公开(公告)号：CN114492916B

公开(公告)日：2024-08-06

申请号：CN202111463269.X

申请日：2021-12-03

Applicant: 湖南大学 ,  长沙新奥湘江新能源发展有限公司

Inventor： 李勇 ,  钟俊杰 ,  曹一家 ,  谭益 ,  刘敏 ,  彭衍建 ,  乔学博 ,  段义隆 ,  李磊

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F18/2135

Abstract: 本发明实施例提供一种适用于综合能源微网鲁棒优化的不确定集构建方法和系统，生成不确定性量误差样本集，求解样本集的均值和协方差矩阵矩阵；利用PCA找到样本的相关性、特征值和特征向量等信息。如特征值和特征向量将用于决定内部椭球的半轴长和轴方向；将样本集区域划分为k个区间，建立高维椭球区域；基于Quickhull凸包算法将k个区间的点集构造出k个凸包，最终建立基于多区间凸包的不确定集。基于多区间凸包的不确定集，考虑了不确定性量之间的相关性并通过设置合适的多个区间，避免了实际中出现概率较小的场景，减小了鲁棒优化的保守度。

公开(公告)号：CN114492916A

公开(公告)日：2022-05-13

申请号：CN202111463269.X

申请日：2021-12-03

Applicant: 湖南大学 ,  长沙新奥湘江新能源发展有限公司

Inventor： 李勇 ,  钟俊杰 ,  曹一家 ,  谭益 ,  刘敏 ,  彭衍建 ,  乔学博 ,  段义隆 ,  李磊

IPC: G06Q10/04 ,  G06Q50/06 ,  G06K9/62

Abstract: 本发明实施例提供一种适用于综合能源微网鲁棒优化的不确定集构建方法和系统，生成不确定性量误差样本集，求解样本集的均值和协方差矩阵矩阵；利用PCA找到样本的相关性、特征值和特征向量等信息。如特征值和特征向量将用于决定内部椭球的半轴长和轴方向；将样本集区域划分为k个区间，建立高维椭球区域；基于Quickhull凸包算法将k个区间的点集构造出k个凸包，最终建立基于多区间凸包的不确定集。基于多区间凸包的不确定集，考虑了不确定性量之间的相关性并通过设置合适的多个区间，避免了实际中出现概率较小的场景，减小了鲁棒优化的保守度。

公开(公告)号：CN106651659A

公开(公告)日：2017-05-10

申请号：CN201611269708.2

申请日：2016-12-30

Applicant: 湖南大学

Inventor： 段义隆 ,  李勇 ,  罗隆福 ,  曹一家

IPC: G06Q50/06 ,  G06Q30/08

CPC classification number: G06Q50/06 ,  G06Q30/08

Abstract: 本发明涉及一种基于多代理系统拍卖模式的配电网重构方法，包括确定区域目标、确定全局目标、资源识别、出价、裁定、结束六个步骤；本发明方法在代理间的协商过程中，每个代理完全按照自己的区域目标来进行决策，保证自身的利益最大化；而通过基于全局目标的拍卖‑竞价过程，则能够动态调整配电网的负荷结构，保证了配电网的全局利益最大化。该方法具有重构速度快，全自动化的特点，特别适合在包含分布式电源的大规模复杂配电网上应用。

公开(公告)号：CN113595242B

公开(公告)日：2024-02-20

申请号：CN202110719855.X

申请日：2021-06-28

Applicant: 湖南大学

Inventor： 李勇 ,  段晶 ,  张振宇 ,  段义隆 ,  乔学博

IPC: H02J13/00

Abstract: 本发明提出一种基于深度CNN‑HMM的非侵入式负荷辨识方法，包括：采用互信息算法对电力入口处采集的总负荷数据进行特征选择，并采用差分处理的方式强化特征表达能力；根据待辨识负荷的电流有效值确定其运行状态，生成设备的标签数据集；将负荷特征数据与标签数据合成模型的训练数据集；训练深度卷积神经网络(CNN)；根据深度CNN网络得到的初辨识结果训练隐马尔可夫模型(HMM)的参数；得到完整的深度CNN‑HMM模型的结构与参数，实现对电力负荷的辨识。本发明能够有效地提取用电负荷的主要数据特征，弱化无关特征和冗余特征的影响，能够优化CNN算法辨识结果中存在的非连续性问题，实现对工商业用电负荷的高精度辨识。

