈线自动化终端配置冗余、浪费投资等情况。
-
公开(公告)号：CN111429038B
公开(公告)日：2022-08-12
申请号：CN202010336141.6
申请日：2020-04-25
Applicant: 华南理工大学
Abstract: 本发明提出一种基于强化学习的主动配电网实时随机优化调度方法。所述方法包括以下步骤：建立主动配电网的数学模型；提出原问题的动态规划公式，根据主动配电网中电动汽车的特性构造表征当前决策对后续所有时段影响的值函数，并利用决策后状态值函数避免期望值的计算；训练值函数，得到近似值函数；利用训练好的近似值函数对主动配电网实时场景下的随机优化调度问题进行递推求解，得到各时段的近似最优决策。本发明在实时运行中时，一方面能更有效地提升调度收益，另一方面也起到“削峰填谷”的作用。当环境中的随机因素变化更加剧烈时，本发明依旧适用，能接近最优解，且实时调度过程中的计算时间并不受影响，具有较强的鲁棒性。
-
公开(公告)号：CN114842494A
公开(公告)日：2022-08-02
申请号：CN202111589662.3
申请日：2021-12-23
Applicant: 华南理工大学
IPC: G06V30/422 , G06V30/148 , G06V30/418 , G06V30/19 , G06V10/74 , G06K9/62 , G06Q50/06
Abstract: 本发明公开了一种自动识别电力系统厂站接线图连接关系的方法，首先在厂站接线图上进行预处理操作，将图元和文字涂白并把边框涂白；然后使用LSD直线检测算法对厂站接线图的直线进行检测，并筛选、分类，并对筛选分类后的直线进行多步骤的合并处理，得到完整的直线。再按照完整直线之间的交点、直线与母线的交点进行切割，得到独立的直线段。接着对所有直线段进行图元或其他直线段端点的匹配，得到初步的连接线列表。对连接线列表采取后处理的操作，包括过滤两个端点连接相同图元的连接线；多次连接线剪枝；将一些连接线重新连接上，最终输出识别出的连接线列表。本发明具有较高的识别准确度与识别速度，解决了厂站接线图人工绘制繁琐易出错的问题。
-
公开(公告)号：CN112072668B
公开(公告)日：2022-07-26
申请号：CN202010898033.8
申请日：2020-08-31
Applicant: 华南理工大学
IPC: H02J3/06
Abstract: 本发明提出了一种电力系统凸分布式最优潮流求解方法，包括以下步骤：S1、根据电力系统模型的拓扑关系，把电力系统分成若干个独立的区域，并增加边界耦合条件约束；S2、根据罚凸凹过程方法，在步骤S1分布式框架上建立电力系统凸分布式最优潮流模型；S3、根据交替方向乘子法，在步骤S2的基础上建立并求解该分布式最优潮流问题；S4、根据部分求解输出结果，判断是否满足预设的收敛条件。本发明方法把非凸的分布式最优潮流问题转化为凸优化问题并独立分布求解各区域最优潮流问题，保证了所得解的精确性和保障了各区域电力信息的私密性。
-
Patent Agency Ranking
公开(公告)号：CN114640139A
公开(公告)日：2022-06-17
申请号：CN202210210287.5
申请日：2022-03-03
Applicant: 华南理工大学 , 中国电力科学研究院有限公司 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC: H02J3/48 , H02J3/50 , H02J3/38 , H02J3/28 , H02J3/06 , H02J3/14 , G06F30/20 , G06Q10/04 , G06Q30/02 , G06Q50/06 , G06F111/04 , G06F113/04
Abstract: 本发明公开了一种无协调主体的多产消者完全分布式优化运行方法及系统，其中方法包括：构建产消者内部资源的数学模型；构建多产消者端到端交互运行的集中式优化模型；根据各区域的能量交互流向，对各个产消者的交互功率进行解耦，设置虚拟节点与全局变量；构建多产消者端到端交互运行的分布式优化框架，进行交互迭代求解。本发明将多产消者内部的物理网络约束纳入考虑，根据各区域的能量交互流向对各个产消者的功率进行解耦，设置虚拟节点与全局变量，对偶分解原理与交替方向乘子法建立分布式优化框架，能够在实现多产消主体能源有效利用的同时，确保最终交易结果的可行性。本发明可广泛应用于电力市场领域。
