-
公开(公告)号：CN117318084A
公开(公告)日：2023-12-29
申请号：CN202311060348.5
申请日：2023-08-22
Abstract: 本发明公开计及新能源实时响应风险的AGC指令多源协调分配方法，包括以下步骤：1)确定不同品类调频资源的调节优先级顺序；所述品类包括上调频和下调频；2)在同一品类调频资源间，基于调频资源调节特性预分配AGC指令；3)在实时运行t0时间前，对新能源机组进行超短期概率预测，并确定各新能源机组的可靠调频容量；根据可靠调频容量，将新能源机组的AGC指令分配给各新能源机组；对除新能源机组以外调频资源的AGC指令进行分配。本发明在满足系统调频需求的前提下尽可能避免了新能源随机波动对其AGC指令实时响应能力的负面影响。
-
公开(公告)号：CN116882657A
公开(公告)日：2023-10-13
申请号：CN202310732773.8
申请日：2023-06-20
Applicant: 国网重庆市电力公司 , 国网重庆市电力公司电力科学研究院 , 重庆大学
IPC: G06Q10/0631 , G06Q50/06
Abstract: 本发明公开计及非凸特性的负荷侧资源聚合响应主体灵活调节能力边界近似刻画方法，包括以下步骤：1)构建含负荷侧资源聚合响应主体的运行调度模型；2)利用顶点搜索方法对含负荷侧资源聚合响应主体的运行调度模型进行处理，获得基本灵活调节能力凸近似域；3)检验基本灵活调节能力凸近似域的可行性，若基本凸近似域每个边界面上存在不可行点，进入步骤4)，否则以基本灵活调节能力凸近似域作为内接修正凸近似域，并进入步骤5)；4)对不可行点进行修正，从而获得内接修正凸近似域；5)利用顶点搜索算法对内接修正凸近似域进行处理，获得低复杂度的内接凸近似域。本发明解决了现有技术由于模型非凸而出现灵活调节能力刻画计算失败的问题。
-
-
公开(公告)号：CN110829434A
公开(公告)日：2020-02-21
申请号：CN201910938908.X
申请日：2019-09-30
Applicant: 重庆大学 , 国网重庆市电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种提高深度神经网络潮流模型扩展性的方法，主要步骤为：1)获取电力系统基本数据；2)确定特征向量；3)建立原始DNN潮流模型；4)对原始DNN潮流模型进行训练，得到训练后的原始DNN潮流模型；5)对原始DNN潮流模型进行扩建，得到扩建DNN潮流模型；6)对扩建系统概率潮流进行解算，得到概率潮流结果。本发明可广泛应用于电力系统的概率潮流求解，特别适用于因系统扩建导致原始系统DNN无法适用的情况。
-
Patent Agency Ranking
-
公开(公告)号：CN109784692A
公开(公告)日：2019-05-21
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：CN109599872A
公开(公告)日：2019-04-09
申请号：CN201811633643.4
申请日：2018-12-29
IPC: H02J3/06
Abstract: 本发明公开了基于堆栈降噪自动编码器的电力系统概率最优潮流计算方法，主要步骤为：1)建立SDAE最优潮流模型。2)获取SDAE最优潮流模型输入层的输入样本X。3)对SDAE最优潮流模型进行初始化。4)对SDAE最优潮流模型进行训练，从而得到训练后的SDAE最优潮流模型。5)采用MCS法对待计算概率潮流的电力系统的随机变量进行抽样，从而获取计算样本。6)将步骤5得到的训练样本数据一次性输入步骤4中训练完成的SDAE最优潮流模型中，从而计算出最优潮流在线概率。7)对所述最优潮流在线概率进行分析，即绘制SDAE最优潮流模型的输出变量的概率密度曲线。本发明可广泛应用于电力系统的概率最优潮流求解，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：CN108734391A
公开(公告)日：2018-11-02
申请号：CN201810430636.8
申请日：2018-05-08
Applicant: 重庆大学
Abstract: 本发明公开一种基于堆栈降噪自动编码器的电-气综合能源系统概率能流量计算方法。首先借助SDAE的深层堆栈结构以及编码解码过程，建立基于SDAE的能量流模型以有效挖掘非线性能量流方程的高阶特征。在此基础上，结合能量流输入输出的数值特点，提出基于ReLU激活函数、离差标准化归一化以及小批量梯度下降法的训练方法，以提高训练精度与速度。然后，结合MCS法抽样出待解样本，使用训练后的SDAE能量流模型直接映射出所有抽样样本的能量流值，从而在不增加硬件成本的前提下实现概率能量流的高精度在线计算。
-
公开(公告)号：CN108336739A
公开(公告)日：2018-07-27
申请号：CN201810033786.5
申请日：2018-01-15
Applicant: 重庆大学
IPC: H02J3/06
Abstract: 本发明公开了一种基于RBF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RBF神经网络概率潮流模型。2)获取所述RBF神经网络概率潮流模型的训练样本x。3)对所述训练样本数据x进行处理。4)对所述RBF神经网络概率潮流模型进行训练。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RBF神经网络概率潮流模型中，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。将计算样本数据进行反归一化处理。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。
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.064 seconds)
