-
公开(公告)号：CN116681171A
公开(公告)日：2023-09-01
申请号：CN202310653059.X
申请日：2023-06-05
Applicant: 贵州大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/06 , G06F17/16
Abstract: 本申请公开了一种多场景综合能源系统分布鲁棒优化调度方法和系统，方法包括如下步骤：针对综合能源系统源、荷不确定性影响，基于IDM构建分布鲁棒模糊集；基于所述分布鲁棒模糊集建立考虑多元变量相关性的多场景综合能源系统分布鲁棒优化调度模型；利用强对偶转换和C&CG算法对所述多场景综合能源系统分布鲁棒优化调度模型进行求解，得到兼顾鲁棒性和经济性的调度计划；通过算例仿真验证所述调度计划的有效性。本申请可促进系统经济可靠运行，提高了调度方案的准确性和模型求解效率。
-
公开(公告)号：CN113591399B
公开(公告)日：2022-04-26
申请号：CN202110966330.6
申请日：2021-08-23
Applicant: 贵州大学
IPC: G06F30/27 , G06K9/62 , G06Q10/04 , G06Q50/06 , G06N3/00 , G06F111/08 , G06F119/06
Abstract: 本发明公开了一种短期风功率预测方法，包括：采集风功率数据，将风功率数据划分为训练集和测试集；基于SVM核函数与Stacking集成学习算法构建第一融合模型、第二融合模型，将训练集作为输入对第一融合模型进行训练获得目标训练集；将测试集输入训练后的第一融合模型获得目标测试集；将目标训练集和目标测试集输入第二融合模型，获得风功率预测结果。本发明通过对风电场输出功率进行预测，可以降低不确定性风险，实现了对风力发电系统更好的组合调度，为电力系统的安全稳定和电能质量提供了保障。
-
公开(公告)号：CN113988161A
公开(公告)日：2022-01-28
申请号：CN202111204205.8
申请日：2021-10-15
Applicant: 贵州大学
Abstract: 本发明公开一种用户用电行为模式识别方法，包括：采集日负荷曲线数据，对日负荷曲线数据进行预处理，随机划分为第一数据集和第二数据集，第一数据集用于负荷曲线类别标签数据的提取与筛选；筛选第一数据集，获取精准负荷曲线类别标签数据；提取精准负荷曲线类别标签数据中的Shapelet集合；利用Shapelet集合对第二数据集进行Shapelet转换获得时序轨迹特征矩阵，将时序轨迹特征矩阵随机划分为训练集和测试集；利用训练集构建并训练随机森林分类器；利用训练好的随机森林分类器对测试集进行分类，获得分类结果，识别用户用电行为模式。本发明充分利用提高负荷分类质量和分类效率、同时使分类结果具有较强可解释性。
-
公开(公告)号：CN116644358A
公开(公告)日：2023-08-25
申请号：CN202310624275.1
申请日：2023-05-30
Applicant: 贵州大学
IPC: G06F18/2415 , G06Q10/04 , G06Q50/06 , G06N3/0464 , G06F18/214 , G06N3/084 , G06Q10/0639 , H02J3/06
Abstract: 本发明涉及基于贝叶斯卷积神经网络的电力系统暂态稳定评估方法，包括：采集电力系统PMU量测数据并进行处理，获取电力系统暂态过程时序数据，基于所述电力系统暂态过程时序数据构建数据集；构建基于贝叶斯卷积神经网络的电力系统不确定性暂态稳定评估模型，基于所述数据集对所述模型进行训练和测试，获取最终模型；利用所述最终模型进行电力系统的在线暂态稳定评估，获取所述电力系统的暂态稳定状态预测结果和所述预测结果的不确定性估计。本发明所构建的模型面对噪声数据及特征缺失数据具有较强的鲁棒性，对小数据集有较强的适应性且运行人员可根据具体需求设置不确定性阈值，以来改善预测结果。
-
公开(公告)号：CN116595448A
公开(公告)日：2023-08-15
申请号：CN202310624178.2
申请日：2023-05-30
Applicant: 贵州大学
IPC: G06F18/2411 , G06F18/214 , G06F18/10 , G06N3/0464 , G06N3/08 , G06Q10/0639 , G06Q50/06 , G06Q10/04 , H02J3/00
Abstract: 本发明公开了基于卷积神经网络电力系统暂态稳定评估的方法，包括：采集待测特征数据，对所述待测特征数据进行预处理，对预处理后的数据进行稳定性分类获取分类结果，构建电力系统暂态稳定评估模型；对所述电力系统暂态稳定评估模型进行评估获取评估结果，所述评估结果结合评价指标完成对电力系统暂态稳定评估。本发明有利于降低大停电事故发生的概率，提升供电可靠性，为“碳达峰、碳中和”目标下的现代电力系统建设提供坚强的保障。
-
Patent Agency Ranking
公开(公告)号：CN113591399A
公开(公告)日：2021-11-02
申请号：CN202110966330.6
申请日：2021-08-23
