-
公开(公告)号：CN114880929A
公开(公告)日：2022-08-09
申请号：CN202210510697.1
申请日：2022-05-11
申请人： 中国电力科学研究院有限公司 , 国网黑龙江省电力有限公司电力科学研究院 , 国家电网有限公司
IPC分类号： G06F30/27 , G06N3/04 , G06N3/08 , G06Q50/06 , G06F113/04
摘要： 本发明属于能源互联网仿真技术领域，公开一种基于深度强化学习的多能流优化智能仿真方法，所述方法包括：载入能源互联网模型；根据所述能源互联网模型设置仿真参数；将所述仿真参数输入预先训练好的深度强化学习模块，获得能源互联网模型中各设备的动作；输出所述动作并进行图形化展示。本发明在深度强化学习模块的训练过程中，将深度强化学习模块与图形化建模模块联合调用，深度强化学习模块计算t时刻动作at观察能源互联网模型环境状态，并将动作更新至图形化建模模块进行潮流计算，生成t+1时刻环境状态st+1；实现了深度强化学习和潮流计算的联合运算。本发明采用深度确定性策略梯度算法进行能源互联网优化运行研究，能够实时在线生成优化策略。
-
公开(公告)号：CN115115211A
公开(公告)日：2022-09-27
申请号：CN202210724939.7
申请日：2022-06-24
申请人： 中国电力科学研究院有限公司 , 国网黑龙江省电力有限公司电力科学研究院 , 国家电网有限公司
摘要： 一种多微网系统分层强化学习优化方法、系统以及存储介质，优化方法包括：将多微网优化问题分解为上下两层；构建提供各微网内的储能策略以及微网之间的功率交互策略的上层智能体模型；构建实现下层各微网基于上层储能策略以及功率交互策略对微网内设备出力自治优化，并向上层反馈优化目标值来指导上层策略更新的下层自治优化模型；协同训练下层自治优化模型与上层智能体模型；利用训练完成的下层自治优化模型与上层智能体模型根据系统状态即时给出调度策略。本发明将深度强化学习方法与传统数学规划法相结合，充分利用了强化学习法自适应能力强以及数学规划法求解精度高的优势，能够针对多微网优化问题实现高效求解，收敛速度和精度均有大幅提升。
-
公开(公告)号：CN114977160A
公开(公告)日：2022-08-30
申请号：CN202210600302.7
申请日：2022-05-30
申请人： 中国电力科学研究院有限公司 , 国网黑龙江省电力有限公司电力科学研究院
摘要： 本发明公开了一种微网群优化运行策略生成方法、系统、设备及存储介质，该方法包括：基于单微网优化调度模型得到每个边缘端智能体未平衡电量状态，将微网群中相邻边缘端智能体的未平衡电量状态和市场出清信息作为内部不平衡功率信息；将内部不平衡功率信息输入预先训练的微网群优化运行策略生成模型中，生成第一微网群优化运行策略；基于所述微网群优化运行策略通过微网群中边缘端智能体之间能量拍卖互济互动的合作博弈方式，生成第二微网群优化运行策略，实现分布式新能源的整体消纳以及微网群的整体经济利益和每个主体利益最大化。该方法能够在保护用户隐私的基础上，实现在非完全信息下的分布式能量管理以及微网群的协同优化运行。
-
公开(公告)号：CN114936078B
公开(公告)日：2024-11-01
申请号：CN202210549822.X
申请日：2022-05-20
申请人： 天津大学 , 中国电力科学研究院有限公司 , 国网黑龙江省电力有限公司电力科学研究院
IPC分类号： G06F9/48 , G06F9/50 , G06Q50/06 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06N3/092
摘要： 本发明公开了一种微网群边缘调度与智能体轻量化裁剪方法，包括：构建包括电力终端和边缘设备的微网群，计算能力最强的边缘设备k中设有任务分配模型；设置总训练轮次、初始训练轮数，初始化每个电力终端的本地训练模型、稀疏度范围、本地训练模型的聚合权重、经验重放内存；电力终端基于深度强化学习方法对任务分配模型进行训练，并基于模型剪裁对本地训练模型进行剪裁，边缘设备k对训练后的模型进行聚合并更新任务分配模型；根据更新后的任务分配模型，并以最大化长期效益期望为目标预测资源分配策略；电力终端根据资源分配策略执行任务。本发明可以在保证决策准确高效的同时避免大量原始数据的传输、降低模型训练时传输的数据量和传输时延。
-
公开(公告)号：CN114362158B
公开(公告)日：2023-05-30
申请号：CN202210023333.0
申请日：2022-01-10
申请人： 天津大学 , 中国电力科学研究院有限公司 , 国网黑龙江省电力有限公司电力科学研究院
IPC分类号： H02J3/00 , H02J3/28 , H02J3/48 , G06Q10/04 , G06Q50/06 , F24F11/46 , F24F11/61 , F24F11/64 , F24F110/10
摘要： 本发明公开了一种基于时变虚拟储能的建筑微网系统日前优化控制方法及装置，方法包括：考虑时变虚拟储能的建筑微网系统进行模型建立，分别构建时变建筑虚拟储能模型、屋顶光伏预测模型、及建筑微网系统除居民用电负荷之外的其他电负荷预测模型；针对建筑微网系统构建日前优化控制的目标函数，并对约束条件进行选取；通过MATLAB使用内点法进行求解，得到建筑微网考虑时变虚拟储能后的优化控制方案；基于得到的优化控制方案，安排建筑微网运行，达到最优运行的目的。装置包括：处理器和存储器。本发明将时变虚拟储能融入建筑微网系统优化控制模型中，更好的利用建筑围护结构的热惰性为建筑微网系统提供功率调节潜力，支撑光伏发电就地消纳。
