-
公开(公告)号：CN119891371A
公开(公告)日：2025-04-25
申请号：CN202411800726.3
申请日：2024-12-09
Applicant: 三峡大学
Abstract: 一种计及碳捕集电厂的含氢储能系统优化调度方法，包括：分析碳捕集机组与氢储能系统协同运行特性；根据氢储能运行原理，建立氢储能出力模型；引入氢储能出力模型，构建考虑碳交易机制的氢储能‑碳捕集联合运行低碳调度模型；选取机组出力作为决策变量，以系统综合成本最优化为目标，同时考虑机组运行约束与系统安全性约束以及风电出力以及负荷出力具有不确定性,对低碳调度模型进行求解。本发明提出的模型兼顾了系统运行的经济性与低碳性，有效提升了新能源的消纳水平。
-
公开(公告)号：CN119401408A
公开(公告)日：2025-02-07
申请号：CN202411461385.1
申请日：2024-10-18
Applicant: 三峡大学
Abstract: 本发明公开了一种基于电动汽车不同充电完成时间的日前‑日内多时间尺度电动汽车集群划分策略，该方法通过历史出行统计数据来建模并确定电动汽车入网和离网的时刻；针对每个调度周期，考虑电网、车主、电动汽车电池等各方约束，分为两层策略进行充放电计划的求解，上层策略以调度区间内配电网的负荷变化曲线最小为目标，确定当前时间段内集群的总充放电功率；下层策略以电动汽车车主成本最低为目标，寻找单辆电动汽车的充放电计划，同时引入调度惩罚因子来调整与集群充放电计划的差异；本发明可有效平滑负荷波动，显著降低大规模电动汽车最优实时调度难度，对于处理大规模电动汽车接入问题具有更好的优化效果和更快的求解速度。
-
公开(公告)号：CN119010132A
公开(公告)日：2024-11-22
申请号：CN202411024801.1
申请日：2024-07-29
Applicant: 三峡大学
Abstract: 本发明公开了一种基于电价指导用户充电选择的电动汽车充放电调度三阶段优化方法，充电代理商提供不同的充电方式供用户选择，建立基于电动汽车充电信息和分时电价的用户充电选择模型，电动汽车用户根据到达状态和分时电价选择充电方式；对不同充电方式的电动汽车进行差分组调度，实现电网和用户的需求；基于用户充电选择和电动汽车充电信息，预测不同时段的充电负荷，指导充电代理购电；电动汽车调度基于优先级，考虑了电动汽车的充放电切换次数，本发明可应用于解决用电高峰期内大量电动汽车并网，电网侧供电压力大问题，制定合理地充放电策略，从而缓解电网供电压力，达到“削峰填谷”的效果。
-
公开(公告)号：CN114219122A
公开(公告)日：2022-03-22
申请号：CN202111321165.5
申请日：2021-11-09
Applicant: 三峡大学
Abstract: 本发明涉及基于网格气象数据的小水电站发电功率超短期预测方法，包括：将水电站所在区域划分为网格，获取网格的降雨量数据；计算水电站历史发电功率与网格历史降雨量的相关系数，筛选发电功率相关性大的网格；采用局部线性嵌入方法对网格的降雨量数据降维，得到降维的网格降雨量数据；建立发电功率预测模型；将降维的历史网格降雨量数据和水电站历史发电功率作为发电功率预测模型的数据集，对预测模型进行训练和测试；采用训练好的发电功率预测模型进行水电站发电功率超短期预测。本发明建立了考虑降雨量时空分布影响的小水电发电功率超短期预测模型，通过对输入数据的降维，降低了预测模型的计算复杂度，提高了预测模型的计算效率和准确率。
-
公开(公告)号：CN111260616A
公开(公告)日：2020-06-09
申请号：CN202010032660.3
申请日：2020-01-13
Applicant: 三峡大学
Abstract: 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法，包括：对架空线路上的绝缘子进行拍摄，将拍摄的绝缘子图片输入到计算机中。采用计算机图像处理技术对拍摄的绝缘子图像进行预处理，预处理包括将所拍摄的绝缘子图像进行弱化背景、灰度化、对比度增强、滤波等操作，使目标绝缘子在图像中更加突出，降低噪声对图像的影响，从而优化图像质量。最后采用Canny算子二维阈值分割对绝缘子进行边缘优化，降低噪声的影响，使提取的绝缘子边缘细节特征更加清晰。对绝缘子是否有裂纹进行识别。本发明可以广泛应用于电网架空线路巡检当中，辅助架空线路野外巡检和维护作业，降低巡检人员的劳动强度，减少电网操作中的危险操作、避免经济损失。
-
Patent Agency Ranking
公开(公告)号：CN118611023A
公开(公告)日：2024-09-06
申请号：CN202410485494.0
申请日：2024-04-22
Applicant: 三峡大学
