-
公开(公告)号：CN119918731A
公开(公告)日：2025-05-02
申请号：CN202411984449.6
申请日：2024-12-31
Applicant: 东北电力大学 , 国网吉林省电力有限公司经济技术研究院 , 中国电力科学研究院有限公司
Abstract: 本发明涉及风电功率短期预测技术领域，公开一种风电集群功率日前预测方法，该方法包括：将风电集群的时空关联特性归纳为风电场之间远距离的汇聚效应和近距离的时序因果关系，使用改进的集对分析方法、同时率判别方法和方差判别方法得到汇聚效应邻接矩阵面，使用皮尔森相关系数和格兰杰因果检验得到时序因果邻接矩阵，提出误差评价特性系数公式用于构建误差邻接矩阵，对传统图卷积神经网络进行改良提出基于多通道注意力机制的图神经网络结构。本发明提出一种考虑风电集群汇聚效应和多通道注意力机制融合的图卷积预测方法，其预测稳定性强、预测性能高、预测结果有效、具备较强实用性。
-
公开(公告)号：CN118920529A
公开(公告)日：2024-11-08
申请号：CN202411030552.7
申请日：2024-07-30
Applicant: 东北电力大学 , 国网吉林省电力有限公司 , 国网吉林省电力有限公司电力科学研究院
Abstract: 本发明公开了一种提高配电网在冰灾影响下保供能力的移动储能配置方法，包括：根据获取的线路故障概率，考虑冰灾的时空转移特性，利用时序蒙特卡洛模拟法生成各线路每个时段的故障状态，完成冰灾下配电网故障场景的1次完整抽样；重复抽样过程直至生成若干个场景集合，并采用K均值聚类法缩减场景数目，获得S个典型故障场景；以冰灾侵袭过程中S个典型故障场景下各节点负荷期望损失费用最小为目标，考虑冰灾动态演变过程中各故障场景下移动储能在灾前布局位置再调整过程，建立考虑故障场景动态演变的配电网移动储能灾前预布局随机优化模型；基于Big‑M法将模型中的非线性约束转化为线性约束，生成混合整数线性规划模型进行求解，输出移动储能最优灾前布点位置和灾害期间各故障场景下的动态调度方案。
-
公开(公告)号：CN117973822B
公开(公告)日：2024-06-18
申请号：CN202410390296.6
申请日：2024-04-02
Applicant: 国网吉林省电力有限公司经济技术研究院 , 吉林省长春电力勘测设计院有限公司 , 东北电力大学
IPC: G06Q10/0631 , G06Q10/067 , G06Q50/02 , G06Q50/06 , H02J3/32 , H02J3/00
Abstract: 本发明涉及一种满足农业机井通电需求的移动储能车预配置及调度方法，属于配电网储能配置及优化调度技术领域。首先考虑了我国北方地区农业机井的用电时空分布特性，建立其灌溉用能数学模型，并基于其用电特性对农业机井用能需求进行柔性化建模，然后计及移动储能车供电准备时间、服务时间及转移时间对其建立时空转移模型，最后根据上述建立模型以日综合供电成本最小为目标配置移动储能车容量，以移动储能车荷电状态一致性最高为目标确定移动储能车的供电路径调度方案。本发明通过设计一种移动储能车为农业机井供电的预配置及调度方法，降低了自然年内灌溉用能高峰月份台区配电变压器重过载风险，提升了低压配电网的供电可靠性。
-
公开(公告)号：CN117314031A
公开(公告)日：2023-12-29
申请号：CN202310441773.2
申请日：2023-04-23
Applicant: 东北电力大学 , 国网吉林省电力有限公司 , 国网吉林省电力有限公司电力科学研究院
Inventor： 杨冬锋 , 生赫 , 王志伟 , 李德鑫 , 孙勇 , 刘晓军 , 姜超 , 王轶琳 , 王曦 , 张雨润 , 杨晶莹 , 吕项羽 , 刘畅 , 李宝聚 , 张海锋 , 张家郡 , 孟祥东
IPC: G06Q10/0631 , H02J3/00 , H02J3/28 , H02J3/38 , G06Q10/067 , G06Q50/06
Abstract: 本发明公开了电热联合系统源荷两侧灵活性提升策略，使用了多能需求响应作调度模型，能够得到考虑多能需求响应后的电热负荷曲线。电能需求响应指在负荷侧实施实时电价来引导用户调整用电计划，将高峰时段电负荷转移到低谷时段，平移了电负荷曲线，减小了负荷的波动性，降低了灵活性需求，提升了系统灵活性裕度。与此同时，热能需求响应通过热用户对供热温度的模糊性降低了夜晚时段的热负荷需求，解耦了热电机组“以热定电”约束，提升了系统灵活性。
-
公开(公告)号：CN113937786B
公开(公告)日：2023-07-18
申请号：CN202111132820.2
申请日：2021-09-27
Applicant: 国网吉林省电力有限公司 , 东北电力大学
Abstract: 本发明一种基于等可调容量比例的风电场调频控制策略，基于风电机组减载备用控制，在单机调频控制策略研究基础上，提出基于风电场站等可调容量比例的模式调频控制策略；当系统频率变化超过调频控制死区时，风电场调频控制系统，根据频率并网点频率实际值与目标值之间的偏差风电场站功率调整量，并按照有功功率分配方式，给予风电场中，每台机组不同的功率增发指令，以支撑电网频率恢复，有效地减少了风电场减载预留功率参与系统调频时，因机组调频资源不能充分利用所带来的弃风、弃电等问题。
-
Patent Agency Ranking
公开(公告)号：CN106448077A
公开(公告)日：2017-02-22
申请号：CN201611002085.2
申请日：2016-11-13
Applicant: 国家电网公司 , 国网吉林省电力有限公司吉林供电公司 , 东北电力大学
