适应新型电力系统的精准负荷控制系统供电恢复方法

    公开(公告)号:CN115566673A

    公开(公告)日:2023-01-03

    申请号:CN202211287465.0

    申请日:2022-10-20

    Abstract: 本发明公开了一种适应新型电力系统的精准负荷控制系统供电恢复方法,包括:将各个用户的供电恢复的优先级从高到低依次设置为第一优先级、第二优先级和第三优先级,所述第一优先级根据单位时间内电力公司的补偿费用和用户经济损失费用;所述第二优先级根据各个所述用户的恢复供电后的重启时间;所述第三优先级根据各个所述用户单位时间内每失去预设负荷造成的经济损失。本发明基于对电力用户用电特性的调研,提出了一套事故后有序快速恢复供电的具体策略,能够在保障电网系统安全稳定运行的前提下,提高经济效益并提升用户的用电体验,能够进一步提高电力系统源网荷的协同互动水平,为社会创造更多的价值。

    综合能源系统的建模方法、装置
    4.
    发明公开

    公开(公告)号:CN114925611A

    公开(公告)日:2022-08-19

    申请号:CN202210576947.1

    申请日:2022-05-25

    Inventor: 杨鹏 朱祺 谢胤喆

    Abstract: 本发明提供一种综合能源系统的建模方法、装置,方法包括:确定多个历史时间,并获取综合能源系统在每个历史时间下的多个特征;从多个特征中选择一个目标特征和多个非目标特征;将每个历史时间对应的多个非目标特征进行降维处理;根据多个历史时间对应的时间特征、多个历史时间对应的目标特征和降维后的非目标特征对每个神经网络模型进行训练;将训练后的神经网络模型进行融合处理,以得到目标神经网络模型。由此,以历史时间作为对齐数据,通过对历史时间下的多个特征对多个神经网络模型进行训练得到需要的模型,即无需数学原理即可实现对综合能源系统、系统中的电源设备的建模,可以在提高建模准确性的同时降低建模成本。

    多虚拟电厂碳共享优化方法
    5.
    发明公开

    公开(公告)号:CN119539849A

    公开(公告)日:2025-02-28

    申请号:CN202411627925.9

    申请日:2024-11-14

    Abstract: 本申请涉及微电网技术领域,公开了一种多虚拟电厂碳共享优化方法。该方法包括:建立单个虚拟电厂优化模型,考虑虚拟电厂(VPP)间碳共享;建立基于碳共享贡献度的多虚拟电厂非对称纳什议价模型,包括:基于碳共享贡献度量化各虚拟电厂的议价能力、建立基于碳共享贡献度的多虚拟电厂(MVPP)非对称纳什议价模型;求解MVPP非对称纳什议价模型,分解成两步求解:求解合作联盟成本最小化模型得到VPP共享的碳配额量、求解MVPP非对称纳什议价模型得到VPP的共享碳价。与现有技术相比,本发明建立了一种MVPP碳共享优化方法,并采用基于碳共享贡献度的非对称纳什议价博弈求解VPP的碳共享策略,降低了各VPP的碳成本,提高了各VPP的经济效益,通过碳共享贡献度高的VPP分配到的收益越大,保证了收益分配的公平性。

    一种区域能源互联网动态运行优化方法

    公开(公告)号:CN106651047A

    公开(公告)日:2017-05-10

    申请号:CN201611243452.8

    申请日:2016-12-29

    Abstract: 本发明公开了一种区域能源互联网动态运行的优化方法。本发明的优化方法包括以下步骤:(1)根据系统设备,获取系统某一运行周期的运行参数;(2)根据获取的系统运行参数列写动态运行目标函数Q1,根据系统功率平衡列写功率平衡方程式Q2,根据设备性能的约束条件列写约束方程式Q3;(3)根据混合整数线性规划算法求解上述方程,得到不同工况下系统的运行情况;(4)根据上述计算的运行情况,执行动态运行最优方式,所述动态运行最优方式为保证系统正常运行且成本最低的运行方式。本发明的区域能源互联网动态运行优化方法考虑管网载能的动态损耗,更符合实际情况;同时计算冷热优化,工况适应性更高。

    时间特征的处理方法、处理装置
    10.
    发明公开

    公开(公告)号:CN114004276A

    公开(公告)日:2022-02-01

    申请号:CN202111138437.8

    申请日:2021-09-27

    Inventor: 朱祺 杨鹏

    Abstract: 本发明提供一种时间特征的处理方法、处理装置,所述方法包括:将训练数据集中的时间特征转化为十进制的数值型时间特征后,采用聚类算法对训练数据集进行聚类,并输出聚类结果;采用至少一种用于分类的机器学习算法对时间特征和聚类结果进行机器学习;采用交叉验证数据集验证机器学习算法输出结果的准确性,直到训练出符合要求的分类模型;将测试数据集中的时间特征转化为十进制的数值型时间特征后,输入分类模型,以使分类模型输出分类结果。本发明将时间特征数据转化成十进制的数值型数据后再进行学习,可以解决因其形式特殊而造成的问题,且从训练数据集和测试数据集双向对于时间特征进行学习,可以显著提高学习模型的准确程度。

Patent Agency Ranking