基于联邦深度生成式学习的可再生能源时空场景生成方法

    公开(公告)号:CN113673159A

    公开(公告)日:2021-11-19

    申请号:CN202110957064.0

    申请日:2021-08-19

    Abstract: 一种基于联邦深度生成式学习的可再生能源出力时空场景生成方法,其特点是,包括:对可再生能源历史数据进行归一化处理并将其重塑为24×24的数组矩阵;设计全局最小二乘生成对抗网络模型,并在中心服务器中初始化全局模型;将全局模型部署到各个客户端(可再生能源电站);随机选择一定数量的客户端,被选中的客户端利用历史数据对本地模型进行训练;当达到设定的通信间隔时,客户端将本地模型的参数上传至中心服务器;中心服务器对上传的模型参数进行加权平均,并将其作为新的全局模型参数;中心服务器重新将全局模型部署到各个客户端;不断重复迭代。最终能够生成高质量的捕捉时空相关性的可再生能源场景。

    不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法

    公开(公告)号:CN113610316B

    公开(公告)日:2023-10-03

    申请号:CN202110955504.9

    申请日:2021-08-19

    Abstract: 本发明是一种在不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法,其特点是,首先,构建一种以实现最小运行成本为目标的园区综合能源系统(community integratedenergy system,CIES)调度模型;然后,采用序列运算理论(sequence operation theory,SOT)和线性化方法将原调度模型转化为确定性混合整数线性规划模型;最后,采用CPLEX求解器求解模型,得到全局最优解,获得CIES的最优调度方案,有效的解决了现有技术中的不足,能够有效引导用户参与需求响应,同时降低系统总运行成本,促进可再生能源的消纳,具有方法科学合理、适用性强、效果佳等优点。

    不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法

    公开(公告)号:CN113610316A

    公开(公告)日:2021-11-05

    申请号:CN202110955504.9

    申请日:2021-08-19

    Abstract: 本发明是一种在不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法,其特点是,首先,构建一种以实现最小运行成本为目标的园区综合能源系统(community integratedenergy system,CIES)调度模型;然后,采用序列运算理论(sequence operation theory,SOT)和线性化方法将原调度模型转化为确定性混合整数线性规划模型;最后,采用CPLEX求解器求解模型,得到全局最优解,获得CIES的最优调度方案,有效的解决了现有技术中的不足,能够有效引导用户参与需求响应,同时降低系统总运行成本,促进可再生能源的消纳,具有方法科学合理、适用性强、效果佳等优点。

Patent Agency Ranking