-
公开(公告)号：CN111555266B
公开(公告)日：2021-08-17
申请号：CN202010272358.5
申请日：2020-04-09
Applicant: 清华大学
Abstract: 本发明提出一种基于可靠性约束的配电网自动化系统综合规划方法，属于电力系统规划与评估技术领域。该方法将配电网自动化系统统筹规划，其中配电网自动化系统包括断路器、刀闸、馈线终端控制单元和控制中心；建立由目标函数和约束条件构成的配电网可靠性评估优化模型，对模型求解得出满足系统可靠性要求的断路器、刀闸、馈线终端控制单元的安装位置，以及是否需要建设配电自动化系统控制中心。在可靠性约束中，该方法同时考虑了故障后断路器跳闸、故障自动及人工隔离和基于网络重构的受影响负荷供电恢复。本发明方法简单方便，且能保证所得到的规划方案的最优性。
-
公开(公告)号：CN108122054B
公开(公告)日：2021-08-17
申请号：CN201810124291.3
申请日：2018-02-07
Applicant: 清华大学 , 全球能源互联网研究院有限公司 , 国网上海市电力公司 , 国家电网公司
Abstract: 本发明涉及一种基于图计算的电力系统拓扑实时计算方法，属于电力系统运行调度技术领域。本方法结合互联网领域最新提出的图计算技术，充分考虑以节点为中心的计算特性，将拓扑分析转化成最小值传播的过程，并通过对节点存储的数据结构和节点之间信息传递方式的设计，使得每个节点的计算仅依赖其自身节点、相邻节点和边的信息。本方法设计了节点在活跃状态和休眠状态的转换机制，最大程度减少了冗余计算。本发明方法提高了节点计算的可并行性和计算效率，克服了原有算法在拓扑检索过程中由于函数的递归和回溯产生内存占用问题。该方法可以用于能量管理系统的在线分析应用，对电力系统实时优化调度以及电力系统安全性可靠性的在线分析具有重要意义。
-
公开(公告)号：CN113077166A
公开(公告)日：2021-07-06
申请号：CN202110411473.0
申请日：2021-04-16
Applicant: 国网吉林省电力有限公司 , 清华大学
Abstract: 本发明属于电网调度技术领域，尤其涉及一种基于马尔可夫决策过程的社区储能调度方法。本发明方法首先建立一个基于马尔可夫决策过程的社区储能调度方法，将社区储能管理模型改写为贝尔曼方程，利用最优策略的阈值方法，求解与社区储能调度模型等价的贝尔曼方程，得到社区储能设备的调度结果。本发明的基于马尔可夫决策过程的社区储能调度方法，在考虑可再生能源发电，价格和需求等市场不确定性的情况下，建立了储能作为价格制定者的储能管理模型。其中考虑了大规模储能参与市场影响价格即作为价格制定者的情况，因此更符合实际，可以更好指导基于生产消费者的社区利用储能来获得利益。
-
公开(公告)号：CN112883662A
公开(公告)日：2021-06-01
申请号：CN202110136428.9
申请日：2021-02-01
Applicant: 清华大学
IPC: G06F30/28 , G06F119/08
Abstract: 本发明涉及一种蒸汽供热网络动态运行水力状态估计方法，所述方法包括：获取参数，所述参数包括每条管道的蒸汽流量G、蒸汽流速v、蒸汽密度ρ、蒸汽压强p、管道内径D、管道倾角α，节点数N和支路数M；将所述参数输入到状态估计模型中；所述状态估计模型根据所述参数确定水力状态。本发明提出的蒸汽供热网络动态运行水力状态估计方法及系统，从而适应工程现场的蒸汽网络动态工况，对蒸汽网络的水力运行状态做出精确估计，提高水力运行数据的采集质量，确保网络处于安全运行状态。
-
-
Patent Agency Ranking
公开(公告)号：CN112507605A
公开(公告)日：2021-03-16
申请号：CN202011217937.6
申请日：2020-11-04
Applicant: 清华大学
