基于集群学习的低碳CSP系统协同优化方法及装置

    公开(公告)号:CN113541205B

    公开(公告)日:2021-12-24

    申请号:CN202111071355.6

    申请日:2021-09-14

    Abstract: 本发明公开的基于集群学习的低碳CSP系统规划与运行协同优化方法及装置,包括:对系统中的CSP机组进行集群分组,获得多个CSP机组组群;通过表示CSP机组组群的在线总容量、启动总容量和关停总容量的三个连续变量,构建CSP机组组群的输出功率约束、爬坡约束、最小在线时间约束、最小离线时间约束和瞬时热功率平衡约束,进而构建低碳CSP系统规划与运行协同优化模型;获取低碳CSP系统中各机组的额定容量;根据各机组的额定容量及构建的低碳CSP系统规划与运行协同优化模型,获取各机组组群的容量配置方案。其中,CSP机组组群各项约束中的变量都是连续的,为完全的线性优化模型,降低了模型计算的复杂度,适用于大规模电力系统长期规划问题的分析。

    基于超参数粒子群优化的电力系统状态估计方法及系统

    公开(公告)号:CN116307198B

    公开(公告)日:2024-09-10

    申请号:CN202310287579.3

    申请日:2023-03-20

    Abstract: 本发明属于电力系统技术领域,具体涉及一种基于超参数粒子群优化的电力系统状态估计方法及系统,包括:获取历史电力数据;根据所获取的数据和预设的电力系统状态估计模型,完成电力系统的状态估计;其中,预设的电力系统状态估计模型采用双层超参数仿真优化模型,所述双层超参数仿真优化模型的上层模型采用电力数据状态量的均方误差函数,下层模型采用指数型目标函数状态估计模型;将所述指数型目标函数状态估计模型的窗宽作为超参数,使用粒子群算法进行双层超参数仿真优化模型的迭代求解,得到最优窗宽,基于所得到的最优窗宽进行电力系统的状态估计。

Patent Agency Ranking