公开(公告)号：CN118780424A

公开(公告)日：2024-10-15

申请号：CN202410805857.4

申请日：2024-06-21

申请人： 吉林省电力科学研究院有限公司 ,  国网吉林省电力有限公司电力科学研究院

发明人： 张家郡 ,  李成钢 ,  张海锋 ,  王伟 ,  王佳蕊 ,  刘畅 ,  陈璟毅 ,  董运昌 ,  张懿夫 ,  侍哲 ,  付宇泽 ,  于非桐

IPC分类号： G06Q10/04 ,  G06Q10/0631 ,  G06Q50/06 ,  G06F30/20 ,  H02J3/00 ,  G06F111/04

摘要： 本发明公开了一种基于需求响应的电动汽车用户有序用电管理方法，涉及用电管理技术领域。包括以下步骤：S1，根据DSO和电动汽车用户的利益关系，搭建充电站电价模型；S2，利用二阶锥松弛和Karush‑Kuhn‑Tucker最优性条件将所述充电站电价模型转化为凸优化问题；S3，利用多面体近似法构建混合整数线性规划问题，通过使用标量化基本定理来对所述充电站电价模型进行多次求解，获得帕累托最优。本发明可以快速获得精确的电价最优解，引导电动汽车用户进行有序用电。

公开(公告)号：CN118171722A

公开(公告)日：2024-06-11

申请号：CN202311667898.3

申请日：2023-12-06

申请人： 国网吉林省电力有限公司电力科学研究院 ,  国网吉林省电力有限公司 ,  东北电力大学 ,  吉林省电力科学研究院有限公司

发明人： 李德鑫 ,  王长江 ,  庄冠群 ,  王澎 ,  张海锋 ,  王伟 ,  高松 ,  王佳蕊 ,  刘亚东 ,  张家郡 ,  孟祥东 ,  李成钢 ,  刘畅 ,  张懿夫 ,  彭晓宇 ,  刘鸣泰 ,  陈超 ,  付宇泽 ,  张钰 ,  董运昌 ,  孟涛 ,  陈璟毅 ,  韩文琪 ,  刘宸

IPC分类号： G06N3/0985 ,  G06N3/047 ,  G06N3/048 ,  G06F17/16 ,  G06F17/11

摘要： 本发明公开了一种基于深度学习含高比例新能源电网N‑1故障及装置，所述方法包括：获取电力系统数据；根据N‑1问题特征确定全连接神经网络的结构；根据所获取电力系统数据确定全连接神经网络的输入输出特征向量；确定损失函数loss，根据输入输出特征向量对神经网络参数进行更新；评估更新后的训练模型的效果，以均方差以及平均绝对误差为指标；若训练模型的效果不理想，重新调整神经网络参数，否则，输入待N‑1分析电力系统数据并输出故障分析结果。所述装置包括：处理器和存储器。本发明解决了故障分析面临的计算挑战，提高了计算速度且遍历了更复杂全面的场景。

公开(公告)号：CN118589501A

公开(公告)日：2024-09-03

申请号：CN202411067594.8

申请日：2024-08-06

申请人： 国网吉林省电力有限公司电力科学研究院 ,  吉林省电力科学研究院有限公司

发明人： 董洪达 ,  李成钢 ,  周嘉辰 ,  刘淇 ,  曹慧 ,  李沛 ,  刘座铭 ,  张家郡 ,  李德鑫 ,  张海锋 ,  孟祥东 ,  董运昌

IPC分类号： H02J3/00 ,  H02J3/28 ,  H02J3/32 ,  H02J15/00

摘要： 本发明涉及储能控制技术领域，特别涉及一种基于多智能体深度强化学习的氢储能单元功率分配方法，包括如下步骤：建立基于多智能体深度确定性策略梯度（MADDPG）算法的氢储能单元的功率输出控制策略，引入充放电转换次数和荷电状态模块，设置奖励函数和约束条件；建立氢储能功率分配模型；收集光伏电站历史日前预测数据和实际发电数据，训练氢储能功率分配模型；基于实时的光伏出力数据，使用氢储能功率分配模型获得氢储能功率输出指令，协调氢储能各单元出力。本发明建立了基于MADDPG的氢储能自适应功率分配模型，用于智能化决策补偿光伏发电系统预测误差的功率输出控制。

公开(公告)号：CN118657251A

公开(公告)日：2024-09-17

申请号：CN202410805860.6

申请日：2024-06-21

申请人： 吉林省电力科学研究院有限公司 ,  国网吉林省电力有限公司电力科学研究院

发明人： 李成钢 ,  张家郡 ,  张海锋 ,  王佳蕊 ,  高松 ,  陈璟毅 ,  董运昌 ,  孟祥东 ,  姜栋潇 ,  张懿夫 ,  付宇泽 ,  侍哲 ,  于非桐

IPC分类号： G06Q10/04 ,  G06Q50/06 ,  H02J3/00

摘要： 本发明公开了一种基于组合神经网络的电动汽车充换电负荷预测方法，涉及电动汽车负荷预测技术领域。包括以下步骤：S1，采集历史充换电负荷数据，并进行数据预处理；S2，以日期类型、节假日、气温三种因素和充换电负荷数据，构建特征矩阵，作为充电设施负荷预测模型的输入；S3，基于LLE算法，对充换电负荷数据进行降维；S4，搭建基于LLE‑CNN‑GRU混合神经网络的充电设施负荷预测模型；S5，使用基于混合策略的ISSA算法对所述充电设施负荷预测模型进行超参数调优；S6，在优化后的充电设施负荷预测模型中输入所述特征矩阵，进行充换电设施负荷预测。本发明可以提升电动汽车充电设施负荷的预期精度。

公开(公告)号：CN118586585A

公开(公告)日：2024-09-03

申请号：CN202410636961.5

申请日：2024-05-22

申请人： 国网吉林省电力有限公司电力科学研究院 ,  吉林省电力科学研究院有限公司

发明人： 张海锋 ,  王佳蕊 ,  孟祥东 ,  冷俊 ,  张家郡 ,  刘畅 ,  张懿夫 ,  王伟 ,  陈璟毅 ,  孟涛 ,  董运昌 ,  陈超 ,  刘鸣泰 ,  于非桐 ,  刘乃毓

IPC分类号： G06Q10/063 ,  G06Q50/06 ,  G06N3/0455 ,  G06N3/088 ,  G06F18/213 ,  H02J3/06 ,  H02J3/14 ,  G06F123/02

摘要： 本发明一种数据驱动的发输电系统韧性评估方法，属于电力系统韧性评估领域；通过建立两阶段优化训练模型，在无监督预训练过程通过降噪自动编码器提取输入数据高阶特征并提高预测性能。在有监督微调训练过程通过叠层极限学习机映射发输电系统运行状态和最小负荷削减之间的非线性关系，能够有效替代计算耗时的最优潮流算法(Optimal Power Flow，OPF)，从而加快电力系统韧性评估过程，提高发输电系统韧性评估的效率。