基于最优潮流的大规模电动汽车优化充放电系统及方法

    公开(公告)号:CN103840521B

    公开(公告)日:2016-08-17

    申请号:CN201410068611.X

    申请日:2014-02-27

    Applicant: 武汉大学

    Inventor: 杨军 何立夫

    Abstract: 本发明公开了一种基于最优潮流的大规模电动汽车优化充放电系统及方法,本发明的方法是:电网调度中心将小区集中管理单元等效为一个蓄电池,将其纳入电网的统一调度,以日负荷曲线平滑、网损最小、有载调压变压器调节次数最少、用户满意度高为目标函数,以电网安全稳定运行为约束调节建立优化模型,用改进粒子群优化算法求解各个小区集中管理单元的可充电容量,小区集中管理单元再按照电动汽车的不同需求给各车制定充放电计划。本发明能够解决大规模电动汽车接入电网充放电带来的各种问题,有序安排大规模的电动汽车完成充放电,能够在满足用户出行用电需求的同时,充分利用电动汽车来提高电网运行的安全性和经济性。

    基于支持向量机的配电网运行状态分类识别方法

    公开(公告)号:CN103136587B

    公开(公告)日:2015-12-09

    申请号:CN201310072258.8

    申请日:2013-03-07

    Abstract: 本发明提出一种基于支持向量机的配电网运行状态分类识别方法。该方法主要基于SVM理论,同时对传统的SVM 算法进行了改进。该方法从大量的数据样本中提取相似数据创建训练样本,采用小波包分解技术将故障信号分解成低频趋势信号和高频随机信号,采用SVM理论建模,合成得到配网运行状态分类数据,并训练得到基于核空间距离混合支持向量分类器(Support Vector Classifier,SVC),建立配电网运行特征基因库,从而试图去建立一种可靠的判别机制,甄别配电网的正常和异常及故障状态。通过大量的仿真数据验证,表明所构建的分类器具有较强的泛化能力和较高的分类识别准确性,同时程序运行时间可满足工程需要。

    电网输电能力风险评估方法

    公开(公告)号:CN101777766A

    公开(公告)日:2010-07-14

    申请号:CN201010116152.X

    申请日:2010-03-03

    Abstract: 本发明公开了一种电网输电能力风险评估方法,包括:针对电网系统建立包含配电网络阻抗的负荷模型,计算得负荷模型参数的变化范围;以负荷模型的典型负荷为模型向量基,将各种典型负荷组成比例与模型向量基相乘得到模型向量;计算得到负荷模型参数在不同温度下的模糊期望,将不同温度下的模糊期望与该温度出现的概率相乘再累加,得温度模糊期望;将负荷模型参数的变化范围分为预设等份,分别计算负荷模型参数按预设等份变化时,断面传输功率极限和发电机阻尼比;采用蒙特卡洛方法在负荷模型参数的变化范围内对断面传输功率极限和发电机阻尼比进行抽样,得到负荷模型风险评估参数;根据负荷模型风险评估参数计算电网断面输电能力的风险指标。

    基于保护动作状态识别的DFIG风电场动态等值方法、系统及设备

    公开(公告)号:CN118917193A

    公开(公告)日:2024-11-08

    申请号:CN202410993971.4

    申请日:2024-07-24

    Applicant: 武汉大学

    Abstract: 本发明提出了基于保护动作状态识别的DFIG风电场动态等值方法、系统及设备。通过设置不同故障程度及风速,模拟不同运行场景下风机保护动作情况,得到供给LightGBM分类器学习的数据;提出风机运行状态判据,快速判断不同故障下风机保护动作状态;构建改进LightGBM风机保护动作识别模型,提出误判惩罚因子矩阵来提高分类精度;应用时将风机状态量输入改进LightGBM分类模型即可快速、准确得到分群结果,经参数计算得到风电场等值模型;最后,基于Simulink验证了本发明所提方法的准确性和普适性。本发明考虑了故障下风电场部分脱网的运行情况,基于数据驱动进行识别与分类,速度快、准确度高,具有最高普适性。

    一种面向充电站的改进强化学习下垂控制方法及设备

    公开(公告)号:CN118868214A

    公开(公告)日:2024-10-29

    申请号:CN202410815375.7

    申请日:2024-06-24

    Applicant: 武汉大学

    Inventor: 杨军 柯松

    Abstract: 本发明涉及电力系统高度与控制技术,具体涉及一种面向充电站的改进强化学习下垂控制方法及设备,该方法使用李雅普诺夫理论,设计频率偏差到控制器实现有功功率输出的过零点单调函数;提出了一种基于递归神经网络的深度强化学习框架,以解决在保证稳定性的前提下实现最优一次频率控制;设计去中心化的改进下垂控制器,在保证稳定性的前提下,设计神经网络中的权重系数,实现下垂的最优参数设置。本发明结合工程实际,可适用于不同规模和配置容量以及大多数充电站系统参数和拓扑结构,能够改善充电站参与电网调频的能力,以提高高比例新能源接入下的电网频率稳定性,具有广阔的应用前景。

Patent Agency Ranking