-
公开(公告)号：CN107464008A
公开(公告)日：2017-12-12
申请号：CN201610384245.8
申请日：2016-06-02
Applicant: 南京理工大学
CPC classification number: G06Q10/04 , G06Q10/06312 , G06Q50/06
Abstract: 本发明提出一种大型楼宇冷热电联供系统的优化调度方法，针对楼宇建筑冷负荷、热负荷、电负荷多种负荷利用的特点，综合考虑燃汽轮机、燃汽锅炉、余热吸收式冷温水机以及电制冷机多类供能设备的特点，结合燃气冷热电联供系统的运行特性，建立大型楼宇冷热电联供系统的优化调度模型，并利用改进的粒子群算法求解优化调度模型得到日前优化调度出力曲线，推动大型楼宇冷热电联供系统的优化管理。本发明对大型楼宇冷热电联供系统的日前调度安排进行优化计算，实现能源的最优化利用。
-
公开(公告)号：CN108183499B
公开(公告)日：2021-05-28
申请号：CN201611122751.6
申请日：2016-12-08
Applicant: 南京理工大学
IPC: H02J3/38
Abstract: 本发明公开了一种基于拉丁超立方抽样概率潮流的静态安全分析方法，包括以下步骤：步骤1，对风电场预测出力随机变量进行抽样，建立风电预测出力的样本矩阵；步骤2，根据步骤1所建立的风电预测出力的样本矩阵进行直流开断概率潮流计算，利用预想事故排序指标得到预想事故一览表；步骤3，根据步骤2得到的预想事故一览表，利用综合评价指标按顺序逐一进行分析，直到连续5个事故不再引起系统出现支路过载为止。本发明将基于拉丁超立方抽样概率潮流计算方法引入到电力系统静态安全分析中，预想事故排序指标考虑到支路潮流概率潮流的分布特性，综合评价指标引入熵的概念，可以全面反映预想事故对系统造成的影响。
-
公开(公告)号：CN105574615B
公开(公告)日：2020-01-24
申请号：CN201510943557.3
申请日：2015-12-16
Applicant: 南京理工大学
Abstract: 本发明提出一种基于空间相关性与GA的小波‑BP神经网络风电功率预测方法。按照目标时间和采样时间采集上风处与下风处风电场风速或功率时间序列；计算上风处与下风处风电场所采集时间序列之间的相关性系数，提取其中具有强相关性的数据组；将强相关性数据组时间序列输入小波‑BP神经网络中，通过GA遗传算法对神经网络结构的权值和阈值参数进行全局优化；在小波‑BP神经网络训练过程中，深度优化神经网络权值和阈值采用L‑M算法与附加动量法相结合，对小波基函数的平移因子和伸缩因子参数修正优化采用梯度下降法；利用训练后的小波‑BP神经网络对下风处风电场风电功率进行预测。本发明提高神经网络学习性能，克服了风电场风速监测数据不足而无法直接进行风电功率预测的缺陷。
-
公开(公告)号：CN105574615A
公开(公告)日：2016-05-11
申请号：CN201510943557.3
申请日：2015-12-16
Applicant: 南京理工大学
Abstract: 本发明提出一种基于空间相关性与GA的小波-BP神经网络风电功率预测方法。按照目标时间和采样时间采集上风处与下风处风电场风速或功率时间序列；计算上风处与下风处风电场所采集时间序列之间的相关性系数，提取其中具有强相关性的数据组；将强相关性数据组时间序列输入小波-BP神经网络中，通过GA遗传算法对神经网络结构的权值和阈值参数进行全局优化；在小波-BP神经网络训练过程中，深度优化神经网络权值和阈值采用L-M算法与附加动量法相结合，对小波基函数的平移因子和伸缩因子参数修正优化采用梯度下降法；利用训练后的小波-BP神经网络对下风处风电场风电功率进行预测。本发明提高神经网络学习性能，克服了风电场风速监测数据不足而无法直接进行风电功率预测的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN106154830B
公开(公告)日：2019-02-22
申请号：CN201510155134.5
申请日：2015-04-02
Applicant: 南京理工大学
IPC: G05B13/04
