-
公开(公告)号：CN119149936A
公开(公告)日：2024-12-17
申请号：CN202410998978.5
申请日：2024-07-24
Applicant: 国家电网有限公司华东分部 , 国电南瑞科技股份有限公司
Abstract: 本申请公开基于深度强化学习的光伏系统电压控制方法、装置及介质，该方法包括：构建马尔可夫决策过程模型；基于预设的训练数据对马尔可夫决策过程模型进行训练，得到电压控制策略网络，其中，马尔可夫决策过程模型中的每个智能体表示一个光伏发电设备；获取光伏发电系统的实际观测数据，将实际观测数据输入至电压控制策略网络，得到每个智能体对应的第一动作策略；对每个智能体对应的第一动作策略进行安全约束处理，获得每个智能体对应的第二动作策略；根据每个智能体对应的第二动作策略，得到光伏发电系统的电压控制策略。通过对第一动作策略进行安全校正，降低了不安全动作施加于电网导致电压越限的概率，提高了电网的安全性和稳定性。
-
公开(公告)号：CN117200222A
公开(公告)日：2023-12-08
申请号：CN202311302517.1
申请日：2023-10-09
Applicant: 国电南瑞科技股份有限公司 , 南瑞集团有限公司
IPC: H02J3/00 , G06F18/214 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开了一种基于double‑input CNN‑LSTM的系统负荷预测方法及系统，该方法包括：获取数值天气预报和实测历史负荷数据，对数据中存在的异常值、缺失值异常点清洗和填充；对清洗后的负荷和天气数据构造成时序特征集，进而划分特征集为训练集、验证集和测试集，输入double‑input CNN‑LSTM时序网络进行训练得到模型；利用训练好的double‑input CNN‑LSTM时序预测模型对电力系统进行系统负荷预测。本发明综合考虑历史负荷的周期性、趋势性变化和预测日的气象影响，模型将特征输入划分为历史特征和预测特征，解决历史特征和预测日特征尺度不对称的问题，提高了系统负荷预测精度和曲线形态准确性，系统负荷预测结果满足电网负荷预测计划要求，能够更好地应用于之后的负荷调度决策中。
-
公开(公告)号：CN116842405A
公开(公告)日：2023-10-03
申请号：CN202310793077.8
申请日：2023-06-30
Applicant: 国电南瑞科技股份有限公司 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司电力科学研究院 , 南瑞集团有限公司
Abstract: 本发明公开了一种电力负荷数据聚类方法、系统、设备及存储介质，本发明聚类时，首先建立居民用户日负荷曲线；其次，分解活跃时段负荷及非活跃时段负荷分量，提取特征向量对居民用户日负荷曲线进行粗聚类；再次，分别解耦气象及季节因素对居民用电行为及负荷量的影响，生成基于季节分类的用户工作日典型负荷曲线；然后，使用离散小波分解法对用户工作日典型负荷曲线进行分解，构建用户用电趋势特征和用户用电特征；最后将用户用电趋势特征和用户用电特征作为用户用电数据的聚类依据，对用电用户进行基于DDTW距离的层次聚类分析。本发明方法降低了季节及其变换对聚类的影响，规避了数据处理的插值填充问题，提升了聚类效果。
-
公开(公告)号：CN118709822A
公开(公告)日：2024-09-27
申请号：CN202410660533.6
申请日：2024-05-27
Applicant: 国电南瑞科技股份有限公司
IPC: G06Q10/04 , G06Q10/0631 , G06Q30/0201 , G06Q50/06 , G06Q30/0601 , G06Q30/08
Abstract: 本发明公开了一种投标决策和激励决策联合优化方法、系统、设备及存储介质，方法包括：建立电力辅助服务市场模型；基于电力辅助服务市场的模型，建立市场成员行为模型；基于市场成员行为模型，构建负荷削减投标和需求响应激励联合决策模型，并将所述联合决策模型规范为马尔可夫决策过程；基于所述联合决策模型及对应的马尔可夫决策过程，设计改进型反事实基线多智能体策略梯度算法，对负荷削减投标决策智能体和需求响应激励决策智能体进行联合同步训练，得到投标决策和激励决策联合优化模型，利用模型完成联合优化；本发明实现了负荷削减投标决策智能体和需求响应激励决策智能体的联合同步训练,提高了优化效果。
-
公开(公告)号：CN117828413A
公开(公告)日：2024-04-05
申请号：CN202311611101.8
申请日：2023-11-28
Applicant: 国电南瑞科技股份有限公司
IPC: G06F18/241 , G06F18/214 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于LSTM神经网络的变压器油温预测方法和系统，包括：获取变压器环境气象、运行无功和有功功率及变压器油温的历史数据，经预处理得到历史数据集；根据得到的历史数据集构建时序特征、多项式特征和统计特征，得到变压器油温预测样本集；将样本集划分为训练集和测试集，接着进行特征划分提高模型对预测时段的信息捕捉能力；最后根据所述的特征划分和训练集构建LSTM时序预测模型。本发明进一步捕捉变压器油温变化的时序规律，提高了油温预测的准确性，避免因过热，造成变压器损坏，提高了设备可靠性。
-
Patent Agency Ranking
公开(公告)号：CN115907822A
公开(公告)日：2023-04-04
申请号：CN202211488712.3
申请日：2022-11-25
Applicant: 国电南瑞南京控制系统有限公司 , 国网浙江省电力有限公司 , 国网浙江省电力有限公司宁波供电公司 , 国电南瑞科技股份有限公司
