-
公开(公告)号：CN115222147A
公开(公告)日：2022-10-21
申请号：CN202210976410.4
申请日：2022-08-15
Applicant: 国网四川省电力公司经济技术研究院
Abstract: 本发明公开了一种分布式能源设备产能的优化方法、系统及设备，解决了现有的分布式能源设备的能量利用率较低的问题，其技术方案要点是：接收来自第一用户所发送的数据协议确定分布式能源设备的装机容量信息和储能容量信息；接收用户在运行日当日上报的用能需求信息；根据用能需求信息、装机容量信息和储能容量信息建立分布式能源设备的运行优化模型；求解运行优化模型确定分布式能源设备的最优运行策略，根据最优运行策略确定用能的费用结算信息，将费用结算信息发送给所述第一用户和第二用户。本发明协调分布式能源设备的能源生产，从而达到在满足所有用户用能需求的同时，使得整体的能源生产成本最小，最大化提高分布式能源设备产能的利用率。
-
公开(公告)号：CN113191453B
公开(公告)日：2022-04-22
申请号：CN202110565158.3
申请日：2021-05-24
Applicant: 国网四川省电力公司经济技术研究院
Abstract: 本发明公开了一种基于DAE网络特征的用电行为画像生成方法及系统，首先提取对总体样本的用户用电行为特征并进行特征预处理得到特征数据集；将特征数据集输入已构建好的DAE网络特征模型中压缩得到降维数据集；基于最佳聚类数K使用初始优化的MBKM算法对降维数据集聚类后进行聚类效果评估；基于互信息特征模型计算用户行为的关键特征，根据关键特征和聚类效果评估结果生成用户用电行为画像。本发明提供一种新的海量电力用户行为分析方法，采用初始优化的MBKM算法进行海量用电用户数据计算，克服了现有技术中存在海量电力用户数据挖掘效率低、特征降维非线性保留率低等问题。
-
公开(公告)号：CN114123184A
公开(公告)日：2022-03-01
申请号：CN202111411412.0
申请日：2021-11-25
Applicant: 国网四川省电力公司经济技术研究院
Abstract: 本发明公开了一种基于逆变器端口能量函数的控制系统及控制方法，涉及电力电子逆变器技术领域，解决了采用虚拟同步发电机在改善电力系统频率稳定性的同时，降低了电力系统的功角稳定性，其技术方案要点是：对逆变器输出调制波的幅值与相位角附加幅值与相位角的控制使得系统端口能量函数为负。本发明在采用虚拟同步发电机提升电力系统频率稳定性的同时也兼顾了电力系统的功角稳定性，降低电力系统的低频振荡。
-
公开(公告)号：CN111474900B
公开(公告)日：2021-07-06
申请号：CN201911148980.9
申请日：2019-11-21
Applicant: 国网四川省电力公司经济技术研究院
IPC: G05B19/418
Abstract: 本发明公开了一种基于虚拟电厂的区域综合能源系统运行方法和系统，获取终端IES和区域IES的运行结构并获取各终端IES当期的数据信息；对CCHP系统运行方式进行分类，建立终端IES最大冗余供能能力模型、预期净成本模型和约束条件；确定各设备单元对应的经济运行方式、最大冗余供能能力和终端IES的购电量售电量信息；控制各供能设备的实际出力；建立区域IES运营结算方案，形成各终端IES的实际净成本。本发明一种基于虚拟电厂的区域综合能源系统运行方法及系统构建了基于虚拟电厂的区域综合能源系统运行框架，实现了终端IES在不改变传统电力网络架构的前提下向区域IES过渡。
-
公开(公告)号：CN112232418A
公开(公告)日：2021-01-15
申请号：CN202011115465.3
申请日：2020-10-19
Applicant: 国网四川省电力公司经济技术研究院
Abstract: 本发明公开了一种基于聚类分析模型获取区域用电特征的方法及系统，基于聚类分析模型获取区域用电特征的方法依次包括以下步骤：初步筛选数据，第一次删除数据，第二次删除数据，选取数据，建模分析，输出。基于聚类分析模型获取区域用电特征的系统，包括：初步筛查模块，第一删除模块，第二删除模块，选取模块，建模模块，输出模块。本发明解决了现有技术存在的难以准确将各类用户的用电数据筛选出来、并且对区域用电特征分析的准确度不够高的不足。
-
Patent Agency Ranking
公开(公告)号：CN112016824A
公开(公告)日：2020-12-01
申请号：CN202010862710.0
申请日：2020-08-25
Applicant: 国网四川省电力公司经济技术研究院
Abstract: 本发明公开了一种基于共享经济理念的储能资源匹配方法，包括：构建以云储能平台为核心的云储能商业模式主体结构及云储能商业模式主体结构的运行流程；分析主体结构中的储能资源盈余用户的市场行为，建立储能闲置量决策模型；分析主体结构中的储能资源需求用户的市场行为，建立储能需求量决策模型；结合用户的储能闲置量决策模型和储能需求量决策模型，构建云储能平台的储能匹配机制与辅助定价机制，为储能资源的合理分配提供支持。本发明通过建立以云储能平台为核心的商业模式，综合考虑各参与主体的经济利益与市场行为，将储能资源盈余用户的闲置储能资源使用权转移给储能资源需求用户，使得储能资源利用率提升的同时创造额外的经济效益。