-
公开(公告)号：CN114936078A
公开(公告)日：2022-08-23
申请号：CN202210549822.X
申请日：2022-05-20
申请人： 天津大学 , 中国电力科学研究院有限公司 , 国网黑龙江省电力有限公司电力科学研究院
摘要： 本发明公开了一种微网群边缘调度与智能体轻量化裁剪方法，包括：构建包括电力终端和边缘设备的微网群，计算能力最强的边缘设备k中设有任务分配模型；设置总训练轮次、初始训练轮数，初始化每个电力终端的本地训练模型、稀疏度范围、本地训练模型的聚合权重、经验重放内存；电力终端基于深度强化学习方法对任务分配模型进行训练，并基于模型剪裁对本地训练模型进行剪裁，边缘设备k对训练后的模型进行聚合并更新任务分配模型；根据更新后的任务分配模型，并以最大化长期效益期望为目标预测资源分配策略；电力终端根据资源分配策略执行任务。本发明可以在保证决策准确高效的同时避免大量原始数据的传输、降低模型训练时传输的数据量和传输时延。
-
公开(公告)号：CN114529070B
公开(公告)日：2024-04-19
申请号：CN202210118204.X
申请日：2022-02-08
申请人： 天津大学 , 中国电力科学研究院有限公司 , 国网黑龙江省电力有限公司电力科学研究院
IPC分类号： G06Q10/0631 , G06Q50/06 , H02J3/38
摘要： 本发明公开了一种考虑随机停电供能可靠性的综合能源微网优化控制方法，所述方法包括：建立EPG随机停电导致的IEMG孤岛模式的概率模型，采用场景树生成若干孤岛场景；建立IEMG多目标优化控制模型，通过对IEMG进行协同优化控制，得到最优的长期优化控制方案和两种运行模式下的短期运行方案，用于提升IEMG并网模式的运行经济性及孤岛模式的供能可靠性。本发明解决了目前研究忽略EPG停电对IEMG运行的影响，导致IEMG控制方案不合理，使IEMG出现能量供给不足，削弱IEMG供能可靠性等问题。
-
公开(公告)号：CN114938372B
公开(公告)日：2023-04-18
申请号：CN202210549821.5
申请日：2022-05-20
申请人： 天津大学 , 中国电力科学研究院有限公司 , 国网黑龙江省电力有限公司电力科学研究院
IPC分类号： H04L67/10 , H04L9/40 , H04L41/5051 , H04L41/0894 , G06N3/092 , G06N3/098
摘要： 本发明公开了一种基于联邦学习的微网群请求动态迁移调度方法及装置，包括：对包括微网群设备和边缘计算设备的微网群系统进行初始化；各个微网群设备利用深度强化学习方法并基于本地历史运行数据对本地学习模型进行训练，并将训练后的模型参数和本地训练次数发送边缘计算设备；边缘计算设备基于本地训练次数对接收到的模型参数进行聚合以更新请求评估模型，并将更新后的请求评估模型发送各微网群设备；微网群设备根据更新后的请求评估模型，在请求调度决策时以最大化长期效益期望为目标预测资源分配策略，资源分配策略包括请求迁移决策和资源单元数量决策。本发明可以在节省传输开销保证了数据隐私与安全的同时，也还确保了决策的准确高效。
-
公开(公告)号：CN114938372A
公开(公告)日：2022-08-23
申请号：CN202210549821.5
申请日：2022-05-20
申请人： 天津大学 , 中国电力科学研究院有限公司 , 国网黑龙江省电力有限公司电力科学研究院
IPC分类号： H04L67/10 , H04L9/40 , H04L41/5051 , H04L41/0894 , G06N3/08
摘要： 本发明公开了一种基于联邦学习的微网群请求动态迁移调度方法及装置，包括：对包括微网群设备和边缘计算设备的微网群系统进行初始化；各个微网群设备利用深度强化学习方法并基于本地历史运行数据对本地学习模型进行训练，并将训练后的模型参数和本地训练次数发送边缘计算设备；边缘计算设备基于本地训练次数对接收到的模型参数进行聚合以更新请求评估模型，并将更新后的请求评估模型发送各微网群设备；微网群设备根据更新后的请求评估模型，在请求调度决策时以最大化长期效益期望为目标预测资源分配策略，资源分配策略包括请求迁移决策和资源单元数量决策。本发明可以在节省传输开销保证了数据隐私与安全的同时，也还确保了决策的准确高效。
-
公开(公告)号：CN114723168A
公开(公告)日：2022-07-08
申请号：CN202210466764.4
申请日：2022-04-29
申请人： 中国电力科学研究院有限公司 , 国网黑龙江省电力有限公司电力科学研究院
摘要： 本发明公开了一种基于边云协同的多能微网群优化方法、系统、设备及介质，该方法包括：获取边缘服务层反馈的优化评估结果和云层数据；根据所述优化评估结果和云层数据建立云端目标函数，并考虑云端运行约束，以最大运营收益为目标，进行区域内微网群系统的协同优化，得到最优能源交易量和最优能源调度量，进而计算多种能源的最优分配方案；下发所述最优分配方案至边缘服务层，用于边缘服务层协调内部能源重新分配，直至所有微网均达到运行最优。该方法实现微网群优化计算速度和配网运营效益的有效提升。
-
-
-
-
-
-
-
-
-
搜索结果
78 条记录 (耗时 0.107 秒)
