-
公开(公告)号：CN119599101A
公开(公告)日：2025-03-11
申请号：CN202410984042.7
申请日：2024-07-22
Applicant: 三峡大学
Abstract: 一种基于蒙特卡洛树搜索的机组组合决策方法，包括：步骤一：定义适用于机组组合的蒙特卡洛树节点信息，包括：火电机组的节点动作状态、节点定向链接和节点价值；步骤二：在获取步骤一节点信息的基础上，根据树形结构的递归原则，生成适用于机组组合的蒙特卡洛树；步骤三：根据上限置信区间策略，搜索选择最优节点，求解基于蒙特卡洛树搜索的机组组合决策模型。本发明的目的是为了彻底摆脱现有机组组合决策方法对样本数据依赖性的技术问题，而提供的一种基于蒙特卡洛树搜索的机组组合决策方法，旨在为零数据驱动的机组组合决策理论研究提供一定的参考和借鉴。
-
Patent Agency Ranking
公开(公告)号：CN119813347A
公开(公告)日：2025-04-11
申请号：CN202411821020.5
申请日：2024-12-11
Applicant: 三峡大学
IPC: H02J3/38 , G06N3/0455 , G06N3/0442 , G06N3/047 , G06Q10/0637 , G06Q50/06
Abstract: 一种基于高维样本异或稀疏编码的机组组合决策方法，包括以下步骤：步骤一：对高维机组启停状态变量矩阵进行编码预处理，以获得低维机组启停状态编码矩阵；步骤二：将负荷矩阵与高维机组启停状态变量矩阵成对组成发明的高维机组组合决策样本集，对高维机组启停状态变量矩阵异或稀疏编码降维，将负荷矩阵与低维机组启停状态编码矩阵成对组成发明的低维机组组合决策样本集；步骤三：构建适用机组组合决策的编码器‑解码器网络模型，并利用步骤二所获得的低维机组组合决策样本集对机组组合决策的编码器‑解码器网络模型进行训练和求解；通过以上步骤以实现机组组合决策。
-
公开(公告)号：CN115689203A
公开(公告)日：2023-02-03
申请号：CN202211355594.9
申请日：2022-11-01
Applicant: 三峡大学
IPC: G06Q10/0631 , G06Q50/06 , G06Q30/02 , G06Q10/04
Abstract: 一种基于电动汽车时空分布充电站的运行方法，它包括以下步骤：步骤1：建立电动汽车‑CSO充电站运营商的双层TZOU时空充电电价定价决策模型；步骤2：建立电动汽车‑CSO充电站运营商的双层价格需求响应模型下层模型：基于所提出的充电电价定价决策模型使电动汽车的总充电成本最小；步骤3：建立电动汽车‑CSO充电站运营商的双层价格需求响应模型上层模型：优化充电价格方案使CSO的总利润最大化步骤4：确定最优充电方案。本发明所要解决的技术问题是：电动汽车用户充电的群体行为及其时空分布预测结果，在构建电动汽车群体行为的价格响应模型的基础上，提出了一种基于电动汽车群体充电行为的充电站时空定价策略。
-
公开(公告)号：CN115713146A
公开(公告)日：2023-02-24
申请号：CN202211378114.0
申请日：2022-11-04
Applicant: 三峡大学
IPC: G06Q10/04 , H02J3/00 , G06Q50/06 , G06Q10/067 , G06N3/126
Abstract: 一种考虑“路‑网‑站”网络和负荷的充电站规划方法，它包括以下步骤：步骤1：考虑交通路况、电网整体运行和充电站队列对规划结果的影响，构建路‑网‑站耦合网络拓扑；步骤2：基于速度‑流量模型和充电负荷分布预测结果构建电动汽车用户的充电决策模型；步骤3：构建考虑负荷均衡效应的充电站多目标规划模型；步骤4：采用改进的免疫遗传算法对所构建的充电站多目标规划模型进行求解。本发明的目的是为了解决现有的充电站规划中，存在的难以通过优化充电站合理布局的方式实现电动汽车到达充电站所耗费时间的大幅度减少的技术问题，以及容易造成区域内负载分布不均衡、容易提高区域电网电压波动性的技术问题而提供的技术。
-
公开(公告)号：CN115563871A
公开(公告)日：2023-01-03
申请号：CN202211234652.2
申请日：2022-10-10
Applicant: 三峡大学
IPC: G06F30/27 , G06F17/15 , G06N3/04 , G06N3/08 , G06N7/00 , G06F111/04 , G06F111/08
Abstract: 一种基于深度强化学习的机组组合智能求解算法，它包括以下步骤：步骤1：进行面向机组组合的马尔科夫决策过程MDP建模；步骤2：进行马尔科夫决策过程MDP模型的求解；步骤3：进行基于策略梯度算法的MDP模型求解；步骤4：通过Lambda迭代求解机组实际功率输出方案；通过步骤1至步骤4获得基于深度强化学习的机组组合智能求解算法。本发明的目的是为了解决现有用于UC决策领域的基于深度学习构建的传统模型适应性不强、决策精度不高的技术问题，而提供的一种基于深度强化学习的机组组合智能求解算法。
-
公开(公告)号：CN119362465A
公开(公告)日：2025-01-24
申请号：CN202411385213.0
申请日：2024-09-30
Applicant: 三峡大学 , 国家电网有限公司 , 中国电力科学研究院有限公司 , 国网冀北电力有限公司计量中心
Abstract: 一种应对台风天气的安全约束机组组合复合决策优化方法，包括以下步骤：步骤1：基于状态抽样法构建台风天气场景不确定集合，台风天气场景不确定集合包括风机出力以及线路故障状态；步骤2：采用由步骤1获得的风天气场景不确定集合建立SCUC复合决策动态博弈鲁棒优化模型；步骤3：基于迭代算法求解由步骤2获得的SCUC复合决策动态博弈鲁棒优化模型得到最优复合决策。本方法通过统筹考虑不同阶段和不同策略之间的动态交互关系，弥补了现有多阶段SCUC模型无法同时兼顾决策经济性和安全性的问题，不仅能以最低的成本最大限度地减少极端天气过程中的整体负荷损失，而且提高了系统性能的恢复速度，从而有效提升电力系统在面对极端灾害事件时的韧性水平，本发明所提出的方法更为科学。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