Abstract: 本发明提出一种基于改进的自适应遗传算法的切机优化方法。将每一套切机优化方案作为遗传算中的个体，根据不同数目的发电机组，设置相应的遗传次数和每次进行迭代的切机优化方案个体数目，根据每套切机优化方案的适应度函数值来选取其最优的切机优化方案，并对最优的切机优化方案进行交叉和变异操作，获得新一代较优的初始切机优化方案；再依据新一代较优的初始切机优化方案的适应度函数值，选取其中更优的切机优化方案，然后再进行交叉和变异操作；重复进行上述迭代过程，直到输出最优的切机优化方案。本发明在发电机组数目较多的情况下，也不必考虑发电机组的分组问题，即可快速得出最优切机优化方案，实现快速切机。
-
公开(公告)号：CN108183499A
公开(公告)日：2018-06-19
申请号：CN201611122751.6
申请日：2016-12-08
Applicant: 南京理工大学
IPC: H02J3/38
Abstract: 本发明公开了一种基于拉丁超立方抽样概率潮流的静态安全分析方法，包括以下步骤：步骤1，对风电场预测出力随机变量进行抽样，建立风电预测出力的样本矩阵；步骤2，根据步骤1所建立的风电预测出力的样本矩阵进行直流开断概率潮流计算，利用预想事故排序指标得到预想事故一览表；步骤3，根据步骤2得到的预想事故一览表，利用综合评价指标按顺序逐一进行分析，直到连续5个事故不再引起系统出现支路过载为止。本发明将基于拉丁超立方抽样概率潮流计算方法引入到电力系统静态安全分析中，预想事故排序指标考虑到支路潮流概率潮流的分布特性，综合评价指标引入熵的概念，可以全面反映预想事故对系统造成的影响。
-
公开(公告)号：CN107464007A
公开(公告)日：2017-12-12
申请号：CN201610384138.5
申请日：2016-06-02
Applicant: 南京理工大学
Abstract: 本发明提出一种基于马尔科夫理论和比例分配原理的连续时段概率潮流预测方法，首先设置预想进行潮流计算的连续时间段数，根据地区风电功率的历史数据建立马尔科夫链模型；然后根据当前时刻风电预测功率概率分布的状态向量和状态转移概率矩阵计算下一时刻的风电预测功率概率分布的状态向量，使用比例分配原理和蒙特卡洛抽样法对下一时刻风电预测功率变量进行抽样，建立风电预测功率变量的样本矩阵；最后根据风电预测功率变量的样本矩阵进行连续时段概率潮流计算。本发明将单一时刻的概率潮流计算推广到连续时间段内，并且可以根据初始的风电预测功率概率分布预测各个支路潮流在连续时段内各个时刻的分布情况以及发展的趋势。
-
公开(公告)号：CN107591794A
公开(公告)日：2018-01-16
申请号：CN201610539866.9
申请日：2016-07-08
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于负荷分类的主动配电网源-储容量优化配置方法，对主动配电网中的负荷进行分类，分为居民负荷、商业负荷和工业负荷，步骤：1)对负荷进行分析，以最优潮流为依据为每个负荷区选择最佳的配置点和分布式电源容量；2)采集和分析各负荷区的全年平均风速数据与平均光照数据；3)分别对负荷区以及各自的优化配置目标建立源-储容量优化配置模型，对储能和分布式电源同时进行容量优化，实现主动配电网中源-储-荷的共同协调配置；4)根据负荷区各自的全年平均风速数据和全年平均光照数据，采用循环充电策略对各个负荷分区进行协调控制。在以最优潮流实现配电网全局优化配置的基础上，实现各负荷分区分布式能源和储能容量的优化配置。
-
公开(公告)号：CN106154830A
公开(公告)日：2016-11-23
申请号：CN201510155134.5
申请日：2015-04-02
Applicant: 南京理工大学
IPC: G05B13/04
Abstract: 本发明提出一种基于改进的自适应遗传算法的切机优化方法。将每一套切机优化方案作为遗传算中的个体，根据不同数目的发电机组，设置相应的遗传次数和每次进行迭代的切机优化方案个体数目，根据每套切机优化方案的适应度函数值来选取其最优的切机优化方案，并对最优的切机优化方案进行交叉和变异操作，获得新一代较优的初始切机优化方案；再依据新一代较优的初始切机优化方案的适应度函数值，选取其中更优的切机优化方案，然后再进行交叉和变异操作；重复进行上述迭代过程，直到输出最优的切机优化方案。本发明在发电机组数目较多的情况下，也不必考虑发电机组的分组问题，即可快速得出最优切机优化方案，实现快速切机。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