Abstract: 本发明公开了一种基于AnoGAN的配电网异常检测方法，该基于AnoGAN的配电网异常检测方法包括以下步骤：S1，基于AnoGAN的配电网模型训练，包括对配电网模型中判别器和生成器的训练；S2，对完成训练的基于AnoGAN的配电网模型进行异常检测，包括通过正常样本训练模型得出正常测试数据，评估正常测试数据和实测数据之间的差异量，通过差异量判断实测数据是否满足要求；S3，对配电网模型进行子网络模型分区，并对并行的子网络模型AnoGANs进行异常检测；S4，通过十字绣单元法对子网络模型AnoGANs进行参数处理；S5，通过DCGAN的网络结构模式稳定子网络模型AnoGANs的训练。根据本发明的基于AnoGAN的配电网异常检测方法，提高了检测结果的精确度，具有更好的鲁棒性和适应性。
-
公开(公告)号：CN112507603A
公开(公告)日：2021-03-16
申请号：CN202011212711.7
申请日：2020-11-03
Applicant: 清华大学
Abstract: 本发明公开了一种基于DNN算法的电力系统鲁棒优化极端场景的识别方法，包括：先构建数据集，再构建DNN算法，然后训练DNN算法，训练DNN算法可以包括：设置参数、数据计算、数据输出、选取代价函数、反向传播和判断是否训练结束，若训练结束，则可以对识别极端场景，利用训练后的DNN算法识别极端场景，其中，数据集用于DNN算法的训练和测试，数据集中的每条数据均包括输入部分和输出部分，其中输入部分由盒式不确定集确定，盒式不确定集包括：m个负荷功率和n个光伏发电出力，输出部分由极端场景的类别确定。根据本发明实施例的基于DNN算法的电力系统鲁棒优化极端场景的识别方法，可以简化求解极端场景的步骤，以提高识别极端场景的效率。
-
公开(公告)号：CN111130118B
公开(公告)日：2021-02-02
申请号：CN202010022580.X
申请日：2020-01-09
Applicant: 清华大学
IPC: H02J3/06
Abstract: 本发明涉及一种基于分段线性化的电力系统最优潮流计算方法，属于电力系统运行优化领域。该方法首先建立由目标函数和约束条件构成的最优潮流的混合整数非线性规划模型；然后对混合整数非线性规划模型中的非线性部分进行分段线性化处理，包括二次发电成本等式约束、电容器调节约束、潮流方程约束；整理得到分段线性化后的最优潮流模型；对分段线性化后的最优潮流模型求解，得到模型的最优解，包括所有发电机、连续无功设备、电容器、变压器的最优设定参考值，实现电力系统的最优潮流。本发明通过分段线性化方法精确近似电力系统潮流模型，保证最优潮流问题的高效可靠求解，进而实现电力系统安全高效运行。
-
公开(公告)号：CN112084633A
公开(公告)日：2020-12-15
申请号：CN202010838019.9
申请日：2020-08-19
Applicant: 清华大学 , 中电智慧综合能源有限公司
IPC: G06F30/20 , G06Q50/06 , G06F111/04 , G06F111/06
Abstract: 本发明涉及一种计及蒸汽网络动态特性的电热耦合系统优化调度方法，属于综合能源系统的运行控制技术领域。本方法以电热耦合系统运行成本最小化作为目标函数，建立了电力网络和蒸汽网络运行的约束条件，蒸汽网络运行的约束条件中计及了蒸汽网络动态特性。建立了紧凑格式的电热耦合系统优化调度模型，进而转成子问题优化模型和主问题优化模型，通过迭代求解获得计及蒸汽网络动态特性的电热耦合系统优化调度模型的最优解。本方法能够充分发挥不同能流特性，提升综合能源利用效率。通过将优化模型转换为子问题优化模型和主问题优化模型进行迭代求解，能够适用于电热耦合系统存在多主体的现状，充分保证电力网络主体和蒸汽网络主体的信息安全。
-
公开(公告)号：CN111952956A
公开(公告)日：2020-11-17
申请号：CN202010625594.0
申请日：2020-07-02
Abstract: 本发明涉及一种考虑电压敏感负荷备用的电力系统调度方法，属于电力系统的运行控制技术领域。本方法建立了由电力系统基态运行点模型、电压敏感负荷范围评估模型和电力系统调度的优化目标共同构成的电力系统调度模型，通过求解该调度模型，获得考虑电压敏感负荷备用的电力系统调度方案。本方法能够充分利用电压敏感负荷的调节能力对电力系统备用容量进行补充，帮助电力系统进行有功功率控制。同时，该本发明方法能够在满足电压稳定指标约束的前提下实现电力系统售电收益最大化，保证电力系统安全经济运行。
-
-
-
-
-
-
-
-
-
Search Results
745
records
(took 0.08 seconds)
