-
公开(公告)号:CN109117951B
公开(公告)日:2021-11-16
申请号:CN201810033758.3
申请日:2018-01-15
Applicant: 重庆大学
IPC: G06N3/08
Abstract: 本发明公开了一种基于BP神经网络的概率潮流在线计算方法,主要包括以下步骤:1)建立BP神经网络潮流模型。2)初始化BP神经网络潮流模型的基本参数。3)获取训练样本数据。4)确定训练目标。采用所述训练样本数据,对所述BP神经网络潮流模型进行训练,从而得到训练后的BP神经网络潮流模型。5)获取计算样本。6)将步骤3得到的训练样本数据一次性输入步骤4中训练完成的BP神经网络潮流模型中,得到所述训练目标,从而判断所有训练样本的潮流可解性;计算可解样本的潮流值。7)统计概率潮流指标。本发明可广泛应用于电力系统的概率潮流在线计算,特别适用于新能源高比例接入导致电力系统不确定性增强的情况。
-
公开(公告)号:CN109784692B
公开(公告)日:2020-11-24
申请号:CN201811631297.6
申请日:2018-12-29
Abstract: 本发明公开了一种基于深度学习的快速安全约束经济调度方法,主要步骤为:1)确定适用于安全约束经济调度模型的深度神经网络。2)对堆栈降噪自动编码器SDAE进行训练。3)建立基于深度学习的安全约束经济调度模型。4)令k=1,将电力系统运行条件输入到深度神经网络中,得到安全约束经济调度模型的起作用约束集J(1)。5)将约束集J(1)。输入到安全约束经济调度模型中,得到安全约束经济调度方案。6)对安全约束经济调度方案进行N‑1检验,若有新约束J(new),则令k=k+1,约束集更新为J(k)=J(k)∪J(new),并返回步骤5。若无新约束,则输出安全约束经济调度方案。本发明可广泛应用于电力系统各个行业的安全约束经济调度分析。
-
公开(公告)号:CN110110434B
公开(公告)日:2020-10-16
申请号:CN201910367846.1
申请日:2019-05-05
Applicant: 重庆大学
Abstract: 本发明公开了一种概率潮流深度神经网络计算的初始化方法,主要步骤为:1)获取电力系统数据;2)建立概率潮流分析深度神经网络的损失函数,并对深度神经网络的参数θ进行更新;3)对概率潮流模型的参数进行初始化;4)基于概率潮流分析深度神经网络的损失函数和电力系统数据,利用神经网络建立概率潮流模型;本发明可广泛应用于电力系统的概率潮流求解,特别适用于新能源渗透率高导致系统不确定性增强的在线分析情况。
-
公开(公告)号:CN111541252A
公开(公告)日:2020-08-14
申请号:CN202010487749.9
申请日:2020-06-02
Abstract: 本发明公开了基于历史数据和误差分析的配电网线性化潮流通式最优独立变量选取方法,步骤为:1)获取实际电网物理参数信息和历史场景数据;2)推导计及/不计及ZIP负荷模型的节点注入形式的线性化潮流通式;3)以vk作为独立变量,分析k值变化对所有历史场景下的线性化潮流模型整体误差的影响,选取误差最小时对应的k值为最优独立变量vk的指数。本发明以两种不同形式的节点注入功率方程为基础,vk和θij为独立变量,推导了计及/不计及ZIP负荷模型的两种一般化线性化潮流模型,并根据历史场景选取了线性化潮流模型的最优独立变量,并结合配电网特点,在不同场景下验证了所选最优独立变量的有效性和鲁棒性。
-
公开(公告)号:CN109117951A
公开(公告)日:2019-01-01
申请号:CN201810033758.3
申请日:2018-01-15
Applicant: 重庆大学
IPC: G06N3/08
Abstract: 本发明公开了一种基于BP神经网络的概率潮流在线计算方法,主要包括以下步骤:1)建立BP神经网络潮流模型。2)初始化BP神经网络潮流模型的基本参数。3)获取训练样本数据。4)确定训练目标。采用所述训练样本数据,对所述BP神经网络潮流模型进行训练,从而得到训练后的BP神经网络潮流模型。5)获取计算样本。6)将步骤3得到的训练样本数据一次性输入步骤4中训练完成的BP神经网络潮流模型中,得到所述训练目标,从而判断所有训练样本的潮流可解性;计算可解样本的潮流值。7)统计概率潮流指标。本发明可广泛应用于电力系统的概率潮流在线计算,特别适用于新能源高比例接入导致电力系统不确定性增强的情况。
-
公开(公告)号:CN108304623A
公开(公告)日:2018-07-20
申请号:CN201810033776.1
申请日:2018-01-15
