-
公开(公告)号：CN119674916A
公开(公告)日：2025-03-21
申请号：CN202411477970.0
申请日：2024-10-22
Applicant: 三峡大学
IPC: H02J3/00 , G06N3/006 , G06N3/0442 , G06N3/0985
Abstract: 计及最优参数的两阶段网供负荷预测方法，定义适用于负荷预测的集成经验模态分解EEMD评价指标，采用花授粉算法FPA求解评价指标最小下的分解参数最优解；再次利用花授粉算法FPA对双向门控循环递归单元BiGRU进行超参数寻优，建立各模态分量预测模型，得到各模态分量初步预测结果；叠加各模态分量初步预测结果和实际值进行作差，得到误差序列作为输出，各模态分量结合短期因素作为的输入，建立两者之间的映射关系，从而进行误差校正值，得到最终负荷预测结果。本发明一种计及最优参数的两阶段网供负荷预测方法，能够针对具有强非线性和高波动性的负荷序列进行较高精度的负荷预测。
-
公开(公告)号：CN119417436A
公开(公告)日：2025-02-11
申请号：CN202411272224.8
申请日：2024-09-11
Applicant: 三峡大学
IPC: G06Q10/20 , G06Q10/0631 , G06Q50/06 , G06F30/27 , G06N7/02 , G06N3/006 , G06F113/04 , G06F111/06 , G06F111/04
Abstract: 计及可再生能源接入的发电机组多目标检修优化调度方法，建立可再生能源出力与负荷的不确定模型；考虑经济性目标、可靠性目标以及可再生能源的消纳量目标，选取最小化总成本、最小化备用容量平方和以及最小化弃风弃光量进行综合评价，构建多目标机组检修优化模型；将系统功率平衡约束和备用容量约束转化为具有明确等价性的确定性约束；基于模糊理论选取各目标的隶属度函数，将多目标机组检修优化模型转化为单目标机组检修优化模型；利用改进蚁群算法对基于模糊理论转化而成的单目标机组检修优化模型进行求解，得到最大满意度时同时得到各机组的检修与运行状况。该方法应用于电网安排发电机组检修调度，提高经济效益、可靠性以及可再生能源消纳量。
-
公开(公告)号：CN118611023A
公开(公告)日：2024-09-06
申请号：CN202410485494.0
申请日：2024-04-22
Applicant: 三峡大学
IPC: H02J3/00 , G06F18/27 , G06F30/27 , G06F119/02
Abstract: 基于LASSO回归和LSTM‑GRU神经网络的综合能源系统负荷预测方法，包括以下步骤：通过LASSO回归方法对气象因素进行筛选分析，筛选出与多元负荷具有强相关性的气象因素；利用LSTM神经网络对中筛选出的气象因素数据以及历史样本数据进行学习与训练，得到综合能源负荷的初步预测值，并通过初步预测值求取负荷预测误差，作为误差补偿模型的输入；建立误差补偿模型，通过GRU神经网络模型对负荷预测误差进行训练，得到综合能源系统的负荷误差预测值，进而求得误差补偿值，对初步预测值进行重构，输入同一个样本数据的负荷预测值和误差补偿值，将二者求和反归一化处理后得到最终负荷预测结果。该方法能够有效的提升综合能源系统多元负荷预测精度，具有较强的实用性。
-
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
IPC: G06Q30/0201 , G06Q10/04 , G06Q50/06 , G06Q10/067
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。
-
公开(公告)号：CN118863152A
公开(公告)日：2024-10-29
申请号：CN202410894431.0
申请日：2024-07-04
Applicant: 三峡大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/006 , G06N3/08
Abstract: 本发明公开了一种基于误差校正的小水电负荷预测方法，包括，通过集成经验模态分解EEMD将小水电负荷数据进行分解成若干模态分量，降低数据的复杂程度，并利用基于多浣熊目标算法MOCOA对BiLSTM神经网络的超参数进行寻优，得到最佳的参数组合，建立负荷预测模型，得出初步预测数值；然后综合考虑上阶段的真实值和预测值作差所得误差序列和外界影响因素的误差数据集，建立误差校正模型，得到误差校正值，然后叠加两个阶段的预测值，为最终的负荷预测结果。
