-
公开(公告)号:CN115441437A
公开(公告)日:2022-12-06
申请号:CN202211102713.X
申请日:2022-09-09
Applicant: 合肥工业大学 , 国网安徽省电力有限公司
Abstract: 本发明属于电力系统调度优化技术领域,更具体地,涉及一种基于深度强化学习的区域电网日前‑日内联合调度方法,其建立了区域电网日内滚动调度优化模型,并提出了一种基于深度强化学习的调度策略求解。首先,日前调度计划每日根据日前风电及负荷预测曲线进行制定;然后,针对区域电网建立日内滚动调度模型:目标函数和约束条件;最后,利用深度强化学习算法对日内滚动模型进行求解。该方法在日前调度计划与AGC调控之间加入日内滚动计划,使得调度计划之间的衔接更加紧密、过渡更加平稳。深度强化学习算法相较于传统基于数学模型与优化求解器的调度优化方法更具有实时性,极大提升了求解效率。
-
公开(公告)号:CN112766844A
公开(公告)日:2021-05-07
申请号:CN202110009608.0
申请日:2021-01-05
Applicant: 国网安徽省电力有限公司
Abstract: 本发明公开了一种基于网络化系统的多级保障部署方法,包括以下步骤:S1、分析建模:根据监测数据取样均匀和数据传输节能的需求,建立均匀分簇的正方形基本监测区域模型;S2、划分等级:根据地理位置、形状等级以及其他能力进行综合划分,将资源仓库模型进行等级划分,并根据等级建立资源仓库;S3、保障部署:根据资源仓库的等级部署不同的保障资源,保证等级高的资源仓库的资源更加丰富;S4、输送保障:实时了解部署点的资源仓库的资源量,并根据资源量进行定期输送保障,并将资源仓库位置以及资源量上传到加密云端。该基于网络化系统的多级保障部署方法,不仅降低资源浪费,还能按照实际情况对资源点进行定期资源配置进行调整。
-