-
公开(公告)号:CN116191414A
公开(公告)日:2023-05-30
申请号:CN202310146060.3
申请日:2023-02-22
申请人: 中国电力科学研究院有限公司 , 国网天津市电力公司 , 国网天津市电力公司电力科学研究院 , 国家电网有限公司
摘要: 本发明公开了一种输配电网分布式协调恢复方法、系统、设备及存储介质,涉及电力系统技术领域,方法包括基于目标级联分析法将全局输配电网恢复模型分解为输、配电网恢复两类子模型;对耦合变量一致性约束采用增广拉格朗日罚函数的形式进行松弛处理,并分别添加到输电网恢复和配电网恢复子模型目标函数中;将可再生能源预测功率的模糊性描述为约束条件的模糊性,使输电网恢复和配电网恢复子模型目标函数中含有模糊变量的不确定约束条件转化为模糊机会约束的清晰等价类形式;引入对角二次近似方法对增广拉格朗日罚函数近似处理,对输电网恢复和配电网恢复子模型目标函数全并行求解,完成输配电网分布式协调恢复。本发明可以提高求解效率。
-
公开(公告)号:CN115333111A
公开(公告)日:2022-11-11
申请号:CN202211109903.4
申请日:2022-09-13
申请人: 中国电力科学研究院有限公司 , 华北电力大学 , 国网天津市电力公司 , 国网天津市电力公司电力科学研究院 , 国家电网有限公司
摘要: 一种多区域电网协同优化方法、系统、设备及可读存储介质,优化方法包括收集每个智能体区域的观测数据;构建含可再生能源的多区域电网协同优化模型;将含可再生能源的多区域电网协同优化模型按照状态空间、动作空间、环境以及奖励函数设计为多智能体环境下的强化学习模型;对多智能体环境下的强化学习模型进行求解,输出协同优化结果。本发明采用多决策中心的分布式模型减轻了系统的通讯压力,能够在训练中考虑可再生能源和负荷的双重不确定性,具有较好应对不确定性的能力,还能够实现系统实时决策,基于多智能体“集中训练‑分布执行”的特性,训练完成后各区域电网只需根据自身局部的观测值对可控机组做出决策,有利于保护各区域电网的隐私性。
-
公开(公告)号:CN117521902A
公开(公告)日:2024-02-06
申请号:CN202311522561.3
申请日:2023-11-15
申请人: 中国电力科学研究院有限公司 , 国网天津市电力公司 , 国网天津市电力公司电力科学研究院 , 国家电网有限公司
摘要: 本发明公开了一种基于图分区的电网多智能体协同优化方法、系统、装置及介质,包括:基于边灵敏度权重给复杂网络的边赋值;并采用改进的智能体分区方法进行迭代图划分,即计算完成后去掉最大边权重的边,然后再次计算新图,反复迭代直到得到合理分区,通过计算每次迭代后的电网有向加权图模块度决定何时终止迭代;最后基于智能体划分进行电网多智能体协同优化模型训练,本发明在降低大规模电网划分的难度的同时,将计算任务尽可能平均地分配给各个智能体,以使各个智能体的运算负载平衡,同时保证智能体间的通信量最小。
-
公开(公告)号:CN115544121A
公开(公告)日:2022-12-30
申请号:CN202211319430.0
申请日:2022-10-26
申请人: 中国电力科学研究院有限公司 , 华北电力大学 , 国网天津市电力公司 , 国网天津市电力公司电力科学研究院 , 国家电网有限公司
IPC分类号: G06F16/2458 , G06N3/04 , G06N3/08 , G06Q50/06
摘要: 一种电力系统场景约简方法、系统、电子设备及存储介质,方法包括利用初始场景集,建立场景约简问题模型,并利用信息熵正则化算法凸化场景约简问题模型,得到正则化后的场景约简问题模型;输入初始场景集、典型场景集和正则化系数,构建场景约简网络模型,结合正则化后的场景约简问题模型和场景约简网络模型,计算出正则化传输矩阵和距离矩阵;利用正则化系数、正则化传输矩阵和距离矩阵,求解得到考虑运输成本和熵正则化惩罚的Sinkhorn距离的损失函数;基于所述损失函数,利用场景约简网络模型对典型场景集进行反向梯度训练,得到训练后的典型场景集和典型场景集的边缘概率分布。本发明能够提高大规模场景约简可行性以及求解的稳定性。
-
公开(公告)号:CN111104416A
公开(公告)日:2020-05-05
申请号:CN201811264546.2
申请日:2018-10-29
申请人: 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网天津市电力公司
摘要: 本发明提供了一种分布式电力数据管理系统,包括分布式电力数据库节点、驱动单元、交换机、供电单元、通讯单元、管理服务器、计算服务器、储存服务器、采集服务器、界面服务器。该系统针对电力数据特点,优化了数据采集、存储策略,提高了数据采集效率,以应对大量电力数据的处理,大幅降低了企业建设成本。