-
Patent Agency Ranking
公开(公告)号：CN119891371A
公开(公告)日：2025-04-25
申请号：CN202411800726.3
申请日：2024-12-09
Applicant: 三峡大学
Abstract: 一种计及碳捕集电厂的含氢储能系统优化调度方法，包括：分析碳捕集机组与氢储能系统协同运行特性；根据氢储能运行原理，建立氢储能出力模型；引入氢储能出力模型，构建考虑碳交易机制的氢储能‑碳捕集联合运行低碳调度模型；选取机组出力作为决策变量，以系统综合成本最优化为目标，同时考虑机组运行约束与系统安全性约束以及风电出力以及负荷出力具有不确定性,对低碳调度模型进行求解。本发明提出的模型兼顾了系统运行的经济性与低碳性，有效提升了新能源的消纳水平。
-
公开(公告)号：CN119010132A
公开(公告)日：2024-11-22
申请号：CN202411024801.1
申请日：2024-07-29
Applicant: 三峡大学
Abstract: 本发明公开了一种基于电价指导用户充电选择的电动汽车充放电调度三阶段优化方法，充电代理商提供不同的充电方式供用户选择，建立基于电动汽车充电信息和分时电价的用户充电选择模型，电动汽车用户根据到达状态和分时电价选择充电方式；对不同充电方式的电动汽车进行差分组调度，实现电网和用户的需求；基于用户充电选择和电动汽车充电信息，预测不同时段的充电负荷，指导充电代理购电；电动汽车调度基于优先级，考虑了电动汽车的充放电切换次数，本发明可应用于解决用电高峰期内大量电动汽车并网，电网侧供电压力大问题，制定合理地充放电策略，从而缓解电网供电压力，达到“削峰填谷”的效果。
-
公开(公告)号：CN119518866A
公开(公告)日：2025-02-25
申请号：CN202411511317.1
申请日：2024-10-28
Applicant: 三峡大学
Abstract: 一种考虑电氢耦合的混合储能系统两阶段规划方法，包括：建立混合储能系统各装置出力模型；建立第一阶段丰能期容量优化配置模型；建立第二阶段枯能期容量优化配置模型；建立负载失电率与能量过剩率评价指标；对微电网混合储能系统两阶段规划模型进行求解。本发明可用于平抑新能源新能源波动，提升电力系统运行稳定性。
-
公开(公告)号：CN119417426A
公开(公告)日：2025-02-11
申请号：CN202411285797.4
申请日：2024-09-13
Applicant: 三峡大学
IPC: G06Q10/101 , G06Q10/20 , G06Q30/0283 , G06Q50/06 , G06F17/10 , H02J3/46
Abstract: 计及调峰充裕度的多源系统机组检修与机组组合协同优化方法，建立具有储能和发电功能的抽水蓄能电站、风电场、火电厂、水电站以及用户负荷组成的多源系统，计算多源系统总的调峰能力；计算多源系统的调峰需求；推导出调峰充裕度，调峰充裕度表示电力系统的调峰能力与调峰需求之间的关系；构建多源系统机组检修与机组组合协同优化模型，使得机组检修成本、机组运行成本以及系统调峰过剩或缺额惩罚成本最小；求解得到各机组的最优检修与运行状态。该方法可为电网调度部门制定发电机组检修计划提供依据，可提高电力系统运行的经济性与可靠性。
-
公开(公告)号：CN119205620A
公开(公告)日：2024-12-27
申请号：CN202411101599.8
申请日：2024-08-12
Applicant: 三峡大学
IPC: G06T7/00 , G06V20/17 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明属于计算机视觉技术领域，具体提供一种基于改进EfficientNet的海上风机叶片表面早期缺陷识别方法，包括：构建网络模型，选择EfficientNet作为特征提取网络并对其进行改进，结合改进后的双向特征金字塔结构实现特征的提取和处理，在检测部分引入Focal‑EIOU和Focal Loss损失函数计算位置损失和分类损失；构建海上风机叶片图像数据集，对图像上的缺陷进行标注，基于所述数据集构建训练集、验证集和测试集；基于制作的图像数据集训练网络模型，得到海上风机叶片表面早期缺陷识别模型；将待识别的海上风机叶片图像输入至所述海上风机叶片图像识别模型，得到海上风机叶片缺陷检测结果。该方法能够实现海上风机叶片早期缺陷检测及分类工作，有利于叶片的检修维护工作。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.015 seconds)
