-
公开(公告)号：CN118868039A
公开(公告)日：2024-10-29
申请号：CN202410883728.7
申请日：2024-07-03
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 国网江苏省电力有限公司
IPC: H02J3/00 , G06Q50/06 , G06Q10/0631 , G06N7/01
Abstract: 本发明公开了一种计及用户需求的电动汽车双层优化模型的充放电调度方法。考虑了负荷削峰填谷效果和用户参与度，分别以电网日负荷方差最小和保证车主出行需求的情况下使车主充电成本最小为目标，建立了一个基于电网和用户两侧需求的V2G双层优化调度策略，然后利用改进的智能算法对双层优化模型进行循环迭代求解。该方法得到的优化调度策略能有效降低新的负荷高峰及负荷峰谷差，减少V2G的用户成本，实现两侧双赢，模型简单，易于求解，具有一定的理论价值和工程价值。
-
公开(公告)号：CN118861731A
公开(公告)日：2024-10-29
申请号：CN202410883725.3
申请日：2024-07-03
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 国网江苏省电力有限公司 , 南京理工大学
IPC: G06F18/23213 , G06F18/214 , G06F18/15 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于TCN‑BiGRU深度学习的电动汽车负荷预测方法。针对不同类型电动汽车的特性差异，首先采用K‑means对不同类型的电动汽车进行聚类；然后，对聚类之后的结果进行二次聚类；最后，建立TCN‑BiGRU神经网络模型，用聚类数据集对提出的预测模型进行训练和测试。该方法得到的电动汽车负荷预测结果充分考虑了不同类型电动汽车存在的特性差异，其结果能有效提高电动汽车负荷预测结果精度，具有一定的理论价值和工程价值。
-
公开(公告)号：CN119009940A
公开(公告)日：2024-11-22
申请号：CN202410923285.X
申请日：2024-07-10
Applicant: 国网江苏省电力有限公司淮安供电分公司
Abstract: 一种基于LSTM神经网络的分层能源系统优化调度方法，包括操作步骤：步骤1：负荷预测，采用LSTM网络预测日前市场的电动汽车负荷；LSTM网络通过遗忘门、输入门和输出门来动态调整记忆单元的存储，控制信息的流动，提高模型的学习能力；步骤2：基于对电动汽车负荷预测的结果，建立电动汽车负荷优化调度模型，减少预测负荷曲线和实际负荷曲线之间的误差；步骤3：采用GA遗传算法对步骤2中电动汽车负荷优化调度模型求解；步骤4：采取考虑交易双方利益最大化，建立电动汽车能源交易模型；步骤5：采用改进粒子群算法对电动汽车能源交易模型求解，得到全局最优解作为结果。本发明制定电动汽车负荷协调调度策略，实现电力系统经济效益和环境效益最优。
-
公开(公告)号：CN118826039A
公开(公告)日：2024-10-22
申请号：CN202410883733.8
申请日：2024-07-03
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 国网江苏省电力有限公司 , 南京理工大学
Abstract: 本发明公开了一种基于深度强化学习的大规模电动汽车充换电负荷优化调度方法，以保证大规模电动汽车充换电负荷实时优化调度的经济型和高效性为目标，考虑了负荷调控过程中的用户因素、系统因素、市场因素，实现大规模电动汽车与各类电力市场主体的友好互动。根据用户的行为特征，判断电动汽车的实际可调性，构建不同场景下的可调充换电负荷的优化调度模型，并采用深度强化学习算法求解并网充换电负荷的实时调度方案。该方法得到的优化调度策略适用于大规模电动汽车实时优化调度，考虑了多个场景下的优化方案，模型简单，易于求解，具有一定的理论价值和工程价值。
-
-
-
Search Results
4
records
(took 0.043 seconds)
