-
公开(公告)号：CN111832807A
公开(公告)日：2020-10-27
申请号：CN202010524060.9
申请日：2020-06-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种计及负荷特性和需求响应的多微电网协调优化调度方法。首先针对不同类型的微电网建立了不同的负荷电价特性模型和需求侧响应成本函数模型。然后以多微电网协调优化调度总成本最小为目标的优化模型，采用改进的人工鱼算法对其进行求解。并考虑了用户的非理性行为，设置需求侧响应的满意度阈值，当微电网用户的满意度低于阈值时，按阈值参与需求侧响应，更新后优化问题后重新迭代求解，直到满足迭代次数或各微电网用户的满意度均高于阈值；否则各微电网用户均取满意度值为阈值参与需求侧响应。因此本发明得到的多微电网协调调度结果更具有现实意义。
-
公开(公告)号：CN110739695A
公开(公告)日：2020-01-31
申请号：CN201910876612.X
申请日：2019-09-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种HELM的配电网网损灵敏度计算方法。本发明首先利用HELM计算配电网潮流，然后根据基于HELM的灵敏度计算方法计算出电压对各节点注入功率的灵敏度。其次根据电压对各节点注入功率的灵敏度计算出系统总网损对各节点注入功率的灵敏度。最后根据系统总网损对各节点注入功率的灵敏度得出无功补偿点方案。本发明利用HELM法考虑了灵敏度的非线性因素，无功补偿方案可以降低系统网损更多，投资更少，经济性更好。
-
公开(公告)号：CN110518645A
公开(公告)日：2019-11-29
申请号：CN201910630436.1
申请日：2019-07-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于HELM灵敏度计算的配电网无功优化方法。本发明首先利用HELM计算配电网潮流，然后根据基于HELM的灵敏度计算方法计算出电压非线性灵敏度。其次排序找出无功待补偿节点集外非线性灵敏度最大的点，确定无功待补偿节点集。最后根据遗传算法算出补偿点对应的无功补偿量。本发明利用HELM法考虑了灵敏度的非线性因素，在目标函数中采用非线性灵敏度计算电压偏差，考虑了系统非线性对于目标函数的影响，补偿方案降低系统网损更多，投资更少，经济性更好。
-
公开(公告)号：CN110429614A
公开(公告)日：2019-11-08
申请号：CN201910629709.0
申请日：2019-07-12
Applicant: 杭州电子科技大学
IPC: H02J3/24
Abstract: 本发明公开了模拟低频减载控制模式的分布式储能装置频率控制方法。本发明首先根据系统最大功率缺额和电力系统负荷调节效应系数计算接入系统调频的分布式储能装置功率。其次给出各轮动作频率和动作功率。然后将动作功率分配给各分布式储能装置。最后根据测量频率，对应各轮继电器动作，控制分布式储能装置发出相应动作功率，控制系统频率的下降。本发明模拟低频减载装置的控制模式，逐次逼近系统功率缺额，减少系统频率的下降，减少参与频率控制的储能装置，减少储能装置的充放电过程，提高储能装置的寿命和经济性。
-
公开(公告)号：CN105470947A
公开(公告)日：2016-04-06
申请号：CN201510818029.5
申请日：2015-11-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于量子行为粒子群算法的微电网调度方法，本发明针对并网型风光储微电网功率平衡约束问题目前应用比较多的是在目标函数中加入惩罚项，通过对偏离功率平衡的粒子相应目标函数值中加入惩罚项，从而使函数值增大，这样通过算法寻优将这部分粒子过滤掉，但这样会造成粒子数量的减少，影响算法的搜索性能。本发明通过将蓄电池作为直接优化变量和微网与大电网交换功率作为间接优化变量的方式降低了粒子维度，并且对不满足荷电状态约束的粒子和与大电网交换功率约束的粒子从新初始化和循环迭代，从而保证了粒子的搜索性能，并能相应提高收敛速度。
-
Patent Agency Ranking
公开(公告)号：CN102169346A
公开(公告)日：2011-08-31
申请号：CN201110040377.6
申请日：2011-02-18
Applicant: 杭州电子科技大学
IPC: G05D1/02