Applicant: 重庆大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于堆栈降噪自动编码器的概率潮流在线计算方法,主要包括以下步骤:1)建立SDAE概率潮流模型。2)获取所述SDAE概率潮流模型的训练样本。3)初始化所述SDAE概率潮流模型。4)对所述SDAE概率潮流模型进行训练,从而得到训练后的SDAE概率潮流模型。5)获取计算样本。6)将步骤5得到的计算样本数据一次性输入步骤4中训练完成的SDAE概率潮流模型中,得到所述训练目标,从而判断所有训练样本的潮流可解性;计算可解样本的潮流值。7)统计概率潮流指标。本发明可广泛应用于电力系统的概率潮流在线计算,特别适用于新能源高比例接入导致电力系统不确定性增强的情况。
-
公开(公告)号:CN119362416A
公开(公告)日:2025-01-24
申请号:CN202411403183.1
申请日:2024-10-09
Applicant: 重庆大学 , 国网山西省电力公司经济技术研究院
IPC: H02J3/00 , H02J3/28 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开一种计及区域电网差异性的新能源消纳成本分摊方法、设备及介质,方法包括以下步骤:1)获取电力系统相关技术数据;2)构建含储能投资规划与备用服务的储能投资规划模型;3)基于电力系统相关技术数据,求解所述储能投资规划模型,得到不同新能源场站在初次分摊中承担的消纳成本,完成新能源消纳成本的初次分摊;4)计及区域电网差异性,计算不同区域电网的消纳成本再分摊比例系数;5)基于消纳成本再分摊比例系数,在新能源消纳成本初次分摊的基础上,对新能源场站消纳成本进行二次分摊。本发明将储能投资规划成本与电力系统运行备用成本均计入消纳成本,从而实现了消纳成本的全面科学测算。
-
公开(公告)号:CN119026789A
公开(公告)日:2024-11-26
申请号:CN202410936953.2
申请日:2024-07-12
Applicant: 重庆大学 , 中国电力科学研究院有限公司 , 国网上海市电力公司 , 国网宁夏电力有限公司
IPC: G06Q10/063 , H02J3/06 , G06Q40/04 , G06Q50/06
Abstract: 本发明公开一种省间电力中长期交易出清问题多解顺次寻优计算方法,包括以下步骤:构建多层目标顺次寻优出清模型;求解以社会福利最大化为目标的出清模型m1;求解以清洁能源成交量最大化为目标、以最大社会福利为约束的出清模型m2;判定当前出清方案是否存在多解,若不存在多解,则以出清模型m2对应的出清方案作为最优出清方案,若存在多解,则求解以总成交量最大化为目标、以前序目标最优性为约束的出清模型m3,获取最大总成交量;以出清模型m3的最大总成交量为约束,求解出清模型m4,得到最优出清方案。本发明可广泛应用于各地电力中长期交易中,能够在存在多解的场景下,有效发挥电力市场资源配置作用、提升电网新能源消纳水平。
-
公开(公告)号:CN118735289A
公开(公告)日:2024-10-01
申请号:CN202410716397.8
申请日:2024-06-04
Applicant: 重庆大学 , 国家电网有限公司西南分部 , 清华四川能源互联网研究院
IPC: G06Q10/0637 , G06Q10/0631 , G06Q50/06 , H02J3/46 , H02J3/14 , H02J3/00
Abstract: 本发明公开一种基于替代效益的水电多维价值定量解耦评估方法,包括以下步骤:1)构建含水‑火‑新能源的电力系统时序生产模拟模型;2)求解电力系统时序生产模拟模型,得到电力系统各机组出力;3)基于电力系统各机组出力,计算清洁能源多维价值;4)基于清洁能源多维价值,对电力系统架构进行优化。本发明提出了基于替代效益的水电多维价值定量解耦评估方法,可量化不同运行条件下水电机组的多维差异化价值,为后续设计体现不同清洁能源主体差异化价值的市场机制奠定基础。
-
公开(公告)号:CN117638859A
公开(公告)日:2024-03-01
申请号:CN202311351361.6
申请日:2023-10-18
Applicant: 国网重庆市电力公司电力科学研究院 , 重庆大学 , 国家电网有限公司
IPC: H02J3/00 , G06F30/20 , G06F18/2413 , G06F17/15 , H02J3/06 , G06F111/04 , G06F113/04
Abstract: 本发明公开一种基于伴随模型动态交互的机组组合快速求解方法,包括以下步骤:1)基于UC线性松弛模型构建初始固定变量集合;2)对初始固定变量集合进行可行性修复;3)基于KNN分类学习,辨识并保留在UC问题约束参数扰动情况下仍保持固定状态不变的变量,从而对修复后的固定变量集合进行优化;4)利用优化后的固定变量集合构建伴随模型;5)求解伴随模型,得到最优机组组合。本发明可广泛应用于大规模的电力系统UC问题求解,可作为电力系统组合问题定制化的加速算法设计提供参考。
-
-
-
-
-
-
-
-
-