一种基于条件断面建模的日前电力市场出清方法及装置

    公开(公告)号:CN111291985B

    公开(公告)日:2022-05-31

    申请号:CN202010073085.1

    申请日:2020-01-21

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明实施例提供一种基于条件断面建模的日前电力市场出清方法、装置及存储介质,所述方法包括:求解无安全约束的机组组合模型获得各机组在不同时段的出力;根据不同时段的出力计算支路潮流和断面潮流,并根据潮流结果判断是否存在条件断面重载;若存在,建立条件控制断面约束模型;将所述条件控制断面约束模型添加至所述无安全约束的机组组合模型,输出各机组在不同时段的出力以及各机组在不同时段的启停状态;若不存在,根据安全经济调度模型输出各机组在不同时段的出力以及各节点在不同时段的电价。本发明实施例通过将复杂条件控制断面纳入现货市场出清的建模和求解过程,能够减少优化效果的损失、降低针对条件断面越限进行校正决策的难度。

    一种超短期节点边际电价概率预测方法及系统

    公开(公告)号:CN109102155B

    公开(公告)日:2022-03-15

    申请号:CN201810744564.4

    申请日:2018-07-09

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明公开了一种超短期节点边际电价概率预测方法及系统,方法包括:基于净负荷参数的历史数据离线计算对应的临界区域字典集;根据滚动更新的净负荷预测值产生净负荷参数样本集,并基于离线计算的临界区域字典集在线建立反映临界区域状态的离散非时齐马尔科夫链模型;根据在线建立的离散非时齐马尔科夫链模型以及多参数规划理论中临界区域和拉格朗日对偶问题的关系,计算实时节点边际电价的预测值及对应的概率分布。本发明离线建立了临界区域字典集,在线计算时只需对滚动更新的节点边际电价向量对应的临界区域状态建立离散非时齐马尔科夫链模型,使得大部分的计算在离线状态下完成,能满足在线计算的需要。本发明可广泛应用于电力调度领域。

    发电调度评价方法、装置及设备

    公开(公告)号:CN112396303A

    公开(公告)日:2021-02-23

    申请号:CN202011237986.6

    申请日:2020-11-09

    IPC分类号: G06Q10/06 G06Q10/04 G06Q50/06

    摘要: 本发明涉及一种发电调度评价方法、装置及设备,属于电力调度技术领域,通过基于预设规则,计算目标电网内目标发电企业的最大发电能力;根据最大发电能力与发电调度方案,确定目标发电企业的发电裕度;基于发电裕度的分布结构,计算目标发电企业的预期风险;根据预期风险,获取预期风险罗伦兹曲线;基于预期风险罗伦兹曲线,获取预期风险基尼系数,评价发电调度,获取发电调度评价结果。与传统结果为导向的发电调度公平性评价方法相比,本发明所提出的基于预期执行风险的发电调度公平性评价方法本质上属于过程化评价方法,能够更加准确的评估发电调度业务执行过程中的公平性,更有利于业务提升与规范化管理。

    一种应对电力系统失步解列的控制方法、系统及存储介质

    公开(公告)号:CN112383067A

    公开(公告)日:2021-02-19

    申请号:CN202011264472.X

    申请日:2020-11-11

    IPC分类号: H02J3/14 G06F30/20

    摘要: 本发明公开了一种应对电力系统失步解列的控制方法及系统,包括:对离线仿真数据进行分析,得到电网中的易失稳通道;其中,所述分析的方法包括:相位角方法、循序阻抗方法和ucosφ方法;对所述易失稳通道进行潮流分析,得到电网中的易失稳断面及机组;根据安装于所述易失稳断面两侧的失步解列判别装置中的预设判定逻辑,判断出断面是否失稳;若所述断面失稳,则对所述断面进行解列,并同时执行所述断面解列配套的低频低压减载策略。本发明不但能够快速获取电网中存在弱连接的易失稳断面,免去实时计算中断面寻优的时间;而且能够规避传统离线仿真不能涵盖所有故障而致使无对应策略措施的缺点。

    一种基于Q强化学习的电网运行断面动态生成方法

    公开(公告)号:CN111626539A

    公开(公告)日:2020-09-04

    申请号:CN202010140221.4

    申请日:2020-03-03

    IPC分类号: G06Q10/06 G06Q50/06 G06N20/00

    摘要: 本发明涉及一种基于Q强化学习的电网运行断面动态生成方法,本发明基于电网运行历史数据挖掘分析,训练得到Q强化学习智能体,本发明包括以下步骤:S1)智能体构建,确定电网运行特征指标、选定基础生成方法库,进而按照Q强化学习要求,构建智能体;S2)智能体训练,根据电网运行历史数据形成的训练集样本,利用Q强化学习训练算法,训练生成满足要求智能体的过程;S3)智能体应用,满足收敛条件且经测试集检验合格的智能体即可投入实际应用。本发明训练得到Q强化学习智能体,能够根据电网运行特征动态选择电网运行断面生成方法,以充分利用不同生成方法在不同场景下的算法优势。此外,本发明的动态生成方法能够通过优化选择不同场景下的生成算法,提升生成结果的准确率。

    基于两段式条件断面约束的SCUC的出清优化方法

    公开(公告)号:CN111401698A

    公开(公告)日:2020-07-10

    申请号:CN202010140127.9

    申请日:2020-03-03

    IPC分类号: G06Q10/06 G06Q50/06 G06F17/11

    摘要: 本发明提供基于两段式条件断面约束的SCUC的出清优化方法,包括如下步骤:S1:在安全约束机组组合问题中,针对网络约束中的两段式条件断面建立机组开机台数与线路/断面控制要求间的数学表达式;S2:通过引入整数变量等中间变量,将机组开机台数与线路/断面控制要求的数学表达式进行线性化处理;S3:根据总购电成本最小化构建优化目标函数,并考虑包含机组开机台数与线路/断面控制要求的各类约束条件,对机组组合进行优化计算,出清得到机组组合及分时节点电价结果。通过对两段式条件断面并进行线性化处理,可在SCUC问题约束中准确表达,从而提高方式安排的灵活性,实现SCUC目标函数的进一步优化,从而应用到电力现货市场出清优化方式上。

    基于深度学习的电力实时市场约束自辨识出清方法及系统

    公开(公告)号:CN110991731A

    公开(公告)日:2020-04-10

    申请号:CN201911194707.X

    申请日:2019-11-28

    摘要: 本发明公开了一种基于深度学习的电力实时市场约束自辨识出清方法及系统,所述方法包括:对电力系统的系统特征向量进行标准化处理后,通过激活模型进行迭代训练以得到深度神经网络模型;通过反标准化模型对深度神经网络预测出的发电机最优出力结果进行反归一化处理以得到当前机组的发电机最优出力,并对发电机最优出力进行第一静态安全分析及线路传输容量约束处理,以得到起作用约束集;根据出清模型、起作用约束集及系统约束计算当前系统的出清结果,并对该出清结果进行第二静态安全分析,当当前系统的各项参数均满足给定要求时,将该出清结果作为最优出清结果。本发明能够实现SCED起作用约束高效辨识,减少起作用约束查找次数,提高市场出清效率。