-
公开(公告)号：CN114841545A
公开(公告)日：2022-08-02
申请号：CN202210442547.1
申请日：2022-04-25
Applicant: 华南理工大学
Abstract: 本发明公开了一种电‑混氢天然气城市综合能源系统，包括：源侧，其包括光伏、风力发电、城市配电网与混氢天然气网；负荷侧，其包括电、气、冷、热四种负荷；电‑混氢天然气耦合点，其由氢混燃机与电转气设备构成；城市能量管理系统，用于对所述源侧、负荷侧以及电‑混氢天然气耦合点进行调度控制。本发明通过城市能量管理系统来对所述源侧、负荷侧以及电‑混氢天然气耦合点进行调度控制，以实现对城市综合能源系统进行合理、稳定、安全管理，实现能源清洁化、高效化。
-
公开(公告)号：CN109193756B
公开(公告)日：2020-08-18
申请号：CN201811025211.5
申请日：2018-09-04
Applicant: 华南理工大学
IPC: H02J3/38
Abstract: 本发明公开了一种风电接入系统的场景解耦动态经济调度模型求解方法，包括：S1、基于场景法建立考虑风电接入系统的动态经济调度模型；S2、在MCO方法计算结构的基础上建立动态最优松弛优化模型，根据系统级与各误差场景级决策变量间的耦合关系求取最优松弛变量；S3、基于MCO的核心思想建立基于动态最优松弛的高维场景解耦动态经济调度模型，将原模型按照误差场景进行解耦，得到电力系统动态经济调度的高维场景解耦模型；S4、对步骤S3所建模型进行迭代求解，直至系统级目标函数值达到收敛条件。所述方法与传统的场景法求解电力系统动态经济调度相比，计算难度大大降低，计算速度快，具有一定的实用价值。
-
公开(公告)号：CN107591815A
公开(公告)日：2018-01-16
申请号：CN201710798922.5
申请日：2017-09-07
Applicant: 华南理工大学
IPC: H02J3/16
Abstract: 本发明公开了一种求解含离散控制电力系统无功优化的分解方法，包括如下步骤S1、将电力系统无功优化问题构建成MINLP模型；S2、构建具有可分离结构的MINLP模型；S3、构建完全可分离结构的模型；S4、对步骤S3构建的完全可分离结构的模型进行求解，获得电力系统无功优化结果。本方法首先将电力系统无功优化问题构建成MINLP模型，该模型对电网结构没有特殊要求，既适用于辐射性的中低压配电网，也适用于复杂的高压大电网，适用性广，然后通过复制离散控制变量，并允许模型中的其中一个离散控制变量连续变化，同时增加离散控制变量与可连续变化的离散控制变量之间的一致性约束，使得原问题除一致性约束外具备可分离的结构，可以较为快速、准确地获得优化结果。
-
公开(公告)号：CN104732101B
公开(公告)日：2017-12-26
申请号：CN201510159485.3
申请日：2015-04-03
Applicant: 华南理工大学 , 广东电网有限责任公司电力调度控制中心
IPC: G06F19/00
Abstract: 一种电网调度操作中系统总有功失负荷值确定方法和系统，其方法包括：确定各个历史时间段内调度操作开关设备时的历史系统负荷值、历史网架综合因子、历史系统总有功失负荷值；建立调度操作开关设备的系统负荷值与系统总有功失负荷值、网架综合因子与系统总有功失负荷值、系统负荷值与网架综合因子的连接函数初始模型；根据历史系统负荷值、历史网架综合因子、历史系统总有功失负荷值、各所述连接函数初始模型确定该历史时间段对应的各连接函数模型；根据当前系统负荷值、当前网架综合因子、当前调度操作时间对应的历史时间段的各所述连接函数模型确定调度操作开关设备时的当前系统总有功失负荷值。本方案提高了确定当前系统总有功失负荷值的效率。
-
公开(公告)号：CN102983574B
公开(公告)日：2014-12-17
申请号：CN201210375387.X
申请日：2012-09-27
Applicant: 华南理工大学 , 中国南方电网有限责任公司超高压输电公司
IPC: H02J3/16
CPC classification number: Y02E40/34
Abstract: 本发明公开了一种在线可变权重的多目标混合整数协调二级电压的控制方法具体步骤如下：计算分区内被控量相对于控制变量的控制灵敏度；将发电机励磁电压参考值离散化，得到控制量的状态空间，建立协调二级电压控制模型；分别以二次规划形式的控制模型中目标函数的两个分量和约束作为目标函数和约束求解得到单一目标分量下的最优解；建立包含连续控制和离散控制的多目标混合整数规划模型；然后计算各目标函数的权重系数根据这个重系数获得的帕累托前沿选择一个最优解。采用本发明能够避免在实际系统应用中各目标分量函数值数量级相差过大时权重系数难以合理设置的问题，并根据系统实际运行状况实时制定各目标的权重系数，增强系统对各类运行工况的应对能力。
-
Patent Agency Ranking
公开(公告)号：CN102931663B
公开(公告)日：2014-12-17
申请号：CN201210401607.1
申请日：2012-10-19
