-
公开(公告)号：CN114204557B
公开(公告)日：2024-04-23
申请号：CN202111520051.3
申请日：2021-12-13
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电力调度控制中心
Abstract: 本发明公开了一种港口冷藏集装箱用电负荷的协同控制方法，应用于港口综合能源系统的规划和调度运行管理，所述方法包括：港口电力监控系统获取港口配用电网络信息、设备用电负荷信息、设备运行计划信息，从港口生产管理系统获取船舶进出港计划、配载计划、堆场计划和码头装载作业计划信息，从港口综合信息管理系统获取实施航运信息、气象数据、电价数据。在保障冷藏集装箱满足存储温度要求的条件下，实现集装箱用电负荷的精细化协同控制，一方面有效提高港口能源利用率，降低碳排放，另一方面避免冷藏集装箱无序用电导致港口供电设备过载，有力保障港口综合电力供应系统的安全稳定运行。
-
公开(公告)号：CN114204595B
公开(公告)日：2023-09-05
申请号：CN202111519522.9
申请日：2021-12-13
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电力调度控制中心
Abstract: 本发明公开了一种需求侧灵活性资源参与电网自动发电控制方法及系统，所述方法包括：电网运行控制系统获取电网状态估计数据、基础电网信息，获取自动发电控制系统中发电侧发电计划信息、系统功率偏差信息、系统频率偏差信息，获取需求侧管理系统中灵活性资源台账信息、网络拓扑信息、可调度功率区间信息；对所述源网荷三侧数据进行多源数据融合，分析计算得到源网荷协调控制总目标；采用总体协调、分层优化的技术方法，建立三层功率调控的优化模型，实现对发电侧、需求侧灵活性资源的优化调度运行控制，从而实现需求侧灵活性资源主动参与到调度实时控制及辅助服务。
-
公开(公告)号：CN109816257B
公开(公告)日：2023-08-08
申请号：CN201910092972.0
申请日：2019-01-30
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电力调度控制中心 , 香港大学深圳研究院
IPC: G06Q10/0631 , G06Q10/067 , G06Q40/04 , G06Q50/06
Abstract: 本申请提供一种基于区块链的双源能源互联网交易方法及设备，其中方法包括：S10、将发电单元、供热单元、用户发布的数据信息打包成区块并加密，并在将区块传递给每个网络节点；S20、建立热负荷动态响应模型和最优化求解模型，基于区块中的供热需求数据求解出供热模型的最优解；S30、建立基于智能合约博弈的能源互联网电力最优化调度模型，利用区块中的电力需求数据求解出电力调度模型的最优解；S40、将求解后的最优解数据打包入区块并将区块发送全网，交易时间到达时，自动完成价值转移。本申请打破传统能源系统中供电、供热、供冷等不同能源相对封闭的壁垒，实现多能源的综合利用。
-
公开(公告)号：CN110648248B
公开(公告)日：2023-04-07
申请号：CN201910839181.X
申请日：2019-09-05
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电力调度控制中心
IPC: G06Q50/06 , G06Q10/04 , G06Q10/0631 , G06N20/00
Abstract: 本发明公开了一种发电站的控制方法，由于本申请中可以筛选出一部分与目标日的两类预估数据相似度最高的历史负荷数据以及历史环境数据，这部分数据与目标日的预估数据相似度最高，因此通过这部分数据对极限学习机进行训练可以提高预测结果的准确性，工作人员根据准确的预测结果安排目标日当天的发电站的调度出力，可以使得供需更加平衡，减少了电能的浪费，降低了电网运行成本。本发明还公开了一种发电站的控制装置及设备，具有如上发电站的控制方法相同的有益效果。
-
公开(公告)号：CN115580578A
公开(公告)日：2023-01-06
申请号：CN202211069344.9
申请日：2022-09-01
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电力调度控制中心
IPC: H04L45/74 , H04L45/121 , H04W40/02
Abstract: 本发明涉及电力通信技术领域，公开了一种面向多业务需求保障的路由选择方法及装置，包括：根据接收到的若干个业务请求，得到所述业务请求对应的目标馈线终端设备，并计算与所述目标馈线终端设备之间存在的若干条路由；根据所述业务请求的类型和所述路由，分别建立授时误差模型、短报文通信时延模型和定位误差模型，所述业务请求的类型包括授时、短报文通信和定位；根据所述授时误差模型、所述短报文通信时延模型和所述定位误差模型，建立路由选择模型；通过改进的epsilon‑greedy算法对所述路由选择模型进行计算，得到所述业务请求对应的最优路由。本发明在满足多业务需求保障的同时，提高了信息传输的效率和电网系统的工作效率。
-
