一种基于联邦学习的可再生能源日前场景生成方法

    公开(公告)号:CN113515890A

    公开(公告)日:2021-10-19

    申请号:CN202110559758.9

    申请日:2021-05-21

    摘要: 本发明公开了一种基于联邦学习的可再生能源日前场景生成方法,包括以下步骤:定义并设置训练参数;进行梯度下降策略进行本地模型训练;数据所有者产生符合高斯分布的noise,扰动本地模型;获取各数据所有者上传的生成器、判别器权重参数,计算本轮生成器和判别器更新的权重;将新的模型参数广播给各数据所有者;利用新的梯度在本地执行CWGAN训练任务,得到结果上传至中心服务器;重复至训练结束。本发明优点是:1、较好地构建可再生能源日前场景生成的模型,CWGAN有效学习到出力特征和日前出力不确定性。2、利用黑盒模型具有广泛适用性。3、保护各数据所有者数据隐私安全。4、当某客户端数据出现严重缺失情况时,可以对该可再生能源端进行有效建模。

    主动配电网多区域调度方法、系统、设备及可读存储介质

    公开(公告)号:CN111932075B

    公开(公告)日:2024-10-18

    申请号:CN202010658434.6

    申请日:2020-07-09

    摘要: 本发明属于主动配电网调度领域,公开了主动配电网多区域调度方法、系统、设备及计算机可读存储介质,所述主动配电网多区域调度方法包括以下步骤:获取主动配电网的运行参数;将所述运行参数输入主从博弈优化调度模型,得到并根据主从博弈优化调度模型的均衡解,进行主动配电网多区域调度;所述主从博弈优化调度模型的上层领导者博弈模型为DSO动态定价博弈模型,所述DSO动态定价博弈模型为以DSO最大化收益为目标建立的模型;所述主从博弈优化调度模型的下层跟随者博弈模型为区域电网优化调度博弈模型,所述区域电网优化调度博弈模型为以区域电网最小化运行成本为目标建立的模型。通过该均衡解进行主动配电网多区域调度,实现多利益主体的均衡调度。

    一种配电网动态拓扑辨识方法、系统、设备及存储介质

    公开(公告)号:CN116316637A

    公开(公告)日:2023-06-23

    申请号:CN202310278213.X

    申请日:2023-03-20

    摘要: 一种配电网动态拓扑辨识方法、系统、设备及存储介质,方法包括根据配电系统接线图构建配电系统静态拓扑的网络图模型;设置网络图模型可能发生的拓扑变化集合,并进行潮流计算,得到每个运行状态下配电网各节点的电气量;以每个运行状态下配电网各节点的电气量为节点特征、以对应运行状态下的配电网各线路连接状态为标签,构建模型离线训练样本集;通过模型离线训练样本集对图神经网络模型进行训练并部署;获取在线量测数据并转化为图结构数据输入图神经网络模型,输出配电网拓扑辨识结果,并与配网开关的遥信信号进行对比,校核开关变位信息是否一致,若一致,则输出配电网拓扑辨识结果。本发明能够提升配电网动态拓扑的在线辨识速度与精度。