公开(公告)号：CN114548509A

公开(公告)日：2022-05-27

申请号：CN202210054342.6

申请日：2022-01-18

Applicant: 湖南大学

Inventor： 李勇 ,  郭钇秀 ,  梅玉杰 ,  乔学博 ,  段义隆 ,  李磊

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种多能源系统多类型负荷联合预测方法及系统。该方案包括获得历史气象数据和负荷测量数据，在剔除异常时间序列数据和补全缺失数据后，对数据单独归一化处理，生成时间序列样本集；获取季节的时间划分节点，将所述时间序列样本集按照四季划分，计算每个季节的耦合相关性，生成多能预测模型的输入数据；搭建每个季节的双向长短期记忆神经网络负荷预测模型，输入训练样本进行预测模型学习训练并调整优化模型参数；将测试样本输入所述双向长短期记忆神经网络负荷预测模型，生成冷、热、电负荷预测结果。该方案通过考虑不同季节的负荷耦合关联，充分挖掘负荷变化规律，提高多能源系统负荷预测性能。

公开(公告)号：CN112712203A

公开(公告)日：2021-04-27

申请号：CN202011600297.7

申请日：2020-12-29

Applicant: 湖南大学

Inventor： 李勇 ,  周王峰 ,  郭钇秀 ,  乔学博 ,  段义隆

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06 ,  G06N3/08 ,  G06N3/02 ,  G06F16/245 ,  G06F16/215

Abstract: 本发明实施例提供一种配电网日最高负荷预测方法和系统，归纳日负荷曲线的典型形状，基于豪斯多夫距离算法依据日负荷形状划分负荷类型；引入去年同期节假日负荷数据修正模型预测精度，划分训练样本与测试样本；基于弹性网络对每种负荷类型单独构建日最高负荷及其出现时刻预测模型，输入训练样本训练弹性网络，通过网格搜索确定模型最优参数，得到最终预测模型；根据训练好的预测模型对配电网日负荷数据进行预测，得到日最高负荷及其出现时刻预测值。利于提前预估配变承载能力，合理指导变压器与线路增容，辅助基层电力管理人员高效开展迎峰度夏、春节保电等活动。

公开(公告)号：CN105322519B

公开(公告)日：2018-02-13

申请号：CN201510734587.3

申请日：2015-11-02

Applicant: 湖南大学

Inventor： 李勇 ,  赵庆周 ,  曹一家 ,  段义隆 ,  谭益 ,  彭衍建

IPC: H02H7/26

Abstract: 本发明涉及一种智能配电网大数据融合分析与运行状态监测方法，其包括S1、数据预处理；S2、信息融合；S3、数据分析及可视化处理；S4、状态调控与故障监测；本发明以数据驱动为出发点，无需知道物理系统的网络参数以及精确模型，且不受系统的运行方式与运行参数的影响，具有免训练、无整定、准确性好以及可靠性高等特点，特别适用于含分布式电源的智能配电网网络式控制与保护。

公开(公告)号：CN104410256A

公开(公告)日：2015-03-11

申请号：CN201410756423.6

申请日：2014-12-10

Applicant: 湖南大学

Inventor： 李勇 ,  韩继业 ,  段义隆 ,  张明敏 ,  罗隆福 ,  曹一家

IPC: H02M1/12

CPC classification number: H02J3/01

Abstract: 本发明提供了一种含模块化多电平变流器的有源滤波系统及其控制方法，所述系统包括模块化多电平变流器、变流器输出控制器、能量存储设备、电网侧电压测量装置和负载侧电流测量装置；所述模块化多电平变流器具有直流正端、直流负端和三相交流输出端；所述直流正端和直流负端之间连接能量存储设备；所述三相交流输出端连接于供电系统的电网侧与负载侧之间。本发明能够通过改变模块化多电平变流器每个桥臂串联的功率子模块的数量，灵活地调整变流器的电压适用范围，从根本上解决了传统有源滤波系统无法直接应用在高电压、大功率工业环境中的技术难题。