-
公开(公告)号：CN109377008A
公开(公告)日：2019-02-22
申请号：CN201811118381.8
申请日：2018-09-20
Applicant: 国网四川省电力公司经济技术研究院
Abstract: 本发明提供的一种电热耦合的综合能源系统风险评估方法，包括步骤：S1：设定电热耦合的综合能源系统的故障概率；S2：计算电热耦合的综合能源系统潮流；S3：建立电热耦合的综合能源系统风险的计算模型；S4：计算各子风险值；并对各子风险值进行大小排序，得到最大子风险值，作为电热耦合的综合能源系统风险指标值；S5：将风险指标值与风险等级划分标准模型进行比对，得到电热耦合的综合能源系统风险等级；本发明考虑到电热耦合的综合能源系统内部的拓扑结构和电热耦合关系，建立多维度风险评估指标体系和完善的电热耦合综合能源系统的风险评估模型，提高了对电热耦合的综合能源系统风险评估的准确性，使风险评估结果更贴近实际情况。
-
公开(公告)号：CN119808373A
公开(公告)日：2025-04-11
申请号：CN202411850573.3
申请日：2024-12-16
Applicant: 国网四川省电力公司经济技术研究院
IPC: G06F30/20 , G06F18/15 , G06F18/23213
Abstract: 本发明公开了一种随机近极端日天气数据模拟方法、设备和介质，以日最高干球温度超过阈值温度为标准，从往年的历史天气数据中筛选出近极端日天气数据，提取出相应的小时干球温度、湿球温度和太阳辐射数据，通过量化了特征天气参数的概率特性，识别出四组特征天气参数，通过对历史近极端天气数据的日变化模式进行归一化处理和聚类分析，得到了代表每个天气元素日变化模式的典型变异系数，最终结合随机抽样得到的特征气象参数和典型变异系数，构建随机近极端日天气数据，同时考虑近极端天气参数的不确定性和耦合关系，获得日负荷随机模拟中近极端负荷的概率特性，提高了模拟效率，确保了模拟结果的准确性。
-
公开(公告)号：CN119691487A
公开(公告)日：2025-03-25
申请号：CN202411833105.5
申请日：2024-12-13
Applicant: 国网四川省电力公司经济技术研究院
IPC: G06F18/23213 , G06F18/213 , G06F18/214 , G06N3/0442 , G06Q50/06 , H02J3/00
Abstract: 本申请公开了一种基于小样本数据的风电功率预测方法及系统，涉及风电、数据处理技术，包括：根据样本风场的历史发电数据确定各子区域对应风机的发电信息，以及根据所述地形参数将所述样本风场分割为多个子区域；提取子区域的地形特征；聚类出地形类别；基于各聚类中心按照各子区域与聚类中心之间距离的关系，选取子区域样本集；对各聚类中心，分别基于子区域样本集的地形特征和对应风机在分时段的发电信息来训练LSTM模型；对于待预测的目标风场，选取相应聚类类别所训练的LSTM模型来执行目标风场的发电预测。本申请结合风电场的空间位置地理条件等因素构建分类，以实现在小样本条件下的风场风电功率的预测。
-
公开(公告)号：CN119577672A
公开(公告)日：2025-03-07
申请号：CN202411616424.0
申请日：2024-11-13
Applicant: 国网四川省电力公司经济技术研究院
Inventor： 王亦 , 李旻 , 马天男 , 张宏图 , 马瑞光 , 吴刚 , 刘巍 , 向璟 , 罗晧 , 侯验秋 , 孙毅 , 邓扶摇 , 过夏明 , 肖畅 , 刘洁颖 , 唐伦 , 苗树敏 , 许鹏 , 何川 , 唐艺鸣 , 肖雨昕 , 王海燕 , 叶强 , 汪伟
IPC: G06F18/25 , G06F18/23 , G06N3/0475 , G06N3/094 , G06F18/20
Abstract: 本发明公开了一种考虑源荷耦合的场景生成方法、系统、设备及介质，涉及场景生成技术领域，该方法包括：根据历史源荷数据的数据进行纵向扩充得到纵向扩充数据，将横向扩充数据和纵向扩充数据进行数据融合；利用自组织映射聚类算法对样本数据进行聚类分析，构建聚类分析结果中各个日类型之间的状态转移矩阵，并生成未来预测时间段内的日类型序列；对各个日类型预置的GAN模型进行训练，将满足预设训练结束条件的各个GAN模型确定为预测模型；将各个日类型的簇数据输入至对应的预测模型中进行处理；解决了现有技术中人工智能算法需要的历史数据信息不足、聚类方法在样本大时计算速度过慢，以及在极端条件下未考虑电源和负荷的平衡等问题。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.077 seconds)
