-
公开(公告)号：CN115563882A
公开(公告)日：2023-01-03
申请号：CN202211331534.3
申请日：2022-10-28
Applicant: 东南大学 , 国网江苏省电力有限公司淮安供电分公司
IPC: G06F30/27 , G06N3/00 , G06N3/08 , G06Q50/06 , G06F111/08 , G06F111/04
Abstract: 本发明公开了一种基于改进模仿学习的非实时观测有源配电网优化方法，涉及配电网优化技术领域。本发明首先根据配电网完整的历史数据，采用粒子群优化算法，对配电网的历史断面数据进行优化，获得对应历史断面的优化指令，构建最优指令库；然后，构建配电网优化的生成对抗网络模型；之后，对构建好的生成对抗网络模型进行训练，将历史断面数据输入生成器，生成优化指令，将生成指令和最优指令及其标签输入判别器，对判别器进行训练，实现对指令优秀与否的判定，将判别器对生成指令的判定结果反馈给生成器，对生成器进行反向更新，最终达到纳什均衡状态，完成训练；最后，在线应用时，将实时可以获得的量测数据输入生成对抗网络模型，输出对应的优化指令。
-
公开(公告)号：CN116031926A
公开(公告)日：2023-04-28
申请号：CN202211341656.0
申请日：2022-10-28
Applicant: 东南大学 , 国网江苏省电力有限公司淮安供电分公司
Abstract: 本发明提供一种配电网内光伏储能联动调控方法，涉及配电网优化领域。该配电网内光伏储能联动调控方法，首先根据配电网的拓扑及其参数，建立配电网仿真环境，能够反馈配电网状态数据；然后构建基于深度强化学习的光伏储能联动调控模型，并设定光伏储能的调控上下限；之后将历史数据输入配电网环境，联动调控模型与配电网环境交互训练，其中动作网络根据配电网以及光伏储能的状态给出调控动作，评价网络根据配电网以及光伏储能的状态和对应的光伏储能调控指令给出价值，最终达到调控指令下发后带来的价值最大，即光伏储能调控后使得配电网运行在最优状态；最后将训练好的深度强化学习模型在线应用，对光伏和储能联合调控。
-
公开(公告)号：CN115864491A
公开(公告)日：2023-03-28
申请号：CN202211338427.3
申请日：2022-10-28
Applicant: 东南大学 , 国网江苏省电力有限公司淮安供电分公司
Abstract: 本发明公开一种处于拓扑不明状台区态的电压灵敏度拟合方法，所述拟合方法包括以下步骤：建立功率‑电压拟合模型，采用广义回归神经网络，对台区注入功率和电压的关系进行拟合；经步骤一训练完成功率‑电压拟合模型后，获得对应功率变化量和电压变化量关系，建立电压灵敏度拟合模型；训练完成后电压灵敏度拟合模型对实时量测数据拟合获得的电压灵敏度；拟合电压灵敏度应用于在线优化，根据获得的电压灵敏度求解储能的调节量，对电压进行优化。本发明拟合方法能够在无拓扑的情况下，仅采用部分实时量测获得可控资源的电压灵敏度，根据灵敏度可以对因为分布式光伏的不确定性与波动性带来电压越限问题进行优化，优化后能够保证电压不越限。
-
-
Search Results
3
records
(took 0.04 seconds)