Patent Agency Ranking
公开(公告)号：CN115099486A
公开(公告)日：2022-09-23
申请号：CN202210715709.4
申请日：2022-06-23
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电力调度控制中心
Abstract: 本申请公开了一种火电机组一次调频调节容量预测方法、装置、设备及介质，包括获取火电机组一次调频动作中第一特征变量、第二特征变量的历史运行数据，作为训练样本；利用模糊聚类算法将训练样本划分为k类工况，构建火电机组一次调频调节容量的预测聚类中心模型；基于预测聚类中心模型中的第一特征变量、第二特征变量，分别构建第一矩阵、第二矩阵；计算第一矩阵中两两元素的余弦距离，生成距离矩阵；计算待预测样本与第一矩阵的余弦距离，根据计算结果与距离矩阵，生成权重矩阵；根据权重矩阵和第二矩阵，得到待预测样本的一次调频调节容量预测结果。本申请在DCS系统选取特征变量并结合模糊聚类算法，减少了计算量并提高了预测精度。
-
公开(公告)号：CN114759557A
公开(公告)日：2022-07-15
申请号：CN202210452271.5
申请日：2022-04-27
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电力调度控制中心
Abstract: 本发明公开一种燃煤机组AGC调节性能预测方法，所述方法包括：根据燃煤机组的历史工况参数，选出预设时间段内所述燃煤机组处于稳定工况下的历史工况数据；根据所述历史工况数据识别出各个不含调频动作的AGC调节过程，得到各个AGC调节过程对应的AGC性能指标；将各个AGC调节过程对应的AGC性能指标、对应的历史工况参数作为样品数据输入预设的BP神经网络进行训练；结合当前处于稳定工况下的运行工况参数和所述BP神经网络，得到所述燃煤机组AGC调节性能的预测结果。采用本发明，动态掌握不同运行工况下机组的AGC调节性能，且结合神经网络提前对AGC调节性能进行准确预测。
-
公开(公告)号：CN114172270A
公开(公告)日：2022-03-11
申请号：CN202111511924.4
申请日：2021-12-06
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电力调度控制中心
Abstract: 本发明提供一种配电台区智能终端计算资源自适应分配方法及系统，采用配电台区智能终端，该终端采用了容器技术和微服务技术，通过软件定义的方式实现了配电台区智能终端的软件与硬件的解耦、数据与应用的解耦。同时，在利用配电台区智能终端对配电台区进行实时监控，考虑监控业务在正常运行状态、异常运行状态、故障运行状态这三种情况下的微服务组成以及微服务调用逻辑顺序的不同，进而配电台区智能终端的计算资源分配不同，以满足不同的计算资源需求。本发明提高了计算资源利用率，实现了计算资源的自适应分配。
-
公开(公告)号：CN109787240B
公开(公告)日：2022-03-01
申请号：CN201910233298.3
申请日：2019-03-26
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电力调度控制中心 , 华南理工大学
IPC: H02J3/06
Abstract: 本申请提供了一种主配网协调分布式潮流优化方法及相关设备，其中本申请的方法包括：根据配电网系统模型的拓扑关系，将配电网系统模型分为主网模型和配网模型；根据预置的潮流优化目标阈值，建立主配协调潮流优化模型，根据主配协调潮流优化模型，通过交替方向乘子计算方式，分别建立主网ADMM迭代优化模型和配网ADMM迭代优化模型；对主网ADMM迭代优化模型和配网ADMM迭代优化模型进行迭代运算，得到当前的主网优化参数和配网优化参数。本申请基于目标同步型交替方向乘子法的主配协调分布式潮流优化方法，无需统一的上层优化中心，以分布式的计算模式解决了现有的集中式优化度方法的计算和通信瓶颈问题，提升了主配协调的潮流优化效率。
-
公开(公告)号：CN114090203A
公开(公告)日：2022-02-25
申请号：CN202111351458.8
申请日：2021-11-15
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电力调度控制中心
Abstract: 本发明公开了一种配用电物联网边缘计算任务卸载方法、装置及系统，其中，所述方法包括：在第N个时间戳中：获取业务请求信息；将所述业务请求信息输入至深度学习模型，生成若干个备用任务卸载策略；基于预设置的评分标准，从若干个所述备用任务卸载策略中确定所述时间戳对应的最优任务卸载策略；根据所述最优任务卸载策略进行任务卸载。上述方法基于深度学习设置了任务卸载策略，该任务卸载策略充分考虑了配用电物联网快速分析海量数据和提取数据特征的需求，以深度增强学习为算法核心，将业务请求信息和终端计算资源配置作为输入，输出某一时间戳的最优任务卸载策略，有效提高了计算资源的利用率。
-
-
-
-
-
-
-
-
-
Search Results
136
records
(took 0.072 seconds)