Inventor： 束蛟 , 张思 , 张琪培 , 虞殷树 , 谢峰 , 王伟 , 陆继翔 , 严晴 , 吴一峰 , 徐立中 , 唐律 , 朱耿 , 陈东海 , 王波 , 蒋正威 , 贺旭 , 王晴 , 朱晓杰 , 黄亮 , 周洋 , 周宏辉 , 张静 , 胡真瑜 , 叶海强
IPC: G06Q30/0201 , G06Q30/0202 , G06F16/29 , G06F18/241 , G06Q50/06 , G06F18/2135
Abstract: 本发明公开了一种考虑区域及经济影响的负荷特征指标关联性挖掘方法及系统，所述挖掘方法包括获取待挖掘的负荷数据的信息数据流；根据信息数据流的地理信息，获取对应地理信息的经济特征数据和气象特征数据；建立数据库，将所获得的数据依照地理位置的行政区域划分分层级存储入数据库；从数据库中选取用于关联规则的主数据；关联规则挖掘。采用本发明所发表的数据挖掘方法，利用规则关联挖掘技术，可以对系统电力需求进行大数据梳理，掌握电网的电能结构和电力需求，解决传统的电力负荷分析方法评价指标单一的缺憾，实现在规则关联挖掘的过程中的自动化处理，在负荷预测工作中帮助构建经济特征，提高负荷预测系统的预测准确率。
-
公开(公告)号：CN115775073A
公开(公告)日：2023-03-10
申请号：CN202211480945.9
申请日：2022-11-24
Applicant: 国电南瑞南京控制系统有限公司 , 国网浙江省电力有限公司 , 国网浙江省电力有限公司宁波供电公司 , 国电南瑞科技股份有限公司
Inventor： 谢峰 , 张思 , 张琪培 , 朱耿 , 束蛟 , 伍林 , 旷文腾 , 王伟 , 陆继翔 , 蒋正威 , 吴一峰 , 徐立中 , 唐律 , 虞殷树 , 贺旭 , 周宏辉 , 陈东海 , 王波 , 章杜锡 , 张静 , 胡真瑜 , 蔡振华 , 张志雄 , 胡海 , 叶海强
Abstract: 本发明公开了一种母线负荷预测自动跟随电网运行方式调整方法，包括负荷模型选择模块和母线负荷预测模块，负荷模型选择模块，用于在电网运行方式调整后，以动作的方式，从多种候选组合的母线负荷预测模型中选择预测效果最好的预测模型；母线负荷预测模块，用于根据气象，历史统计等特征预测未来时间段内的母线负荷。本发明能够在满足配电网动态重构实时性要求的前提下，实现随运行方式变化的负荷预测数据自动跟随计算功能，满足母线负荷预测的即时性。
-
公开(公告)号：CN117081064B
公开(公告)日：2024-03-26
申请号：CN202311129365.X
申请日：2023-09-01
Applicant: 国电南瑞科技股份有限公司
IPC: H02J3/00 , G06F18/25 , G06F18/214
Abstract: 本发明公开了一种基于误差评估的风电功率组合预测方法和系统，该方法包括：获取数值天气预报和实测风电功率数据；对数据中存在的异常值、缺失值异常点清洗和填充；对清洗后的实测风电功率数据时序对齐，构建风电功率数据集并划分为训练集、验证集和测试集；构建三种单一预测模型；识别不同风电功率预测场景并分类，利用训练集和验证集对各预测模型训练与验证，计算每个预测结果与实际风电功率的预测误差并统计；利用测试集测试各模型，结合各模型预测误差评估结果，对不同预测场景挑选误差最低的单一模型实现组合输出。本发明解决了数值天气预报精度受限情况下的风电功率预测精度较低的问题，可进一步提高风电功率预测泛化性和准确性。
-
公开(公告)号：CN117081064A
公开(公告)日：2023-11-17
申请号：CN202311129365.X
申请日：2023-09-01
Applicant: 国电南瑞科技股份有限公司
IPC: H02J3/00 , G06F18/25 , G06F18/214
Abstract: 本发明公开了一种基于误差评估的风电功率组合预测方法和系统，该方法包括：获取数值天气预报和实测风电功率数据；对数据中存在的异常值、缺失值异常点清洗和填充；对清洗后的实测风电功率数据时序对齐，构建风电功率数据集并划分为训练集、验证集和测试集；构建三种单一预测模型；识别不同风电功率预测场景并分类，利用训练集和验证集对各预测模型训练与验证，计算每个预测结果与实际风电功率的预测误差并统计；利用测试集测试各模型，结合各模型预测误差评估结果，对不同预测场景挑选误差最低的单一模型实现组合输出。本发明解决了数值天气预报精度受限情况下的风电功率预测精度较低的问题，可进一步提高风电功率预测泛化性和准确性。
-
公开(公告)号：CN116070741A
公开(公告)日：2023-05-05
申请号：CN202211680717.6
申请日：2022-12-27
Applicant: 国电南瑞科技股份有限公司
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/06 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于深度强化学习的调度优化决策系统及其存储介质，包括：数据处理层，用于对电网采集的电网历史数据或电网实时数据进行相关性处理；还用于电网历史数据和电网实时数据的预处理；模型构建层，用于在电网运行的基本规则基础上融合专家经验形成调度优化决策强化学习模型的训练输入值，获得调度优化决策系统；系统应用层，用于将电网实时数据输入训练获得的调度优化决策系统，输出电网调度计划。本发明设立了数据处理层、模型构建层和系统应用层，处理电网实时采集数据，融合专家经验提取特征值，训练调度优化决策强化学习模型，提高了新能源充分消纳下的电网安全稳定运行效率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.026 seconds)
