-
公开(公告)号：CN119726829A
公开(公告)日：2025-03-28
申请号：CN202411889384.7
申请日：2024-12-20
Applicant: 东北大学
Abstract: 本发明公开一种面向混合构网储能变流器的分布式控制方法，涉及电气工程领域。本发明针对通过构网型变流器接入电力系统的超级电容与蓄电池两种电源，根据基于多智能体理论的混合储能分布式控制策略，得到满足混合储能需要的构网型变流器功率控制目标，接着，运用VSG控制与虚拟阻抗控制，使超级电容与蓄电池的功率输出符合得到的功率控制目标，从而在分布式的多个超级电容与蓄电池都中实现混合储能，不需要改造或加装电力设备，可以直接施加在通过构网型变流器连接至交流电网的储能电源上，提出的构网型变流器混合储能控制策略，能够使得超级电容与蓄电池分别承担功率输出的高频与低频分量，同时，采用稀疏通信网络进行信息交换，降低通信负担。
-
公开(公告)号：CN119448448A
公开(公告)日：2025-02-14
申请号：CN202411559124.3
申请日：2024-11-04
Applicant: 东北大学
Abstract: 本发明公开一种构网型储能变流器的多机并联运行控制方法，涉及电气工程领域。建立稀疏通信网络；获取节点自身的频率、电压有效值、有功功率和无功功率及邻居节点的有功功率和无功功率；构建结合主动支撑与协同控制的构网型变流器控制策略，计算各构网型变流器的输出频率与电压有效值；通过dq变换得到三相交流电压波形，调制为三相PWM开关控制信号，施加在构网型变流器上达到控制效果。本发明频率电压的主动支撑针对VSG控制中频率与电压对额定值的偏离，而协同控制策略消除了功率控制与频率电压控制之间的矛盾，所提出的优化控制方法弥补了VSG控制的缺陷，在保证构网型变流器频率与电压控制在额定值的同时，能够精准地将有功和无功功率进行合理分配。
-
公开(公告)号：CN118783524A
公开(公告)日：2024-10-15
申请号：CN202410818970.6
申请日：2024-06-24
Applicant: 国网辽宁省电力有限公司大连供电公司 , 东北大学
Abstract: 本发明公开了一种虚拟电厂内部成员动态聚合调度方法，包括建立虚拟电厂内部成员联盟效益函数、建立联盟效益势态差函数、建立新能源互补净值模型、建立虚拟电厂成员动态聚合准则和分裂准则、得到虚拟电厂内部成员动态聚合调度结果。本发明建立了联盟效益势态差函数和新能源互补净值模型，并在建立聚合准则和分裂准则时加入联盟效益势态差函数和新能源互补净值模型，充分考虑了联盟聚合和分裂过程中的影响因素，有效提高聚合准则和分裂准则的准确性，使得到的虚拟电厂内部成员动态聚合结果更加贴近实际电力情况。
-
公开(公告)号：CN113193602B
公开(公告)日：2024-10-01
申请号：CN202110510237.4
申请日：2021-05-11
Applicant: 东北大学
IPC: H02J3/46
Abstract: 本发明提供一种含低热值发电和分布式电源的配电网优化运行系统及方法，涉及多能源系统技术领域。本系统包括用户登录模块、数据采集模块、电网络潮流模块、设备运行状态监测模块、设备运行控制模块以及数据显示与存储模块；将低热值发电装置与配电网优化运行相结合，通过回收工业余热和燃烧低热值燃料获得低热值气体，通过有机朗肯循环过程对能源进行回收利用，有效利用低热值资源，提高了能源的利用效率，建立了优化模型，考虑了整个模型的碳排放量和碳交易市场，具有现实意义，节约成本。
-
公开(公告)号：CN118331033B
公开(公告)日：2024-09-06
申请号：CN202410763630.8
申请日：2024-06-14
Applicant: 东北大学
IPC: G05B13/02
Abstract: 本申请公开了一种基于多智能体的虚拟电厂系统一致性控制方法及装置，涉及多智能体系统控制，解决了目前存在现有的一致性控制方法在控制过程中会造成大量的虚拟机组的通信资源消耗和电能消耗的问题。该方法包括：通过通信拓扑图建立虚拟电厂系统的边对边有向关联矩阵，确定虚拟电厂系统的边对边的动力学方程，进而获得各虚拟机组的边对边一致性误差、边事件测量采样误差，之后确定各虚拟机组的边事件触发控制协议，当一虚拟机组的边事件触发机制满足触发条件时，更新虚拟机组的边事件触发控制协议，并基于边事件触发控制协议、边对边一致性误差控制边状态收敛至同一目标。
-
Patent Agency Ranking
公开(公告)号：CN113394792B
公开(公告)日：2024-08-20
申请号：CN202110787591.1
申请日：2021-07-13
Applicant: 东北大学 , 国网辽宁省电力有限公司鞍山供电公司
Inventor： 宁辽逸 , 胡博 , 任守东 , 刘宇 , 雷振江 , 杨东升 , 金硕巍 , 周博文 , 李广地 , 罗艳红 , 杨波 , 奚超 , 贺欢 , 郝睿 , 李松涛 , 祝湘博 , 陈荣玉