-
公开(公告)号:CN111898631B
公开(公告)日:2024-09-24
申请号:CN202010537172.8
申请日:2020-06-12
申请人: 清华大学 , 中国电力科学研究院有限公司 , 国网天津市电力公司
IPC分类号: G06F18/23213 , H02J3/00
摘要: 本发明实施例提供一种离散事件分析方法、装置、电子设备和存储介质,其中方法包括:确定信息网络中各个节点输出的离散时间序列;所述各个节点输出的离散时间序列基于所述信息网络对应的电气网络事件链确定;基于所述信息网络中任一节点的离散时间序列,确定所述任一节点对应的等变化量离散状态序列;基于每一节点对应的等变化量离散状态序列,确定所述信息网络中各个节点对应的离散事件链。本发明实施例提供的方法、装置、电子设备和存储介质,所提取的离散事件链能够准确反映信息物理电力网络的快速动态特性,有利于研究信息网络和电气网络的相互影响机理和进行电气网络的故障分析。
-
公开(公告)号:CN113516521B
公开(公告)日:2024-08-13
申请号:CN202110874219.4
申请日:2021-07-30
申请人: 中国电力科学研究院有限公司 , 国网天津市电力公司
IPC分类号: G06Q30/0201 , G06Q30/0202 , G06Q10/0631 , G06Q50/06 , G06N3/0464 , G06N3/084
摘要: 本发明属于能源互联网与人工智能行业应用领域,公开了一种能源互联网用户用能数据预测方法及系统,包括以下步骤:获取用户内部设备的运行数据;获取用户的用能成本数据、电能市场交易结果数据以及参与能源转换的意愿程度数据;根据用户内部设备的运行数据以及用户的用能成本数据、电能市场交易结果数据以及参与能源转换的意愿程度数据,通过预设的能源互联网用户模型,得到能源互联网用户用能数据预测结果。实现了用户刚性用能行为模式和柔性用能行为的特性解耦,具有完善的主体逻辑,充分考虑用户内部的用能状态转移关系,确保用能数据预测的准确性。
-
公开(公告)号:CN113516521A
公开(公告)日:2021-10-19
申请号:CN202110874219.4
申请日:2021-07-30
申请人: 中国电力科学研究院有限公司 , 国网天津市电力公司
摘要: 本发明属于能源互联网与人工智能行业应用领域,公开了一种能源互联网用户用能数据预测方法及系统,包括以下步骤:获取用户内部设备的运行数据;获取用户的用能成本数据、电能市场交易结果数据以及参与能源转换的意愿程度数据;根据用户内部设备的运行数据以及用户的用能成本数据、电能市场交易结果数据以及参与能源转换的意愿程度数据,通过预设的能源互联网用户模型,得到能源互联网用户用能数据预测结果。实现了用户刚性用能行为模式和柔性用能行为的特性解耦,具有完善的主体逻辑,充分考虑用户内部的用能状态转移关系,确保用能数据预测的准确性。
-
公开(公告)号:CN111898631A
公开(公告)日:2020-11-06
申请号:CN202010537172.8
申请日:2020-06-12
申请人: 清华大学 , 中国电力科学研究院有限公司 , 国网天津市电力公司
IPC分类号: G06K9/62 , G06F16/2458 , H02J3/00
摘要: 本发明实施例提供一种离散事件分析方法、装置、电子设备和存储介质,其中方法包括:确定信息网络中各个节点输出的离散时间序列;所述各个节点输出的离散时间序列基于所述信息网络对应的电气网络事件链确定;基于所述信息网络中任一节点的离散时间序列,确定所述任一节点对应的等变化量离散状态序列;基于每一节点对应的等变化量离散状态序列,确定所述信息网络中各个节点对应的离散事件链。本发明实施例提供的方法、装置、电子设备和存储介质,所提取的离散事件链能够准确反映信息物理电力网络的快速动态特性,有利于研究信息网络和电气网络的相互影响机理和进行电气网络的故障分析。
-
公开(公告)号:CN115375015A
公开(公告)日:2022-11-22
申请号:CN202210949981.9
申请日:2022-08-09
申请人: 中国电力科学研究院有限公司 , 国网北京市电力公司 , 国家电网有限公司
摘要: 本发明公开了基于多智能体强化学习的多能源优化方法、系统和介质,获取区域能源互联网数据;根据区域能源互联网数据设置区域能源互联网环境;将多智能体深度强化学习与区域能源互联网环境进行交互训练,在交互训练过程中引入注意力机制,得到多能源协同优化运行策略。本发明通过多智能体深度强化学习和注意力机制相结合,以集中训练分布执行的模式,利用人工智能算法,保护多主体利益隐私的同时,实现区域能源互联网运行优化,进一步提高多能源利用率,从而保证能源互联网安全、稳定、高效运行。
-
-
-
-
-
-
-
-
-