-
公开(公告)号：CN117236991B
公开(公告)日：2024-12-31
申请号：CN202311519857.X
申请日：2023-11-15
Applicant: 广东工业大学
IPC: G06Q30/0201 , G06Q50/06 , H02J3/38
Abstract: 本发明公开了一种分布式资源聚合建模方法，方法的具体步骤包括：S1：通过各级调度自动化系统从电网营销服务系统获取对应的关键台账信息；S2：根据所述关键台账信息以及其他预设模型的数据，构建各级调度自动化系统对应的站‑线‑变‑户主配电网关联模型；S3：根据站‑线‑变‑户主配电网关联模型对应的站‑线‑变‑户关系表对各级调度自动化系统辖内的分布式资源分别进行聚合，得到对应的聚合控制单元；S4：将所述聚合控制单元分别挂接在对应的电网控制节点上，得到包含分布式资源的电网全景模型供电力现货市场系统出清计算使用。本发明实现了与南方区域电力现货市场建模规范相符的分布式资源聚合。
-
公开(公告)号：CN117892113B
公开(公告)日：2024-06-11
申请号：CN202410283502.3
申请日：2024-03-13
Applicant: 广东工业大学
IPC: G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0985 , G06Q10/04 , G06Q50/06 , H02J3/00 , H02J3/38
Abstract: 本发明涉及风电功率预测的技术领域，更具体地，涉及一种自适应VMD和双重降维注意力机制的风电功率预测方法，双重降维注意力机制可以有效的对高维风电功率数据进行降维，可实现高维风电功率数据的降维和特征提取，减少数据冗余，有助于提升风电功率的预测精度；自适应VMD算法能够将功率信号分解成更容易训练的分量，从而提高训练效率；而采用纵横交叉优化算法优化网络模型的超参数矩阵，能够解决由神经网路搭建的网络模型中可能存在的局部最优问题。本发明自适应VMD和双重降维注意力机制的风电功率预测方法，不仅具有较高的训练效率，而且可以对高维风电功率数据进行降维、解决神经网络模型的局部最优问题，从而提高风电功率的预测精度。
-
公开(公告)号：CN117424284A
公开(公告)日：2024-01-19
申请号：CN202311451985.5
申请日：2023-11-02
Applicant: 广东工业大学
Abstract: 本发明提出一种基于FCS‑MPC的光储直流微电网系统控制方法，基于有限控制集模型预测控制，分别构建分布式光伏发电单元的开关管控制预测模型和分布式储能单元的开关管控制预测模型，并基于所构建模型进行预测控制；基于光储直流微电网系统不同的运行模式，利用分布式光伏发电单元的开关管控制预测模型和分布式储能单元的开关管控制预测模型进行预测控制，分别改变分布式光伏发电单元和分布式储能单元的开关管状态，使得光储直流微电网系统的功率平衡，实现光储直流微电网中多台分布式光伏发电单元、分布式储能单元的输出功率在无需通讯的情况下按照预先设定自动分配，提高了光储直流微电网中各个单元的利用率，且动态响应优越，鲁棒性强。
-
公开(公告)号：CN117101036A
公开(公告)日：2023-11-24
申请号：CN202310994591.8
申请日：2023-08-08
Applicant: 广东工业大学
Abstract: 本发明涉及高空防坠装置技术领域，更具体地，涉及一种面向电力杆塔高空作业的防高坠磁力保护装置，包括磁力环和基座，基座上贯穿设有用于与脚钉套接的中空安装腔体，基座包括第一磁性件、第二磁性件、装设有磁流体的磁流体腔，磁流体腔位于第一磁性件与第二磁性件之间，磁力环套设于磁流体腔外且磁力环能打开或关闭，磁力环靠近第一磁性件侧与第一磁性件靠近磁力环侧磁极相反，磁力环靠近第二磁性件侧与第二磁性件靠近磁力环侧磁极相同，磁力环上还设有安全挂环。本发明的面向电力杆塔高空作业的防高坠磁力保护装置，具有便携、易于拆装、保护可靠的优点，该装置可结合杆塔作业的结构特点、工作环境、应用需求，实现作业人员杆塔作业的保护。
-
公开(公告)号：CN114331111B
公开(公告)日：2022-10-18
申请号：CN202111620741.6
申请日：2021-12-27
Applicant: 广东工业大学
Abstract: 本发明涉及经济调度的技术领域，更具体地，涉及一种多区域静态经济调度解耦降维求解方法。首先获取多区域静态经济调度机组的信息，并建立主优化目标函数；采用纵横交叉算法对多区域机组进行解耦，得到N个子种群与分布式子优化器；基于子种群建立子优化器与其余子种群建立子关联目标函数，计算得到各个子种群的子目标函数；各个子优化器的种群分别进行并行的横向交叉与纵向交叉；再通过邻域种群交叉机制计算邻域交叉新种群，通过变异机制加速分布式子优化器更新；而后；进行种群更新得到子全局最优粒子；满足更新迭代次数时，输出多区域静态经济调度求解优化的最优种群信息。本发明保护了各个区域的数据私密性并大大减少了计算机的通信负担。
-
Patent Agency Ranking