-
公开(公告)号：CN113673742B
公开(公告)日：2022-06-14
申请号：CN202110752204.0
申请日：2021-07-02
Applicant: 华南理工大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/04 , G06K9/62 , G06F16/2458
Abstract: 本发明公开了一种配电变压器台区负荷预测方法、系统、装置及介质，其中方法包括：获取配电变压器的运行数据，根据运行数据获取负荷功率序列；在时间上按照预设的滑动窗口长度对所述负荷功率序列进行划分，获得多个功率序列；根据所述功率序列构建获得若干个无向图；将所述无向图输入预设的图卷积神经网络中进行预测，获得负荷预测数据。本发明通过无向图将配电变压器台区的运行数据转化为非欧式空间下的图数据，采用图卷积神经网络充分挖掘图数据中的属性特征和时间关联性特征，根据挖掘到的特征进行预测，提高预测精准度，可广泛应用于电力电网技术领域。
-
公开(公告)号：CN111461984B
公开(公告)日：2022-06-14
申请号：CN202010241375.2
申请日：2020-03-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于压缩感知的负荷预测方法，通过高分辨率电力数据获得用于训练和用于验证高分辨率电力图像，通过用于训练的高分辨率电力图像得到作为输入样本的用于训练的低分辨率电力图像，用于训练的高分辨率电力图像作为实际样本；生成式对抗网络包括生成器和判别器，用输入样本和实际样本对其进行训练；更新生成器损失函数与判别器损失函数；保存训练结束后的生成器，将用于验证的低分辨率电力图像输入生成器，得到用于验证的超分辨率电力图像，并转化为用于验证的超分辨率电力数据，通过用于验证的高分辨率电力数据得到用于验证的低分辨率电力数据，分别输入基于长短时记忆网络的负荷预测方法，对比二者的预测结果，提高了负荷预测精度。
-
公开(公告)号：CN114563711A
公开(公告)日：2022-05-31
申请号：CN202210193402.2
申请日：2022-02-28
Applicant: 华南理工大学
IPC: G01R31/367 , G01R31/378 , G01R31/382 , G01R31/392
Abstract: 本发明公开了基于相似性的锂离子电池SOH预测和SOC估计方法。所述方法包括以下步骤：获取同类型同工况下的锂离子电池的历史健康状态SOH序列，并进行预处理，训练第一模型；获取待预测数据锂离子电池的数据；训练第二模型；对待预测的锂离子电池本次充放电半循环中的健康状态SOH值进行预测；预测实时的基于额定容量定义下的荷电状态SOCN和基于最大可用容量定义下的荷电状态SOCH；对本次充放电半循环中实时的基于额定容量定义下的荷电状态SOCN、基于最大可用容量定义下的荷电状态SOCH和健康状态SOH进行更新；更新待预测数据。本发明为锂离子电池的联合状态估计提供了新的研究思路。
-
公开(公告)号：CN114219216A
公开(公告)日：2022-03-22
申请号：CN202111354260.5
申请日：2021-11-16
Applicant: 华南理工大学
Abstract: 本发明公开了一种电力系统的运行调度方法、系统、装置及介质，其中方法包括：获取电力系统的运行方式数据；采用训练后的决策树分类器对运行方式数据进行分类，获得典型运行场景类型；获取与典型运行场景类型对应的优化调度模型，采用优化调度模型控制电力系统的运行调度；其中，所述典型运行场景类型通过聚类分析获得，所述优化调度模型包括深度强化学习模型和新型电力系统模型。本发明通过聚类方式划分多种典型运行场景，针对不同的典型运行场景调取对应的优化调度模型控制调度，即针对不同的典型场景设计深度强化学习优化调度方案，有效提高调度决策方案的性能。本发明可广泛应用于电力系统领域。
-
-
-
-
-
-
-
-
-
Search Results
208
records
(took 0.032 seconds)
