一种面向电热氢多能耦合系统的多元负荷预测方法及系统

    公开(公告)号:CN119476545A

    公开(公告)日:2025-02-18

    申请号:CN202411014667.7

    申请日:2024-07-26

    Applicant: 三峡大学

    Abstract: 本发明提供一种面向电热氢多能耦合系统的多元负荷预测方法,包括以下步骤:S1获取数据,构建多元负荷预测特征数据集;S2根据特征数据集,采用斯皮尔曼相关性分析方法对数据之间的相关性进行分析,针对异常数据,采用变分自编码器算法进行检测和重构,完成整个特征数据集的重构;S3将数据集划分为训练集、测试集和验证集;S4、构建一种结合多头概率稀疏自注意力机制的多层堆叠BiLSTM多元负荷预测模型;S5将训练集和验证集引入组合模型中训练,得到最优的模型参数,然后把测试集输入到组合模型中,完成多元负荷预测。本发明考虑了数据之间的耦合特性,并且能够从电热氢多能耦合系统的特征数据集中提取关键要素,可以有效提高预测精度和计算效率。

    一种基于EEMD-KPCA-CNN-BiLSTM的变压器故障诊断方法

    公开(公告)号:CN117520809A

    公开(公告)日:2024-02-06

    申请号:CN202311263510.3

    申请日:2023-09-27

    Applicant: 三峡大学

    Abstract: 一种基于EEMD‑KPCA‑CNN‑BiLSTM的变压器故障诊断方法,包括以下步骤:步骤S1:采集变压器的油中溶解气体数据、温度数据、环境风速数据和对应的故障率,利用皮尔逊相关系数分析法,分析各状态变量与故障率的关系;步骤S2:利用集成经验模态分解对上述变量序列进行分解,将原始变量信号中的不同尺度波动逐级分级出来,产生不同尺度的数据序列,去除噪音信号;步骤S3:利用核主元分析筛选出影响故障率的关键因子,降低模型输入参数的维度;步骤S4:利用CNN在高维空间提取特征集与故障率间的特征向量。本发明提出了一种基于EEMD‑KPCA‑CNN‑BiLSTM的变压器故障预测方法,能够挖掘变压器运行状态参量和外部环境对变压器运行状态的影响,提高电网的可靠性和可用性。

    量化输入和输出约束的不确定非线性系统镇定控制方法

    公开(公告)号:CN119861560A

    公开(公告)日:2025-04-22

    申请号:CN202411821476.1

    申请日:2024-12-11

    Applicant: 三峡大学

    Abstract: 本发明提供一种量化输入和输出约束的不确定非线性系统镇定控制方法,包括步骤:通过将输出滤波并转换成状态方程,构造一个扩展系统;采用模糊逻辑逼近未知的非线性项;采用扰动估计器去估计未知的外部扰动;为了估计不确定的非线性系统状态构造了一种非脆弱鲁棒模糊自适应观测器;由于存在多种不确定,通过一个约束方程约束系统的输出,提升系统的鲁棒性;提出一种双曲正切型自适应量化控制器,使得非线性系统能够达到镇定目的且输出约束在预定曲线中;最后通过一个单连杆机械手验证所提出的控制方案的有效性和适用性。本发明提高了多源扰动非线性系统的鲁棒性,能够有效削弱和补偿各种不确定对受控系统的影响。

    一种基于分布鲁棒机会约束的梯级水风光储优化竞价方法

    公开(公告)号:CN119027148A

    公开(公告)日:2024-11-26

    申请号:CN202410915747.3

    申请日:2024-07-09

    Applicant: 三峡大学

    Abstract: 一种基于分布鲁棒机会约束的梯级水风光储优化竞价方法,包括以下步骤:S1、收集梯级水电站、风电场、光伏电站的历史数据;并拟合表征该地区风光出力联合概率分布模型和各水电站水位‑库容、尾水位‑泄量的关系;S2、根据梯级水风光储联合调度特性、梯级水电站和储能的调节能力,采用时间参数描述梯级水风光储系统竞价出力策略,并设置梯级水风光储短期协同竞价的策略;S3、构建电能‑调频市场下梯级水风光储系统的最大收益竞价优化双层竞价模型;S4、基于步骤S3通过分布鲁棒机会约束表征为风光出力不确定性的约束,对含有风光出力的等式和不等式进行改写;S5、对构建的模型进行线性化处理,得到混合整数线性规划模型;S6、对混合整数线性规划模型采用GUROBI进行求解,获得系统最佳投标模式和竞价策略。

    一种基于OOA-CNN-BiLSTM的变压器故障预测方法

    公开(公告)号:CN117688357A

    公开(公告)日:2024-03-12

    申请号:CN202311263508.6

    申请日:2023-09-27

    Applicant: 三峡大学

    Abstract: 一种基于OOA‑CNN‑BiLSTM的变压器故障预测方法,包括以下步骤:步骤S1:采集变压器的油中溶解气体数据、温度数据、环境风速数据;步骤S2:通过关联规则挖掘变压器状态参量间的相关性,结合变权思想进行综合状态评估,引入指数函数建立表征变压器运行状态的故障率模型,并将其作为预测状态参量;步骤S3:分别从油中溶解气体、温度和环境风速三个因素构建变压器故障预测特征集;步骤S4:利用CNN在高维空间提取特征集与故障率间的特征向量;本发明所要解决的技术问题是提供一种基于OOA‑CNN‑BiLSTM的变压器故障预测方法,能够挖掘变压器运行状态参量和外部环境对变压器运行状态的影响,减少停电事故的发生,提高电网的可靠性和可用性。

    一种全生命周期视角的电氢氨综合能源系统优化调度方法

    公开(公告)号:CN119168190A

    公开(公告)日:2024-12-20

    申请号:CN202411014672.8

    申请日:2024-07-26

    Applicant: 三峡大学

    Abstract: 本发明提供一种全生命周期视角的电氢氨综合能源系统优化调度方法,包括以下步骤:S1、搭建电氢氨综合能源系统模型;S2、对电氢氨综合能源系统进行全生命周期碳排放评估,精确获取全周期的系统的所有碳排放数据;S3、将S2中求得的碳排放系数引入碳交易模型中,搭建奖惩阶梯碳交易机制模型;S4、以总运行成本最小为目标函数,设定约束条件,构建电氢氨综合能源系统优化调度模型;S5、对历史数据的特征和概率分布建模,描述分布规律,进行场景生成和削减;S6、对调度模型进行求解,得出最优调度结果。本发明从全生命周期视角分析系统的碳排放,可以有效提升能源利用效率和可再生能源的应用比例,推动能源系统的低碳化和可持续发展。

Patent Agency Ranking