IPC: H02J3/14 , H02J13/00 , G06Q50/06 , G06Q30/0201 , G06Q10/0631 , G06Q10/04 , G06N3/006
Abstract: 本发明提供一种新能源菱镁负荷虚拟电厂源网荷储智能控制装置及方法，涉及电力负荷智能调节控制技术领域。本装置包括采集模块、传输模块、总线通信模块、5G通信模块、存储模块、计算模块、控制模块；对包含工业负荷的虚拟电厂的分布式新能源优化利用，消纳了新能源，增加了虚拟电厂的收益；对菱镁工业产品冷却散热阶段的热量进行分级综合利用，提高了能源的利用率，节约能源，提高效益；对现货市场下的虚拟电厂的峰值进行调控，实现了综合优化控制经济效益与安全稳定运行。
-
公开(公告)号：CN118316094A
公开(公告)日：2024-07-09
申请号：CN202410742395.6
申请日：2024-06-11
Applicant: 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司 , 东北大学
Inventor： 刘桁宇 , 胡大伟 , 张智 , 王珊珊 , 孙家正 , 张哲 , 朱义东 , 罗艳红 , 周博文 , 史景瑞 , 杨璐羽 , 厍世达 , 杨莹璇 , 张新宇 , 田野 , 陈强 , 史可鉴 , 段方维 , 杜威 , 呼笑笑 , 张天宇 , 李海峰 , 王智博 , 顾泰宇
Abstract: 本发明属于电动汽车负荷接入电网后，引起电网电压波动的技术领域，尤其涉及一种充放储一体化双向能量智能协同系统及方法。本发明系统包括电动汽车充电桩、梯次电池储能系统以及智能PWM多功能变流器，用于对一体化电站的电压进行检测并对电压进行补偿。本发明利用智能PWM多功能变流器检测出电网电压的状态扰动，将电压扰动信号输送给模型预测电压控制单元，经过数据处理后输出电压信号给智能PWM多功能变流器的主电路，将电网电压降低的信号传递给梯次电池储能系统，使得梯次电池储能系统放电，补偿电网电压，确保电网电压运行稳定，保障大规模电动汽车接入电网时对电压的波动减小到最低，有效保障电压平衡。
-
公开(公告)号：CN118278495A
公开(公告)日：2024-07-02
申请号：CN202410660168.9
申请日：2024-05-27
Applicant: 东北大学
IPC: G06N3/092 , G06N3/008 , G06Q50/06 , G06F18/2135 , G06F18/2321 , G06F18/20 , H02J3/38
Abstract: 本发明提供一种基于强化学习的电网运行模式的生成方法，涉及电力系统技术领域，本发明利用马尔可夫决策过程描述智能体与环境的交互，采用SARSA算法进行电网运行方式生成的计算，并通过z‑score标准化、主成分分析和DBSCAN聚类识别典型运行类型，最后将该智能算法输入进人工智能加速器中进行复杂计算。该模型可提升电网运行方式的计算效率和准确性，实现智能体在不确定环境中的最优动作选择，从而改善电网运行状况。本发明为电网运行方式的生成与评价提供了一种高效、准确的方法，具有广阔的应用前景。
-
公开(公告)号：CN106981933B
公开(公告)日：2024-02-06
申请号：CN201710273762.2
申请日：2017-04-25
Applicant: 东北大学
Abstract: 本发明提供一种无线电能传输系统及基于距离自适应的驱动线圈配置方法，涉及无线电能传输技术领域。系统包括高频驱动电源、驱动线圈组、发射线圈、接收线圈和负载线圈组，驱动线圈组包括非同轴结构且在同一平面的n个并联驱动线圈，负载线圈组与驱动线圈组完全对称，发射线圈与接收线圈完全对称。以该系统为基础，确定在不同传输距离下系统最大效率传输满足的条件，并转化为驱动线圈半径的隐式函数，求得最佳半径、电感和串联补偿电容。本发明的无线电能传输系统采用非同轴的驱动线圈组，实现无线电能传输装置的轻便性，有效降低系统损耗，基于距离自适应的驱动线圈配置方法能在传输距离发生变化时，保证系统仍以最大效率进行无线电能传输。
-
公开(公告)号：CN113762387B
公开(公告)日：2024-02-02
申请号：CN202111048836.5
申请日：2021-09-08
Applicant: 东北大学
Abstract: 本发明提供一种基于混合模型预测的数据中心站多元负荷预测方法，涉及自动控制技术领域。本发明将数据中心站的多元数据分成春秋、夏、冬三类场景，居于各类场景的数据进行多元负荷预测，采用GRA方法对多元负荷数据进行特征分析和归一化，将处理后的数据输入到QPSO－BP神经网络进行预测，在预测算法方面，采用QPSO‑BP神经网络与XGBoost模型并行预测，将深度学习与机器学习技术同时运用于负荷预测，将两种集成学习方式有效结合，充分发挥两个模型优点，有助于获得更稳定、泛化能力更强的模型。混合预测模型能主动丰富维度单一的输入数据特征，避免数据采集过程中人为因素导致的数据误差对计算精度的影响，在负荷波动较大等特殊
-
-
-
-
-
-
-
-
-
Search Results
197
records
(took 0.049 seconds)
