一种路-电耦合网络下电动汽车充电负荷预测方法

    公开(公告)号:CN111047120B

    公开(公告)日:2024-02-06

    申请号:CN202010052896.3

    申请日:2020-01-17

    Applicant: 东南大学

    Inventor: 袁泉 汤奕 王琦

    Abstract: 本发明公开了一种路‑电耦合网络下电动汽车充电负荷预测方法,该方法首先提出电动汽车充电负荷预测方法,包括电动汽车单体充电负荷预测模型和电动汽车聚合充电负荷预测模型,在考虑道路、交通信息对电动汽车行驶行为产生影响的同时,准确预测电动汽车充电负荷的时空分布特性;然后提出路‑电耦合网络框架,运用实际道路及电网的网络拓扑进行抽象建模,并提出路‑电耦合网络负荷功率归算方法,将路网中的电动汽车充电功率与电网中电动汽车以外负荷功率耦合;最后验证运用上述负荷预测方法能够准确预测大规模电动汽车充电负荷的时空分布,为电网的规划与运行提供帮助。

    一种抑制负荷过响应的分散式调控参数优化方法

    公开(公告)号:CN112993983A

    公开(公告)日:2021-06-18

    申请号:CN202110219581.8

    申请日:2021-02-26

    Applicant: 东南大学

    Inventor: 叶宇剑 袁泉 汤奕

    Abstract: 本发明属于电力系统运行与调控领域,公开了一种抑制负荷过响应的分散式调控参数优化方法,包括如下步骤:以微网中功率连续可调的负荷和对延迟使用的负荷进行共同调控,并建立负荷需求响应模型;基于深度强化学习的双延迟深度确定性策略梯度算法,进行微网中各节点负荷的调控参数优化,制定辅助调控参数,改变功率连续可调的负荷的最大功率上限和/或改变延迟使用的负荷的最大可转移时间上限,进行降低微网的网络阻塞和网损。

    一种考虑延时矩阵的电力信息物理耦合系统动态建模方法

    公开(公告)号:CN108509751B

    公开(公告)日:2022-02-15

    申请号:CN201810388729.9

    申请日:2018-04-27

    Applicant: 东南大学

    Inventor: 王琦 袁泉 汤奕

    Abstract: 本发明公开了一种基于延时矩阵的电力信息物理耦合系统动态建模方法,该方法首先把电力信息物理系统(CPS)抽象形成CPS单元三层框架,包括物理实体层、信息物理耦合层、信息系统层,然后给出电力CPS单元耦合建模整体框架,针对实际电网的网络拓扑结构进行建模,计算出各节点之间的距离矩阵及延时矩阵,在不同时间断面发生故障的情形下制定不同安稳控制策略,最后验证运用上述动态建模方法能使CPS中的三层框架协调运作,灵活应对电力信息物理耦合系统中物理层和信息层的故障,对电力系统安全稳定分析有意义。

    一种考虑延时矩阵的电力信息物理耦合系统动态建模方法

    公开(公告)号:CN108509751A

    公开(公告)日:2018-09-07

    申请号:CN201810388729.9

    申请日:2018-04-27

    Applicant: 东南大学

    Inventor: 王琦 袁泉 汤奕

    Abstract: 本发明公开了一种基于延时矩阵的电力信息物理耦合系统动态建模方法,该方法首先把电力信息物理系统(CPS)抽象形成CPS单元三层框架,包括物理实体层、信息物理耦合层、信息系统层,然后给出电力CPS单元耦合建模整体框架,针对实际电网的网络拓扑结构进行建模,计算出各节点之间的距离矩阵及延时矩阵,在不同时间断面发生故障的情形下制定不同安稳控制策略,最后验证运用上述动态建模方法能使CPS中的三层框架协调运作,灵活应对电力信息物理耦合系统中物理层和信息层的故障,对电力系统安全稳定分析有意义。

    一种面向含大规模产消者社区的可扩展能量管理协同方法

    公开(公告)号:CN114021815A

    公开(公告)日:2022-02-08

    申请号:CN202111302186.2

    申请日:2021-11-04

    Applicant: 东南大学

    Inventor: 叶宇剑 袁泉 汤奕

    Abstract: 本发明公开了一种面向含大规模产消者社区的可扩展能量管理协同方法,该方法首先提出一种将参数共享与优先深度确定性策略梯度算法相结合的方法,通过智能体间的策略与经验共享以提升学习效率并降低训练难度。其次,构建端对端交易平台以协同社区内产消者的电能交易与共享;执行奖励修正以避免反弹峰值以保护本地配电网的安全运行;以可信任第三方向产消者提供有关社区市场的全局信息,在保护各产消者隐私的同时有效减轻了环境非静态性,提升了算法的可扩展性。最后通过实施例验证运用所述方法能够协助大规模能源社区中多产消者的交互及协同优化,保护产消者隐私信息并削减其运行成本,且与现有技术相比提高了运算效率,降低了运算复杂度。

    图卷积和深度置信网络的电动汽车负荷优化方法

    公开(公告)号:CN114202127B

    公开(公告)日:2025-01-17

    申请号:CN202111556287.2

    申请日:2021-12-18

    Applicant: 东南大学

    Inventor: 袁泉 叶宇剑 汤奕

    Abstract: 本发明公开图卷积和深度置信网络的电动汽车负荷优化方法,利用图卷积网络提取路网大量不确定性特征数据,然后通过数据驱动的方法训练深度置信网络,输出电动汽车的最优充电负荷分布,在应对路网不确定性的同时优化电动汽车充电负荷分布,并量化分析优化结果对路网及电网的影响。所述负荷优化方法。本发明电动汽车负荷优化方法基于图卷积和DBN的数据驱动优化方法,能够泛化影响电动汽车充电负荷的不确定性因素,准确高效地优化电动汽车充电负荷;与求解非线性优化模型相比,本发明计算难度低、求解速度快,对不确定性因素的泛化性能更强;与现有的深度神经网络等技术相比,本发明的优化结果更为准确,降低用户充电成本的效果更为显著。

    一种路网与电网耦合网络的碳排放量化方法

    公开(公告)号:CN115438292A

    公开(公告)日:2022-12-06

    申请号:CN202210986103.4

    申请日:2022-08-17

    Abstract: 本发明提供了一种路网与电网耦合网络的碳排放量化方法,实现对城市交通路网与配电网形成的耦合网络的整体碳排放进行量化计算,具体包括燃油车行驶过程中产生的直接碳排放与电动汽车充电产生的上游发电碳排放,并分别给出路网与电网耦合影响下的燃油车的直接碳排放量化方法、电动汽车充电功率对应的上游碳排放量化方法。本发明的方法经过验证,考虑路电耦合效应影响的碳排放量化方法具有有效性,并通过考虑耦合结果与未考虑耦合结果进行比较发现两者的差异性,对城市交通与电力系统的低碳化发展具有参考价值。

Patent Agency Ranking