-
公开(公告)号：CN114243693B
公开(公告)日：2023-06-27
申请号：CN202111559986.2
申请日：2021-12-20
Applicant: 南方电网数字电网研究院有限公司
IPC: G06F30/20 , H02J3/00 , H02J3/38 , H02J3/46 , H02J3/48 , G06F113/04 , G06F111/04
Abstract: 本申请涉及一种微电网的调度模型构建方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：确定多种类型的微电网的有功优化系数，其中，有功优化系数包括经济调度系数、排污花费系数以及安全运行风险系数中的至少一个系数；根据有功优化系数，确定目标函数，其中，目标函数用于确定多种类型的微电网的运行指标；根据目标函数和微电网的约束条件，构建调度模型。采用本方法能够扩大调度模型的适用范围。
-
公开(公告)号：CN116319269A
公开(公告)日：2023-06-23
申请号：CN202310565931.5
申请日：2023-05-19
Applicant: 南方电网数字电网研究院有限公司
IPC: H04L41/0659 , H04L41/0677
Abstract: 本申请涉及一种具备通讯故障自检及快速隔离的新能源边缘侧通信模块。通讯故障自检及快速隔离方法包括：检测新能源边缘侧通信模块发生故障，对新能源边缘侧通信模块进行错误程序检测处理；若通信程序存在程序错误，获取新能源边缘侧通信模块中存在错误的目标程序，并对目标程序进行隔离；将目标程序隔离后的通信程序进行重启，对重启后的通信程序进行程序错误检测处理；若重启后的通信程序不存在程序错误，将重启后的通信程序作为故障处理后的通信程序；若重启后的通信程序存在程序错误，对新能源边缘侧通信模块重新安装通信程序，将重新安装的通信程序作为故障处理后的通信程序。采用本方法能够提高新能源边缘侧通信模块的运行效率。
-
公开(公告)号：CN116316612A
公开(公告)日：2023-06-23
申请号：CN202310548550.6
申请日：2023-05-16
Applicant: 南方电网数字电网研究院有限公司
Abstract: 本申请涉及电力技术领域，特别是涉及一种自动机器学习的新能源功率云边协同预测方法及系统。该方法包括：响应于对目标新能源场站的功率预测需求，获取目标新能源场站在未来时段的未来数值天气预报数据和未来时段对应的历史时段的历史输出功率；根据未来数值天气预报数据的缺失情况，以及历史输出功率的数据量，从功率预测模型集中选择目标新能源场站对应的目标功率预测模型；根据目标工作模式，对目标功率预测模型进行调整，并基于调整后的目标功率预测模型，根据未来时段的未来数值天气预报数据和未来时段对应的历史时段的历史输出功率，预测目标新能源场站未来时段的目标输出功率。本申请能够提高新能源场站的功率预测准确性。
-
公开(公告)号：CN116154852A
公开(公告)日：2023-05-23
申请号：CN202310085100.8
申请日：2023-01-17
Applicant: 南方电网数字电网研究院有限公司
Abstract: 本发明公开了一种基于同步量测的分布式能源多目标协同主动支撑方法，该方法包括：获取边缘设备的当前电力数据和当前电力数据对应的预设参数，在当前电力数据满足预设条件时，基于当前电力数据和预设参数确定边缘设备的目标功率，控制边缘设备按照目标功率运行。即本发明的技术方案，可以在确保边缘设备的当前电力数据不超限的情况下，基于当前电力数据和预设参数，确定边缘设备接入配电网设备的不超限的目标功率，控制边缘设备按照不超限的目标功率稳定地接入配电网设备，提高边缘设备接入配电网设备后的运行可靠性和稳定性，满足边缘设备接入配电网设备后稳定运行的需求，边缘设备运行时所产生的能源能够被配电网设备充分地消纳。
-
公开(公告)号：CN115833115B
公开(公告)日：2023-05-09
申请号：CN202310053801.3
申请日：2023-02-03
Applicant: 南方电网数字电网研究院有限公司
Abstract: 本发明涉及配电自动化技术领域，公开了一种多时间尺度分配模型的分布式资源边缘控制方法及装置。该方法包括：通过预建立的多时间尺度功率分配模型，根据当前系统时间，获取目标分布式资源，以及目标分布式资源对应的分配功率；获取综合时延，并根据综合时延，建立目标PID控制模型；通过目标PID控制模型，根据目标分布式资源对应的分配功率，对目标分布式资源进行功率控制。本实施例的技术方案，通过采用多时间尺度功率分配模型，对不同的分布式资源进行多时间尺度功率分配，可以实现对分布式资源的准确功率分配；其次，通过基于综合时延建立PID控制模型，可以提升功率边缘控制的响应速度和准确度。
-
Patent Agency Ranking
公开(公告)号：CN115833102A
公开(公告)日：2023-03-21