Abstract: 本发明涉及一种协调多机器人系统的智能控制方法。现有的方法会使多机器人系统消耗过多的能量。本发明根据气味源释放气味分子的运动学模型，建立机器人对于气味源位置的观测模型；然后在每一个采样周期内，如果检测到气味，则使用Kalman滤波理论和机器人对气味源位置的观测值，估计气味源的位置；基于群体中检测到最大气味浓度的机器人对气味源位置的估计值，更新各个机器人对气味源位置的估计值，并使用机器人对气味源位置的估计值作为计算机器人下一步位置的依据。本发明有效地提高气味源定位的精度，保证多机器人系统能量的较小消耗，同时满足实际中要求快速定位的要求。
-
公开(公告)号：CN115207962B
公开(公告)日：2025-05-23
申请号：CN202210572610.3
申请日：2022-05-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于HELM稳定判据的分布式电源选址定容方法，包括以下步骤：步骤一，建立分布式电源在配电网的选址定容模型，包括目标函数和约束条件，其中目标函数考虑分布式电源综合费用、网损和基于全纯函数嵌入方法的电压判稳指标；步骤二，利用HELM方法计算包含分布式电源的配电网潮流，作为分布式电源选址定容优化模型的潮流约束条件；步骤三，利用HELM方法计算节点电压各阶灵敏度，作为分布式电源选址定容模型的不等式约束条件及电压判稳指标；步骤四，利用遗传算法根据目标函数和约束条件求解确定分布式电源的安装位置和安装量PDGi。本发明方法能够用于分布式潮流在配电网的选址定容，计算速度快，电压控制效果更好，有较高的理论意义和应用价值。
-
公开(公告)号：CN119131564A
公开(公告)日：2024-12-13
申请号：CN202411042518.1
申请日：2024-07-31
Applicant: 杭州电子科技大学
IPC: G06V20/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/096
Abstract: 本发明公开了一种基于传递迁移学习的非侵入式负荷识别方法。为更好挖掘负荷功率的时序信息，提高阻性负荷的差异，选取融合V‑I轨迹和格拉姆矩阵的图像作为负荷特征。由于ImageNet‑1K的图像标注质量高且覆盖类别广，故将其作为源域。分别选取老小区和新建小区的负荷为中间域和目标域。首先利用源域对ResNet50进行预训练，并通过少量中间域数据微调预训练模型的卷积层权重。将所得权重赋给目标域U‑Net网络中由ResNet50组成的编码器部分，再利用少量目标域数据训练U‑Net的所有权重。训练好的网络即可进行负荷识别。该方法解决了迁移学习中源域和目标域差异过大和新建小区负荷样本少导致识别精度不高的问题。
-
公开(公告)号：CN118627017A
公开(公告)日：2024-09-10
申请号：CN202411103312.5
申请日：2024-08-13
Applicant: 杭州电子科技大学
IPC: G06F18/25 , G06F18/24 , G06F18/214 , G06F18/213 , G06F17/16 , G06Q50/06
Abstract: 本发明公开了一种基于低频采样和特征融合的非侵入式负荷识别方法。首先对低频采样的负荷数据进行事件检测，并根据投切点前后功率变化进行大小功率负荷事件分类；对有功功率信号建立格拉姆角场矩阵和功率绝对值信息矩阵，再通过矩阵融合的方式得到功率多维特征谱图。根据事件投入前的稳态功率值将负荷数据分为单电器负荷和组合电器负荷。针对单电器负荷，直接采用基于迁移学习的模型进行识别，并将结果作为先验知识，再根据组合电器负荷构建总负荷库。针对组合电器负荷，利用先验知识结合总负荷库，选择分负荷库中的样本组成样本对，一同输入孪生网络中。在新组合出现时，新建分负荷库对总负荷库进行更新，可以减少孪生网络识别组合电器的时间。
-
公开(公告)号：CN115903489A
公开(公告)日：2023-04-04
申请号：CN202211424802.6
申请日：2022-11-14
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了基于动态事件触发的固定时间分布式优化方法。该方法提出动态事件触发策略，并引入辅助动态变量，避免Zeno行为发生。基于事件触发策略，设计了分段式固定时间分布式优化算法，第一阶段采用局部成本函数的梯度信息，使每个机器人在固定时间内达到局部最优状态；第二阶段获取机器人在事件触发时刻的局部成本函数的海森矩阵以及邻居机器人的状态信息，通过事件触发通信更新控制输入，保证系统在固定时间内收敛至全局最优状态，且避免机器人间的持续通信。本发明不但有效节约了系统通信资源避免了Zeno行为，而且还能在固定时间内快速收敛至最优状态，提高了系统的控制精度和抗干扰能力。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.027 seconds)