Applicant: 贵州大学
IPC: G06F30/27 , G06K9/62 , G06Q10/04 , G06Q50/06 , G06N3/00 , G06F111/08 , G06F119/06
Abstract: 本发明公开了一种短期风功率预测方法，包括：采集风功率数据，将风功率数据划分为训练集和测试集；基于SVM核函数与Stacking集成学习算法构建第一融合模型、第二融合模型，将训练集作为输入对第一融合模型进行训练获得目标训练集；将测试集输入训练后的第一融合模型获得目标测试集；将目标训练集和目标测试集输入第二融合模型，获得风功率预测结果。本发明通过对风电场输出功率进行预测，可以降低不确定性风险，实现了对风力发电系统更好的组合调度，为电力系统的安全稳定和电能质量提供了保障。
-
公开(公告)号：CN115374692B
公开(公告)日：2023-04-14
申请号：CN202210818475.6
申请日：2022-07-12
Applicant: 贵州大学
IPC: G06F30/27 , G06Q10/0631 , G06Q50/06 , G06N3/045 , G06N3/0464 , G06N3/044 , G06N3/048 , G06N3/084 , G06N3/08 , G06F111/04 , G06F111/06
Abstract: 本申请公开了一种用于区域综合能源系统的双层优化调度决策方法，步骤包括：构建上层部分数学模型和下层数据驱动模型；通过上层部分数学模型得到日前运行计划；根据日前运行计划，为下层数据驱动模型提供参考值；对历史运行数据进行处理，得到训练用数据；将参考值和训练用数据输入下层数据驱动模型进行训练，得到输出结果；将输出结果输入自适应功率修正模型进行微调，得到最优运行计划，完成对RIES的优化。本申请通过双层优化调度方法可有效应对可再生能源出力及负荷的不确定性，且在日内滚动优化阶段中可以不需要系统的具体数学模型和复杂的求解算法，快速得出系统最优运行计划，极大提高了RIES最优化调度问题的求解效率。
-
公开(公告)号：CN113988161B
公开(公告)日：2022-08-19
申请号：CN202111204205.8
申请日：2021-10-15
Applicant: 贵州大学
Abstract: 本发明公开一种用户用电行为模式识别方法，包括：采集日负荷曲线数据，对日负荷曲线数据进行预处理，随机划分为第一数据集和第二数据集，第一数据集用于负荷曲线类别标签数据的提取与筛选；筛选第一数据集，获取精准负荷曲线类别标签数据；提取精准负荷曲线类别标签数据中的Shapelet集合；利用Shapelet集合对第二数据集进行Shapelet转换获得时序轨迹特征矩阵，将时序轨迹特征矩阵随机划分为训练集和测试集；利用训练集构建并训练随机森林分类器；利用训练好的随机森林分类器对测试集进行分类，获得分类结果，识别用户用电行为模式。本发明充分利用提高负荷分类质量和分类效率、同时使分类结果具有较强可解释性。
-
公开(公告)号：CN115374692A
公开(公告)日：2022-11-22
申请号：CN202210818475.6
申请日：2022-07-12
Applicant: 贵州大学
IPC: G06F30/27 , G06Q10/06 , G06Q50/06 , G06N3/04 , G06N3/08 , G06F111/04 , G06F111/06
Abstract: 本申请公开了一种用于区域综合能源系统的双层优化调度决策方法，步骤包括：构建上层部分数学模型和下层数据驱动模型；通过上层部分数学模型得到日前运行计划；根据日前运行计划，为下层数据驱动模型提供参考值；对历史运行数据进行处理，得到训练用数据；将参考值和训练用数据输入下层数据驱动模型进行训练，得到输出结果；将输出结果输入自适应功率修正模型进行微调，得到最优运行计划，完成对RIES的优化。本申请通过双层优化调度方法可有效应对可再生能源出力及负荷的不确定性，且在日内滚动优化阶段中可以不需要系统的具体数学模型和复杂的求解算法，快速得出系统最优运行计划，极大提高了RIES最优化调度问题的求解效率。
-
公开(公告)号：CN113435793A
公开(公告)日：2021-09-24
申请号：CN202110908101.9
申请日：2021-08-09
Applicant: 贵州大学
Abstract: 本发明涉及一种基于强化学习的微电网优化调度方法，包括：获取微电网风光元件的预测信息以及电源的边界信息，搭建基于强化学习的微电网优化调度强化学习模型；基于强化学习的微电网优化调度强化学习模型进行自学习，并积累自学习过程中学习到的调度知识，得到拥有先验调度知识的微电网；通过迁移学习挖掘和利用学习到的调度知识，搭建相似度计算模型，用于实现所述调度知识的再利用；在新的微电网优化调度任务中利用先验调度知识进行微调学习，获得新任务的优化调度策略。本发明方法将强化学习和迁移学习引入到微电网优化调度中，强化学习具备强大的自学习和记忆能力，并且能够将寻优过程中学习到的经验知识储存在神经网络参数中。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.019 seconds)
