-
公开(公告)号：CN113346501A
公开(公告)日：2021-09-03
申请号：CN202110560589.0
申请日：2021-05-21
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于头脑风暴算法的配电网电压优化方法及其系统，根据农村低压配电网拓扑结构和负荷端电压计算，确定相应的调压措施；综合考虑配网电压水平、网损和经济效益，构建目标函数、潮流约束和电压约束，得到电压优化模型，在保证电压质量的前提下，减小配网的网损，压缩投资成本，实现综合经济效益的最大化；采用头脑风暴算法来求解电压优化模型，并使用前推回代潮流计算方法计算每次头脑风暴算法迭代所需的电压和网损；输出调压措施的最优组合方案，完成配电网电压优化。本发明在提升农网电压质量的同时，有效降低了网损，实现了投资回报效益的最大化，对于农村电网的电网规划和改造具有较高的指导价值。
-
公开(公告)号：CN113346501B
公开(公告)日：2022-11-11
申请号：CN202110560589.0
申请日：2021-05-21
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于头脑风暴算法的配电网电压优化方法及其系统，根据农村低压配电网拓扑结构和负荷端电压计算，确定相应的调压措施；综合考虑配网电压水平、网损和经济效益，构建目标函数、潮流约束和电压约束，得到电压优化模型，在保证电压质量的前提下，减小配网的网损，压缩投资成本，实现综合经济效益的最大化；采用头脑风暴算法来求解电压优化模型，并使用前推回代潮流计算方法计算每次头脑风暴算法迭代所需的电压和网损；输出调压措施的最优组合方案，完成配电网电压优化。本发明在提升农网电压质量的同时，有效降低了网损，实现了投资回报效益的最大化，对于农村电网的电网规划和改造具有较高的指导价值。
-
公开(公告)号：CN113554148A
公开(公告)日：2021-10-26
申请号：CN202110632684.7
申请日：2021-06-07
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于贝叶斯优化的BiLSTM电压偏差预测方法，对电压偏差时间序列数据集进行标准差标准化处理，按照比例进行数据分割，得到训练集和验证集；利用预处理之后的电压偏差数据训练集训练BiLSTM电压偏差预测模型；将验证集输入到训练的BiLSTM电压偏差预测模型中，获取电压偏差预测值后进行反标准差处理，使用均方根误差作为BiLSTM电压偏差预测模型超参数优化的目标函数，利用贝叶斯优化算法对BiLSTM电压偏差预测模型的超参数进行优化，获取最优的超参数组合；将最优超参数组合作为BiLSTM预测模型的超参数，构建基于贝叶斯优化算法的BiLSTM电压偏差预测模型，对电压偏差时间序列数据进行预测，获得最终的预测数据。本发明精度高、预测效果可靠。
-
公开(公告)号：CN113393339A
公开(公告)日：2021-09-14
申请号：CN202110560710.X
申请日：2021-05-21
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于深度神经网络组合模型的配电网短期负荷预测方法，该方法为：对采集到的配电网中各用户负荷数据进行数据预处理，识别缺失数据及异常数据并修正及进行归一化处理，构造配电网用户负荷数据集；建立自组织映射SOM神经网络聚类模型，输入处理后的数据集，根据配电网中各用户相同日的负荷曲线，获得分类后的用户负荷数据集；建立BP‑DNN负荷预测模型和LSTM神经网络负荷预测模型，针对不同类型的用户负荷，选择不同网络结构的模型进行短期负荷预测；采用最小二乘法对两种模型的预测结果取最优权重组合以进行短期预测。本发明针对不同类型的配电网用户建立各自的预测模型，有效提高了短期负荷预测的精确度及工程适用性。
-
-
-
Search Results
4
records
(took 0.018 seconds)
