-
公开(公告)号：CN119692841A
公开(公告)日：2025-03-25
申请号：CN202411695811.8
申请日：2024-11-25
Applicant: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司 , 福州大学
Abstract: 本发明提供了一种基于分层证据推理的新型电力系统综合评价方法，包括如下步骤：步骤S1：选择第l层指标；步骤S2：同时构建指标成对比较矩阵C和指标数据矩阵X；步骤S3：采用层次分析法和CRITIC法分别计算指标的主观权重W1和客观权重W2；步骤S4：使用贝叶斯网络推理计算指标的综合权重W；步骤S5：选择第k个地区指标数据；步骤S6：采用证据推理方法计算第l+1层指标的效用平均值uavg(Il+1k)；步骤S7：判断是否为最后一个地区；步骤S8：判断是否为最后一层指标。应用本技术方案可综合主观判断和客观分析实现不确定环境下证据的多层融合，可准确地对具有多层次结构的新型电力系统统计指标体系进行评价，获得各地区新型电力系统综合评价分数。
-
公开(公告)号：CN117060423A
公开(公告)日：2023-11-14
申请号：CN202310819584.4
申请日：2023-07-05
Applicant: 国网福建省电力有限公司经济技术研究院 , 国网福建省电力有限公司
Abstract: 本发明公开了一种考虑电力系统暂态电压稳定的紧急控制方法及终端，在电力系统中设置不同的故障，生成对应的故障数据集并获得运行状态，根据运行状态判断电力系统中节点的电压是否低于预设电压，若是，则建立边缘图卷积网络强化学习模型，生成并执行切除节点负荷行为的策略；根据切除节点负荷行为的策略，得到新的运行状态，并结合切除节点负荷行为的策略、奖励函数、新旧运行状态更新模型的参数，当模型完成训练时输出紧急控制方案。以此方式，能够有效根据电网运行环境信息制定切负荷策略，实现从电网运行状态到切负荷紧急控制策略的直接映射，提高不同故障下的电力系统短期电压稳定性。
-
公开(公告)号：CN117713112A
公开(公告)日：2024-03-15
申请号：CN202311568208.9
申请日：2023-11-22
Applicant: 国网福建省电力有限公司经济技术研究院 , 国网福建省电力有限公司
Abstract: 本发明公开了一种STATCOM选址定容的优化方法及终端，基于分区后的电力系统构建包含投资成本、静态电压稳定指标和暂态电压严重性指标的多目标动态无功规划模型，使用基于自适应协方差矩阵和混沌搜索的多目标群搜索优化算法对多目标动态无功规划模型进行求解，得到帕累托解集，使用熵权理想度排序法对帕累托解集进行推理，得到最优的STATCOM选址信息和容量信息，基于自适应协方差矩阵和混沌搜索的多目标群搜索优化算法和熵权理想度排序法能够准确、快速地求得最优的STATCOM选址信息和容量信息，从而能够在保证STATCOM投资成本最小的同时，最大程度提高电力系统静态和暂态电压稳定性。
-
公开(公告)号：CN117691603A
公开(公告)日：2024-03-12
申请号：CN202311427583.1
申请日：2023-10-31
Applicant: 国网福建省电力有限公司经济技术研究院 , 国网福建省电力有限公司
IPC: H02J3/06 , G06F30/20 , H02J3/38 , H02J3/00 , G06F119/02 , G06F111/08
Abstract: 本发明公开了一种模型数据混合驱动的电力系统小干扰稳定性评估方法，通过获取电力系统的目标拓扑，根据目标拓扑进行确定性潮流分析和模态分析，得到确定性场景下的静态工作点。结合变流器特性约束对电力系统的新能源不确定性输入进行概率分布建模，并根据新能源动态特性以及确定性场景下的静态工作点建立电力系统的阻抗模型。进而求取系统主导特征模态实部的表达式，基于此分析不确定性对新能源电力系统小干扰稳定性的影响。以此方式，针对建立的模型确定数据驱动多项式基，通过模型‑数据混合驱动的方式进行系统小干扰稳定性的评估，能够针对可再生能源的随机特性，一次性确定电力系统的小干扰稳定性。
-
公开(公告)号：CN117060497A
公开(公告)日：2023-11-14
申请号：CN202310823626.1
申请日：2023-07-05
Applicant: 国网福建省电力有限公司经济技术研究院 , 国网福建省电力有限公司
Abstract: 本发明公开了一种储能站的协调控制方法及终端，获取电网功率‑频率的特性参数、能量管理系统的线路潮流数据以及储能参与频率稳定控制的各级低频启动频率，能够计算出各级参与低频启动频率稳定控制的储能容量；根据线路潮流数据和每一储能电站的储能荷电状态选择各级参与频率稳定控制的储能电站，之后结合储能容量将控制命令下发至储能电站。因此，储能电站采用分级分批的投入方式，根据线路潮流数据、储能电站的荷电状态以及各级的储能容量进行储能站的协调控制，能够有效地提高电力系统频率稳定性，保障电力系统安全稳定运行。
-
Patent Agency Ranking
公开(公告)号：CN114444802B
公开(公告)日：2024-06-04