IPC: G08B21/12
CPC classification number: G08B21/12
Abstract: 本发明是一种基于物联网的危险品运输及仓储监测系统，包括：数据采集网络、车载终端和监控中心的上位机，其特点是，数据采集网络包括温湿度传感器、浓度传感器、姿态传感器和ZigBee无线模块；车载终端包括嵌入式微处理器、数据存储器、3G通信模块、JTAG接口、电源模块、GPS模块、报警装置、显示器和ZigBee无线模块；监控中心的上位机将车载终端运输过程中的各项数据进行汇总、分类、分析、报表生成和报警提示。具有结构合理，智能化程度高，成本低廉，工作可靠，适用性强，效果佳等优点，能够实现日常仓储科学管理和运输实时监控管理。
-
公开(公告)号：CN118485177A
公开(公告)日：2024-08-13
申请号：CN202410651942.X
申请日：2024-05-24
Applicant: 东北电力大学 , 吉林农业科技学院 , 国网吉林省电力有限公司经济技术研究院 , 中国电力科学研究院有限公司
IPC: G06Q10/04 , G06Q10/0631 , G06F18/23213 , G06N3/0442 , G06Q50/06
Abstract: 本发明公开了一种考虑多元负荷耦合特性的IES负荷预测方法，首先，利用FP‑Growth算法对多元负荷数据进行分析和挖掘，识别出负荷之间的潜在关联性；通过对各个负荷之间的关联度进行累加计算，确定综合能源系统中多元负荷的预测优先级；其次，基于多元负荷的预测优先级，选择具有最高优先级的负荷进行负荷相似波动集划分；进一步地，通过k‑means聚类算法划分相似负荷场景集。最后，针对每个负荷场景集，采取逐级预测的策略，使用双向长短期记忆神经网络进行场景集预测建模，进行多元负荷数据预测。通过算例结果表明：使用本发明方法具有较高的预测精度，能够有效处理负荷的剧烈波动，从而满足系统安全稳定的运行要求。
-
公开(公告)号：CN118353006A
公开(公告)日：2024-07-16
申请号：CN202410513658.6
申请日：2024-04-26
Applicant: 东北电力大学 , 国网吉林省电力有限公司经济技术研究院 , 中国电力科学研究院有限公司
IPC: H02J3/00 , H02J3/38 , G06Q10/063 , G06Q10/04 , G06Q50/06
Abstract: 本发明公开了一种基于本征可预测量提取的风电集群功率日前预测方法，涉及风力发电预测技术领域。该方法包括：构建面向风电集群的风速功率曲线，基于改进的比恩法构建初始风速功率曲线集；利用每个风速区间的综合评价误差对初始风速功率曲线集进行筛选，得到最终风速功率曲线集；提取本征可预测量，并分离出对应的干扰量；基于本征可预测量，获取本征可预测量的预测值；利用大阈值历史相似匹配法获取所述干扰量的预测值；将本征可预测量的预测值和干扰量的预测值相加，得到最终的风电功率预测值。本发明提出的基于本征可预测量提取的风电集群日前预测方法，其物理意义明确、预测稳定性强、预测性能高、预测结果有效、实用性强。
-
公开(公告)号：CN117878916A
公开(公告)日：2024-04-12
申请号：CN202410050587.0
申请日：2024-01-12
Applicant: 国网吉林省电力有限公司经济技术研究院 , 吉林省长春电力勘测设计院有限公司 , 东北电力大学
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06F18/15 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/096 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本发明公开了基于深度神经网络的IES多元负荷短期联合预测方法，步骤为：收集IES的历史时间序列数据并预处理；构建MMoE多任务学习模型，并将历史时间序列数据作为输入模型的属性特征，输出模型中各个子任务的结果；将MMoE多任务学习层的输出和节点间的空间关系作为GCN层的输入，利用GCN层结构解析各地区分区的拓扑结构并提取空间特征；将带有空间特征的时间序列数据输入LSTM中学习时间特征；使用LSTM对某一时刻多变量负荷进行预测，训练模型至精度达到预期值，得到最终预测模型。本发明预测方法具有可以通过持续学习实时数据适应新的趋势和模式，提高在动态环境下的预测精度的特点。
-
公开(公告)号：CN117394448A
公开(公告)日：2024-01-12
申请号：CN202311219916.1
申请日：2023-09-20
Applicant: 华中科技大学 , 国网吉林省电力有限公司 , 东北电力大学
Abstract: 本发明公开了一种基于鲁棒安全域优化的电力系统调度方法及介质，属于能源领域，方法包括：以最小化电力系统运行成本为目标，构建计及电力系统安全约束的确定性机组组合模型；基于信息间隙决策理论，构建系统鲁棒安全评估框架；根据风电出力预测误差，构建线性调节策略下电力系统中可调机组和储能装置的功率模型；基于鲁棒线性优化理论，将部分系统安全约束重构转化为线性调节策略下的重构约束，并对重构约束中的非线性项进行线性化处理；根据给定的运行成本预算，联合求解上述框架、模型及约束，得到电力系统鲁棒安全域以及域内的调节策略，以对电力系统在随机场景下进行调节，保证电力系统在随机场景下的可靠运行。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.132 seconds)