申请号：CN202211575153.X
申请日：2022-12-08
Applicant: 南方电网数字电网研究院有限公司
Abstract: 本发明公开了一种基于模型预测控制的风电场频率快速响应控制方法，包括步骤：S1：利用SCADA系统的风电机组状态数据，训练得到基于神经网络的风电机组的状态预测模型；基于电网频率偏差对应的风电场总有功功率参考值，并结合状态预测模型，采用模型预测控制算法，得到各个风电机组的有功功率参考值；S2：离线训练基于神经网络的风电机组控制模型，利用训练好的模型替代模型预测控制算法对各风电机组进行在线控制；S3：当状态预测模型误差超过设定阈值时，采用最新的SCADA系统监测数据重新训练，更新风电机组的状态预测模型和控制模型。本发明构建了更精确的风电机组状态预测模型，并能够迅速给出各风电机组参考功率，实现风电场快速频率响应控制。
-
公开(公告)号：CN114971091A
公开(公告)日：2022-08-30
申请号：CN202210901949.3
申请日：2022-07-28
Applicant: 南方电网数字电网研究院有限公司
Inventor： 李鹏 , 张凡 , 马溪原 , 姚森敬 , 杨铎烔 , 陈元峰 , 俞靖一 , 黄言璐 , 张子昊 , 陈炎森 , 许一泽 , 李卓环 , 包涛 , 程凯 , 周悦 , 王鹏宇 , 严雯 , 吴子盈 , 吴耀锋
Abstract: 本发明公开了一种基于信息物理融合的微能源网优化调度方法，在稳态系统研究下，基于信息物理融合技术，从主体实时状态、状态转移路径以及路径决策过程三层构建了微能源网优化调度模型，实现对微能源网全系统的即时感知、分析、决策和控制，从而实现微能源网的动态稳定运行；包括：S1:针对微能源网当中的各类关键主体设备，提取关键变量并用特征向量对其实时运行状态进行描述；S2:针对微能源网当中的物理能源系统用状态机模型构建统一的状态转移路径模型，描述其各自的状态、状态转移路径与状态更新路径；S3:综合考虑内外部能源的实时需求以及能量流、信息流的实时态势，对系统内的各类能源设备的运行状态下达经济优化调度决策指令。
-
公开(公告)号：CN114493050B
公开(公告)日：2022-07-29
申请号：CN202210397812.9
申请日：2022-04-08
Applicant: 南方电网数字电网研究院有限公司
Abstract: 本申请涉及一种多维度融合的新能源功率并联预测方法和装置。所述方法包括：获取与目标新能源场站对应的目标发电物理模型和目标数据知识模型；确定将目标发电物理模型和目标数据知识模型，按照第一融合方式和第二融合方式分别进行融合得到的第一融合模型和第二融合模型；获取与目标新能源场站对应的待处理数据，待处理数据包括目标新能源场站的场站数据、天气数据和发电历史运行数据；将待处理数据输入第一融合模型得到第一预测结果，将待处理数据输入第二融合模型得到第二预测结果；将第一预测结果和第二预测结果输入并联输出学习器进行处理，得到目标新能源场站的功率预测结果。采用本方法能够提高新能源场站的发电功率预测精度。
-
公开(公告)号：CN114723147A
公开(公告)日：2022-07-08
申请号：CN202210387225.1
申请日：2022-04-14
Applicant: 南方电网数字电网研究院有限公司
Abstract: 本申请涉及一种基于改进的小波变换与神经网络的新能源功率预测方法。所述方法包括：获取多组气象数据样本和历史发电功率，确定每种变量类型下的气象数值样本与历史发电功率之间的相关度，得到与每个相关度阈值对应的初始变量类型，根据初始变量类型对应的第一训练精度，确定出目标阈值和目标变量类型，对多组气象数据样本进行聚类处理，得到每组气象数据样本所属的第一目标类别，对历史发电功率进行小波分解，采用目标气象样本和每个信号频率下的功率信号样本对多种初始功率预测模型进行训练，确定出与每种第一目标类别对应的功率预测模型。采用本方法能够遍历多个相关度阈值，对多种初始功率预测模型集成学习，从而提高功率预测模型的准确率。
-
公开(公告)号：CN114493052A
公开(公告)日：2022-05-13
申请号：CN202210397998.8
申请日：2022-04-08
Applicant: 南方电网数字电网研究院有限公司
Abstract: 本申请涉及一种多模型融合自适应新能源功率预测方法和系统。本申请涉及新能源技术领域，所述方法包括：获取多个初始预测模型，多个初始预测模型均用于对目标发电系统进行功率预测，且多个初始预测模型的模型类型互不相同；对于各初始预测模型，利用不同批次的训练集对初始预测模型进行训练，得到与不同批次的训练集一一对应的多个分批子模型；基于获得的各分批子模型进行模型融合处理，得到目标预测模型，目标预测模型用于对目标发电系统进行功率预测。采用本方法得到的目标预测模型能够提高新能源功率预测精确度。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.041 seconds)
