融合预估-校正深度学习的暂态频率稳定评估方法及系统

    公开(公告)号:CN112183641A

    公开(公告)日:2021-01-05

    申请号:CN202011054479.9

    申请日:2020-09-29

    Abstract: 本发明公开了一种融合预估‑校正深度学习的暂态频率稳定评估方法及系统,方法包括:获取扰动事故后电力系统的输入特征变量数据和输出特征变量数据;用输入特征变量数据和输出特征变量数据对深度神经网络进行训练;根据输入特征变量和训练好的深度神经网络获取频率指标预估值,用频率指标预估值和输出特征变量数据对堆栈极限学习机网络进行学习;获取扰动事故后的输入特征变量数据A;根据输入特征变量数据A、训练好的深度神经网络以及堆栈极限学习机网络对扰动事故后的频率稳定性进行评估。本发明的目的在于提供一种融合预估‑校正深度学习的暂态频率稳定评估方法及系统,以实现扰动事故后多维频率指标预测以及暂态频率稳定的快速评估。

    线性松弛和比例权重的多目标有功优化调度方法和系统

    公开(公告)号:CN110829506A

    公开(公告)日:2020-02-21

    申请号:CN201911154838.5

    申请日:2019-11-22

    Abstract: 本发明公开了一种线性松弛和比例权重的多目标有功优化调度方法和系统,包括建立电力系统多目标有功优化调度的数学模型;用模型变量和约束删减方法简化多目标有功优化调度的数学模型,得到二次凸规划模型;对二次凸规划模型采用线性化松弛线路损耗约束、求解并判断,若所有线路损耗约束满足等式约束或阈值,则用比例权重的多目标优化方法求解经线性化松弛线路损耗约束的二次凸规划模型;否则,将不满足等式约束或阈值的线路损耗约束进行混合整数规划处理,直到所有线路损耗约束满足等式约束或阈值。本发明的目的在于提供一种线性松弛和比例权重的多目标有功优化调度方法和系统,能有效降低多目标优化计算的复杂度,兼顾计算效率与结果的准确性。

    一种随机近极端日天气数据模拟方法、设备和介质

    公开(公告)号:CN119808373A

    公开(公告)日:2025-04-11

    申请号:CN202411850573.3

    申请日:2024-12-16

    Abstract: 本发明公开了一种随机近极端日天气数据模拟方法、设备和介质,以日最高干球温度超过阈值温度为标准,从往年的历史天气数据中筛选出近极端日天气数据,提取出相应的小时干球温度、湿球温度和太阳辐射数据,通过量化了特征天气参数的概率特性,识别出四组特征天气参数,通过对历史近极端天气数据的日变化模式进行归一化处理和聚类分析,得到了代表每个天气元素日变化模式的典型变异系数,最终结合随机抽样得到的特征气象参数和典型变异系数,构建随机近极端日天气数据,同时考虑近极端天气参数的不确定性和耦合关系,获得日负荷随机模拟中近极端负荷的概率特性,提高了模拟效率,确保了模拟结果的准确性。

    一种偏远地区电网故障条件下微电网的配置方法

    公开(公告)号:CN119578767A

    公开(公告)日:2025-03-07

    申请号:CN202411616420.2

    申请日:2024-11-13

    Abstract: 本发明公开了一种偏远地区电网故障条件下微电网的配置方法,涉及电网配送电技术领域;先通过外部插接电路检测器读取电网优化数据参数,并通过电路检测器的内置程序,选择对应的遗传算法编码和获取译码规则,再根据电网优化数据参数、时间尺度和实时尺度选取对应的调度模型,然后根据调度模型进行电网优化调度,将耗电量以及电阻折损耗能程度最低的方案作为最优方案模型,从而获得偏远地区电网故障条件下微电网的最优配置。本发不需要对区域智能体对应的策略网络参数和价值网络参数进行随机初始化,能够确保模型训练的有序进行,并避免陷入局部最优解,提升了模型的训练效率和效果,能够适应多能耦合型微电网的复杂环境。

Patent Agency Ranking