公开(公告)号：CN114169251A
公开(公告)日：2022-03-11
申请号：CN202111616484.9
申请日：2021-12-27
Applicant: 广东工业大学
IPC: G06F30/27 , G06F30/23 , G06N3/04 , G06N3/08 , G06F111/04 , G06F111/06 , G06F113/06 , G06F119/06
Abstract: 本发明涉及风电功率预测的技术领域，更具体地，涉及一种超短期风电功率预测方法，本实施例采用多元变分模态分解方法，将所采集的风电功率和风速序列依次进行分解，并拼接形成一个T×F的输入特征矩阵，降低复杂度。再通过自动编码器与极限学习机的结合构建深度极限学习机预测模型，并利用多目标纵横交叉算法对所建立的预测模型作权值和阈值的初始寻优。将寻优结果作为深度极限学习模型的初始参数并继续训练，最后利用训练好的模型对分解后的各子序列分别进行预测，将各子序列预测结果叠加从而得到风电功率预测值。本发明的超短期风电功率预测方法，有效提升了模型在风电功率的预测精度、预测稳定性与泛化性能。
-
公开(公告)号：CN107506861B
公开(公告)日：2021-04-16
申请号：CN201710742819.9
申请日：2017-08-25
Applicant: 广东工业大学
Abstract: 本发明实施例公开了一种短期风速预测方法、装置及系统，包括获取经预处理后的风速历史数据；利用小波分解法将风速历史数据分解为多个不同频率的第一子序列；通过小波重构方对各个第一子序列进行单支重构，得到与各个第一子序列一一对应的各个第二子序列；采用预先建立的极限学习机模型对各个第二子序列进行预测，得到与各个第二子序列一一对应的各个预测值；将各个预测值进行叠加，得到风速预测结果；其中，极限学习机模型的建立过程为采用训练样本数据及活性竞争萤火虫算法对极限学习机的参数进行优化，得到最优参数，以得到极限学习机优化模型。降低了风速的高度非线性对预测结果的影响，可以提高全局收敛精度，以提高预测精度。
-
公开(公告)号：CN107145982B
公开(公告)日：2020-02-21
申请号：CN201710312385.9
申请日：2017-05-05
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于纵横交叉算法的机组组合优化方法，该方法包括以下步骤：基于电力系统运行费用最低的目标函数和电力系统机组约束，建立电力系统机组组合的优化模型；根据优化模型的潜在解，初始化种群，获得初始机组状态矩阵和初始机组出力矩阵；基于初始机组状态矩阵，依次使用二进制纵横交叉算法BCSO和纵横交叉算法CSO迭代进行横向交叉和纵向交叉操作，产生的子代和父代竞争，获得电力系统机组组合的优化解。应用本发明实施例所提供的技术方案，可以使得粒子个体信息能够快速地在种群中传播，在极大地提高全局收敛能力的同时保持了收敛速度。本发明还公开了一种基于纵横交叉算法的机组组合优化装置，具有相应技术效果。
-
公开(公告)号：CN110390435A
公开(公告)日：2019-10-29
申请号：CN201910671658.8
申请日：2019-07-24
Applicant: 广东工业大学
Abstract: 本申请公开了一种风电功率预测方法、装置、设备及计算机可读存储介质，方法包括：获取风电功率时间序列、风速时间序列和风向时间序列；利用模式分解得到风电功率时间子序列、风速时间子序列和风向时间子序列；将经过模式分解得到的第i个风电功率时间子序列、第i个风速时间子序列、第i个风向时间子序列的正弦值和余弦值拼接起来，以形成一个1@T×n的张量；将m个1@T×n的张量整合在一起，以形成一个m@T×n的张量；利用m@T×n的张量及预先建立的卷积神经网络-长短时记忆深度学习预测模型得到风电功率预测结果。本申请公开的上述技术方案，利用一个m@T×n的张量及一个预先建立的卷积神经网络-长短时记忆深度学习预测模型得到风电功率预测结果，以提高风电功率预测的时效性和准确性。
-
公开(公告)号：CN106684922B
公开(公告)日：2019-03-15
申请号：CN201710174230.3
申请日：2017-03-22
Applicant: 广东工业大学
IPC: H02J3/38
Abstract: 本申请公开了一种风电机群控制方法及系统，该方法包括：预先创建并初始化与风电机群的规模相适应的粒子群，得到目标粒子群；利用罚函数确定公式，确定出每台风电机组的罚函数；利用适应度计算公式，计算每个粒子的适应度值；利用每个粒子的位置以及适应度值，对每个粒子的速度和位置进行迭代更新，得到全局最优粒子；根据全局最优粒子，对风电机群展开相应的控制，以控制每台风电机组的桨距角和变频交流母线的频率。本申请减少了风电机群控制过程中的风能损失量，并且能够避免风电机组的输出功率超出额定功率值，有利于风电系统的安全稳定运行。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.034 seconds)