Applicant: 华南理工大学 , 中国南方电网有限责任公司超高压输电公司
IPC: H02J3/18
CPC classification number: Y02E40/30
Abstract: 本发明公开了一种大规模交直流电力系统的动态无功优化方法，关键在于首先根据等式约束，求解交直流系统状态变量对控制变量的灵敏度系数矩阵；然后考虑断面功率不等式约束，求解断面功率对控制变量的灵敏度系数矩阵，由此建立单个时间点的断面功率约束的交直流无功优化逐次线性规划模型；最后按各个时间点逐一求解并能考虑相邻时间断面直流线路功率波动平滑性的耦合约束，在求解这一时间点时引入上一时间点的计算结果，真实体现动态优化思想。采用本发明既可以考虑相邻时间断面直流功率波动平滑性的耦合约束，又避免了传统的求解动态无功优化完整模型所带来的庞大计算量和“维数灾”问题。
-
公开(公告)号：CN117291571B
公开(公告)日：2025-03-25
申请号：CN202311251741.2
申请日：2023-09-26
Applicant: 华南理工大学
IPC: G06Q10/20 , G06Q50/06 , G06Q10/063
Abstract: 本发明公开种计及不确定性的梯级水电‑风‑火机组联合检修优化方法，包括构建梯级水电‑风‑火机组联合低碳检修优化模型，求解模型得到基础检修方案及基础成本；以风速数据为基础，结合历史时刻历史风速的数据，求解风速的概率分布函数；根据风速的概率分布函数来得到风电出力的概率分布函数，并求解不同置信度下的风电出力区间及最小偏差系数；以基础成本以及最小偏差系数为基础，以不同置信度下的风电出力区间为不确定性区间，构建基于时变CC‑IGDT的梯级水电‑风‑火机组联合低碳检修优化模型；本发明能有效平抑风电出力的间歇性、保证系统的安全稳定性，并有效提高求解不确定性问题的效率。
-
公开(公告)号：CN114021818B
公开(公告)日：2025-02-11
申请号：CN202111308282.8
申请日：2021-11-05
Applicant: 华南理工大学
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06F18/2321 , G06N3/0455 , G06N3/0442 , G06N3/084 , G06F123/02
Abstract: 本发明公开了考虑时空分布特征的风电功率多步预测方法，包括：利用所获取的风电机组数据，对风电机组数据进行聚类，聚类成若干个机组群，以提取出风电场功率的空间分布特征；对每一个机组群的功率序列进行EEMD分解，得到若干个风电场功率子序列，提取出风电功率序列的时间分布特征；为每一个机组群的子序列分别建立编码器‑解码器多步预测网络模型，该网络模型由两个GRU网络组成，第一个网络提取输入功率序列的有效信息后将其编码成特征向量；第二个网络则对编码器传送过来的特征向量进行解码，获得预测功率序列；将各个机组群的预测功率进行重构，获得风电场总功率的预测曲线。本方法保证了预测尺度和预测精度，更加贴近实际风电调度任务场景。
-
公开(公告)号：CN118014128A
公开(公告)日：2024-05-10
申请号：CN202410118273.X
申请日：2024-01-26
Applicant: 华南理工大学
IPC: G06Q10/04 , G06Q10/067 , G06Q10/0637 , G06Q50/06 , G06Q30/06 , G06F18/23213
Abstract: 本发明公开了一种海上风电参与中长期双边协商交易优化决策方法及装置，该方法包括S1、通过时间序列相似性度量方法得到最优匹配的用电负荷组合；S2、在最优匹配的用电负荷组合的基础上，考虑用户的需求响应资源备用能力以及发用电曲线预测误差，构建基于两阶段分布鲁棒优化的中长期交易决策模型；S3、求解所述基于两阶段分布鲁棒优化的中长期交易决策模型，生成海上风电交易决策结果。本发明为海上风电寻找最优特性匹配的用户进行中长期双边协商交易提供技术支撑，同时为如何制定中长期自定义分解曲线提供方法依据，降低因不考虑发用双方发用曲线特性进行中长期交易而导致的亏损，有效促进海上风电参与市场化交易及消纳。
-
公开(公告)号：CN116777039A
公开(公告)日：2023-09-19
申请号：CN202310448917.7
申请日：2023-04-24
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于训练集分段和误差修正的双层神经网络风速预测方法，该方法主要包括数据集处理步骤、模型训练与优化步骤、模型预测步骤。本方法在双层神经网络模型中加入了改进的误差修正方法，使用第一层网络的预测误差做为第二层网络的训练集，这种方法使第一层网络的预测误差得到修正，提升了双层神经网络的整体预测精度；同时虑第一层神经网络和第二层神经网络参数之间的相互影响，使用遗传算法寻找模型中的每层神经网络之间的最佳平衡点，确定其合理的超参数，提升了模型在不同地区不同风电场中的适用性。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.026 seconds)