申请号：CN202210109887.2
申请日：2022-01-29
Applicant: 福州大学
IPC: G06Q10/04 , G06Q30/0283 , G06Q50/06 , G06N3/042
Abstract: 本发明提供了一种基于图神经网络强化学习的电动汽车充电引导优化方法，包括如下步骤：步骤S1：电力‑交通融合网协同优化模型初始化；步骤S2：更新电动汽车充电负荷；步骤S3：根据epsilon‑Greedy算法和图神经网络强化学习算法生成ai,t；步骤S4：执行充电引导行为策略ai,t；步骤S5：计算图神经网络强化学习算法的奖励函数；步骤S6：部分观测马尔科夫决策过程的状态xi,t更新；步骤S7：将当前步的信息(xi,t,ai,t,ri,t,xi,t)存储于记忆单元D中；步骤S8：判断是否达到预定的时间Tend；若否，则执行(2)~(7)；若是，则输出图神经网络强化学习算法参数和相应输出结果。应用本技术方案可实现有效地降低电动汽车充电总成本，实现电动汽车的有序充电以及电力系统协同优化调度。
-
公开(公告)号：CN116231639A
公开(公告)日：2023-06-06
申请号：CN202310199515.8
申请日：2023-03-04
Applicant: 福州大学
Abstract: 本发明公开了一种基于多目标多智能体深度强化学习的配电网重构决策方法，包括步骤：1）根据将配电网线路全部闭合时，网络中存在的基本回路数量确定智能体的数量；2）构建配电网重构决策模型，将配电网重构决策模型转化为部分可观察马尔可夫决策过程；3）利用多智能体深度确定性策略梯度算法为每个智能体构建Actor网络和Critic网络并将网络随机初始化；4）构建配电网重构MADDPG训练框架；5）对MADDPG智能体进行离线训练，然后再将训练好的智能体部署在实际的配电网中进行在线训练。应用本技术方案可实现配电网重构的快速决策，在配电网有限的通信条件下实现全局的协同控制，保证电网的电能质量，提高配电网运行的经济性。
-
公开(公告)号：CN116151562A
公开(公告)日：2023-05-23
申请号：CN202310064061.3
申请日：2023-01-13
Applicant: 福州大学
Abstract: 本发明提出一种基于图神经网络强化学习的移动应急车调度和配电网韧性提升方法，包括：步骤S1：配电网‑交通网模型初始化；步骤S2：交通路网和电力系统线路故障随机恢复；步骤S3：构建图神经网强化学习算法的状态；步骤S4：生成移动应急储能车的调度行为策略；步骤S5：执行移动应急储能车的调度策略，并对移动储能车的状态进行判断和更新；步骤S6：计算配电网重构策略，并根据对配电网的重构和优化计算移动应急储能车的奖励函数；步骤S7：图神经网络强化学习算法状态更新；步骤S8：将当前步的信息存储于记忆单元中；步骤S9：判断是否达到预定的时间；若否，则执行(2)~(8)；若是，则输出图神经网络强化学习算法参数和相应优化调度结果。
-
公开(公告)号：CN119151222A
公开(公告)日：2024-12-17
申请号：CN202411254987.X
申请日：2024-09-09
Applicant: 福州大学
IPC: G06Q10/0631 , G06Q50/06 , G06N3/092
Abstract: 本发明提供一种基于数据‑模型混合驱动方法的多类型移动应急资源优化调度和配电网韧性提升策略，从移动储能车和应急抢修队的动态交互关系出发，同时协调移动储能车和应急抢修队进行负荷恢复和道路维修；考虑修复道路所需时长不确定下调度应急抢修队对交通网损坏道路进行修复；以及考虑交通网道路状态动态变化下调度移动储能车对配电网节点进行负荷恢复；数据驱动部分由基于图注意力机制的图神经网络多智能体强化学习算法GATD3QN支撑，以求解出最优的多类型移动应急资源路由行为策略；模型驱动部分将移动储能车和应急抢修队的调度模型、配电网重构模型和配电网最优潮流模型构建为MISOCP模型并求解出最优的多类型移动应急资源调度行为策略。
-
公开(公告)号：CN115509126B
公开(公告)日：2023-10-20
申请号：CN202210940735.7
申请日：2022-08-06
Applicant: 福建华电福瑞能源发展有限公司福建分公司 , 福州大学
Abstract: 本发明提供了一种基于大数据和深度挖掘技术的混煤掺烧方法，包括如下步骤：1)混煤掺烧神经网络模型和环境初始化；2)设置不同目标指标参数值；3)基于深度强化学习策略网络生成动作行为；4)执行混煤掺烧方案at，并得到下一时刻更新混煤掺烧状态s′t；5)根据环境的反馈计算强化学习算法的奖励值rt；6)将当前步的信息，包括存储于记忆单元D中，并对深度强化学习算法权重进行更新；7)将混煤掺烧状态st更新为下一时刻混煤掺烧状态s′t；8)判断是否达到预定的时间Tend，若否，则执行2)至7)；若是，则输出深度强化学习算法参数和相应混煤掺烧方案a，本技术方案可实现降低火力发电厂发电的总成本，减少对环境的影响，提高火力发电厂的经济性、安全性和环保性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.17 seconds)
