公开(公告)号：CN118281873B

公开(公告)日：2024-08-02

申请号：CN202410694230.6

申请日：2024-05-31

Applicant: 华南理工大学

Inventor： 朱继忠 ,  张乐 ,  张迪 ,  陈一熙 ,  李彦江 ,  周迦琳

IPC: H02J3/00 ,  H02J3/38 ,  G06N7/01 ,  G06N3/06 ,  G06N3/098 ,  G06N5/04 ,  G06Q50/06

Abstract: 本发明提出了一种基于贝叶斯和个性化联邦学习的海上风电概率预测方法，解决分布式风电在小样本和异质数据上预测性能差的问题，属于电力系统技术领域。本发明以多个分布式海上风电站的气象和功率数据作为样本集，训练随机配置网络预测器，并利用贝叶斯推断评估网络的输出权值参数，获得参数后验分布和概率输出。为了缓解小样本和异质数据引发的性能劣化，设计了一种个性化联邦学习框架；服务器端在分布之间的Wasserstein距离引导下以个性化的方式聚合客户端的后验分布；各客户端以个性化后验作为先验，调整自身参数分布以平衡本地个性化和全局信息融合。公开数据集下的测试结果表明本发明可显著提高小样本和异质风电数据下的预测性能。

公开(公告)号：CN117933597A

公开(公告)日：2024-04-26

申请号：CN202311720474.9

申请日：2023-12-13

Applicant: 华南理工大学 ,  云南电网有限责任公司

Inventor： 朱继忠 ,  周迦琳 ,  张迪 ,  李彦江 ,  张乐 ,  蓝静 ,  谢楚楚 ,  沈鑫

IPC: G06Q10/0631 ,  G06Q10/067 ,  G06Q40/04 ,  G06Q50/06 ,  G06F30/20 ,  G06F111/10 ,  G06F111/04

Abstract: 本发明公开了一种考虑电碳交易的工业园区低碳经济可信调度方法及装置。所述方法获取园区内的相关数据信息；构建负荷、企业和电碳市场的数据耦合模型；构建可平移柔性负荷需求响应模型及企业运营数学模型，企业运营数学模型包括水泥厂运营模型、新能源发电企业运行模型；构建园区的阶梯式碳交易成本模型；预设功率平衡约束条件和预设成本约束条件，根据以上模型构建园区低碳经济调度模型，求解出调度方案，并根据调度方案进行工业园区低碳经济可信调度。本发明能解决工业园区调度问题中现有技术忽略电碳交易机制、企业运行和市场交易数据难以有效测算存储和追踪溯源难度大的技术问题。

公开(公告)号：CN118864100A

公开(公告)日：2024-10-29

申请号：CN202410961062.2

申请日：2024-07-17

Applicant: 华南理工大学 ,  云南电网有限责任公司

Inventor： 朱继忠 ,  罗清局 ,  张迪 ,  周迦琳 ,  张乐 ,  沈鑫

IPC: G06Q40/04 ,  G06Q30/018 ,  G06Q10/04 ,  G06Q10/0631 ,  G06Q50/06 ,  H02J3/00 ,  H02J3/06

Abstract: 本发明公开了一种基于碳排放流的多工业园区电碳交易方法，其包括：获取各工业园区的历史购电量、光伏出力预测、化石能源碳排放等数据；基于碳排放流理论，根据各工业园区的购电量，配电网运营商优化调度得到潮流分布，结合潮流计算碳排放流得到多工业园区对应的动态碳排放因子，以准确计量各工业园区购电所产生的实际碳排放；在工业园区运行约束的基础上加入分时电价和阶梯式碳交易机制，确定电碳交易模型，充分考虑碳排放权配额和碳排放量，尤其是通过碳排放流准确计量各工业园区的购电碳排放；通过迭代的方法交替更新购电量和动态碳排放因子，在多次迭代互动中协同求解基于碳排放流的多工业园区电碳交易模型，根据最优解确定电碳交易量。

公开(公告)号：CN118281873A

公开(公告)日：2024-07-02

申请号：CN202410694230.6

申请日：2024-05-31

Applicant: 华南理工大学

Inventor： 朱继忠 ,  张乐 ,  张迪 ,  陈一熙 ,  李彦江 ,  周迦琳

IPC: H02J3/00 ,  H02J3/38 ,  G06N7/01 ,  G06N3/06 ,  G06N3/098 ,  G06N5/04 ,  G06Q50/06

Abstract: 本发明提出了一种基于贝叶斯和个性化联邦学习的海上风电概率预测方法，解决分布式风电在小样本和异质数据上预测性能差的问题，属于电力系统技术领域。本发明以多个分布式海上风电站的气象和功率数据作为样本集，训练随机配置网络预测器，并利用贝叶斯推断评估网络的输出权值参数，获得参数后验分布和概率输出。为了缓解小样本和异质数据引发的性能劣化，设计了一种个性化联邦学习框架；服务器端在分布之间的Wasserstein距离引导下以个性化的方式聚合客户端的后验分布；各客户端以个性化后验作为先验，调整自身参数分布以平衡本地个性化和全局信息融合。公开数据集下的测试结果表明本发明可显著提高小样本和异质风电数据下的预测性能。

公开(公告)号：CN115828768A

公开(公告)日：2023-03-21

申请号：CN202211697563.1

申请日：2022-12-28

Applicant: 华南理工大学

Inventor： 朱继忠 ,  董瀚江 ,  李盛林 ,  苗雨旺 ,  蓝静 ,  周迦琳

IPC: G06F30/27 ,  G06F113/04 ,  G06F119/06

Abstract: 本发明公开了一种数据驱动的配电网无功功率预测方法。所述方法包括以下步骤：整理数据资料，确定输入特征变量集合X和输出目标变量集合y，构建特征选择网络；构建基于长短期记忆的序列到序列循环神经网络架构；对多因素多维历史输入时间序列构建注意力机制，引入门控残差块，对有功和无功功率构建多任务学习机制，完成配电网无功功率预测模型f的构建；估计配电网无功功率预测模型f参数θ，输出无功功率预测值本发明设计数据驱动的神经网络算法架构，建立反映输入特征和输出目标变量之间映射关系的配电网无功功率预测模型，以应对配电网无功功率吸收或放出量的波动性、满足配电网对准确无功功率预测效果的紧迫需求。