IPC: H02J3/00 , G06F18/27 , G06F30/27 , G06F119/02
Abstract: 基于LASSO回归和LSTM‑GRU神经网络的综合能源系统负荷预测方法，包括以下步骤：通过LASSO回归方法对气象因素进行筛选分析，筛选出与多元负荷具有强相关性的气象因素；利用LSTM神经网络对中筛选出的气象因素数据以及历史样本数据进行学习与训练，得到综合能源负荷的初步预测值，并通过初步预测值求取负荷预测误差，作为误差补偿模型的输入；建立误差补偿模型，通过GRU神经网络模型对负荷预测误差进行训练，得到综合能源系统的负荷误差预测值，进而求得误差补偿值，对初步预测值进行重构，输入同一个样本数据的负荷预测值和误差补偿值，将二者求和反归一化处理后得到最终负荷预测结果。该方法能够有效的提升综合能源系统多元负荷预测精度，具有较强的实用性。
-
公开(公告)号：CN118070946A
公开(公告)日：2024-05-24
申请号：CN202410057163.7
申请日：2024-01-15
Applicant: 三峡大学
IPC: G06Q10/04 , G06Q50/06 , G06Q10/0631 , G06Q30/0201 , G06F17/10 , H02J3/00 , H02J3/28 , H02J3/32
Abstract: 本发明提供一种考虑储能系统和需求响应的综合能源系统多目标优化方法，包括以下步骤：步骤一、在系统中加入储热、储电设备；步骤二、通过考虑需求响应，将平移负荷从高峰时段转移到非高峰时段，以降低系统运行的成本；步骤三、通过概率分布函数来处理太阳能和风能的不确定输入；步骤四、计算系统的总运行成本和碳排放量，并基于系统经济性和环境性，建立以运行总成本最小化为主要目标，碳排放最小化为次要目标的综合能源系统规划模型；步骤五、基于考虑多个目标函数，采用两步法对多目标进行优化。该方法能够达到更优的削峰填谷效果、系统运行成本更低以及系统碳排放更少的目的。
-
公开(公告)号：CN108832658B
公开(公告)日：2021-06-04
申请号：CN201810652509.2
申请日：2018-06-22
Applicant: 三峡大学
Abstract: 一种考虑频率约束及风电调频的风电穿透功率极限计算方法，利用加权等值聚合方法，求得风电场一次调频响应传递函数模型和风电一次调频的有功增量；并考虑基于风电虚拟惯性控制策略，计算求解了不同风电渗透率下电力系统等效惯性时间常数；通过计及负荷阻尼效应，建立等值转子摇摆方程的电网频率响应模型来描述电力系统频率响应特性，并以电力系统频率稳态偏差边界和频率变化率边界为约束，提出了电网风电穿透功率极限的计算方法。本发明将真实风电风电虚拟惯性响应和一次调频响应产生的有功增量和电力系统频率约束引入风电穿透功率极限的计算中，提高了风电并网情形下电网的健壮性，对确保电网安全稳定运行及风电并网规划建设有着重要指导意义。
-
公开(公告)号：CN112070717A
公开(公告)日：2020-12-11
申请号：CN202010778184.X
申请日：2020-08-05
Applicant: 三峡大学
Abstract: 基于图像处理的输电线路覆冰厚度检测方法，以无人机巡检航拍的输电线路图像为依据，首先采用基于小波阈值去噪的预处理方法消除模糊干扰，增强边界轮廓细节；然后利用改进的Canny算子检测出输电线路区域边界轮廓；最后在边界轮廓检测的基础上通过比较覆冰前后线路区域图像像素宽度，结合实际输电线路直径，求取覆冰厚度。该方法提供了一种由计算机图像处理技术完成的输电线路覆冰厚度检测方法，本发明方法可以广泛应用于电网架空线路巡检当中，辅助架空线路野外巡检和维护作业，降低巡检人员的劳动强度，减少电网操作中的危险操作、避免经济损失。
-
公开(公告)号：CN109787222A
公开(公告)日：2019-05-21
申请号：CN201910011414.7
申请日：2019-01-04
Applicant: 三峡大学
Abstract: 基于支持向量机的分布式发配电系统暂态稳定性辨识方法，该方法包括以下步骤：以分布式配电系统可靠性改善和功耗最小性为原则确定分布式发电机(DG)的位置和最优化DG投入的容量大小；对不同分布式发电机故障进行仿真，计算出临界清除时间(CCT)；对定位的分布式发电机故障扰动后的信号进行收集，包括有功功率、无功功率、电压幅值和转速；将计算出的CCT和获取的分布式发电机的故障扰动后的信号作为SVM的输入，进行辨识分类；最后根据分类结果判定当前扰动后的分布式发配电系统的暂态稳定性，并进行相应操作。与现有的电网扰动后暂态稳定性分析方法及相关研究相比，本发明所提方法，具有更好的辨识精度。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.026 seconds)
