-
公开(公告)号：CN118472973A
公开(公告)日：2024-08-09
申请号：CN202410942527.X
申请日：2024-07-15
Applicant: 南京师范大学 , 国电南瑞科技股份有限公司
Abstract: 本发明公开了一种含分布式风储的配电网分层协同调频方法，包括以下步骤：（1）利用风储设备的接入位置，基于改进的模块增量的快速纽曼社区发现算法Fast‑Newman对分布式配电网节点进行区域划分；（2）通过无功补偿与有功削减对配电网进行分层分区，筛选节点组成优先调节节点集合；（3）将有功削减的分区子集合的风储通过全局信息一致性分享算法实现优先节点的全局信息精确分享，保证信息的一致性；（4）优先节点根据获得的信息，以各单元提供支撑功率最小为成本作为目标函数，确定各台风储的最优减载率；本发明确保了电网频率在动态条件下的稳定性，从而显著提升了电网的经济效益和服务质量。
-
公开(公告)号：CN119419864A
公开(公告)日：2025-02-11
申请号：CN202411380681.9
申请日：2024-09-30
Applicant: 南京师范大学
Abstract: 本发明公开了一种多虚拟电厂运行优化方法、系统、设备及存储介质，该方法包括：建立三个虚拟电厂及其共享储能电站为整体组成的上层模型，引入合作博弈机制对共享储能电站的充放电策略及三个共享储能电站的运行进行优化；建立由光伏发电单元、风力发电单元、可控负荷单元所组成的各个虚拟电厂单元为下层模型，并通过夏普利值法对下层各虚拟电厂内部光伏发电单元及风力发电单元出力数据及利益进行分配；通过混合整数规划法结合鲸鱼算法的优化算法寻找全局最优解，分别得到上层共享储能电站的最优充放电策略、三个虚拟电厂最优运行调度策略。本发明能够提高共享储能电站参与下的多虚拟电厂系统的新能源消纳能力、整体鲁棒性、准确性及灵活性。
-
公开(公告)号：CN118469106A
公开(公告)日：2024-08-09
申请号：CN202410942530.1
申请日：2024-07-15
Applicant: 南京师范大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/23213 , G06F18/2411 , G06F18/214 , G06N3/0442 , G06N3/0464 , H02J3/00
Abstract: 本发明公开了一种考虑历史相似日与组合权重的光伏功率预测方法，包括以下步骤：（1）利用灰色关联度选取重要气象特征，并采用模糊C均值聚类将历史日划分为晴天、多云、阴天和雨雪天气组成训练集；（2）将分类好的四个训练集分别通过最小二乘支持向量机LSSVR预测；（3）利用完全集合经验模态分解将历史数据分解成若干子序列，将各子序列通过卷积网络与长短期记忆网络并加入注意力机制的混合网络模型进行预测；（4）使用灰色关联分析法将LSSVR的预测结果与C模型的预测结果进行组合，以获得最终的预测结果；本发明更有效地进行光伏电站地能源管理和调度，减少因预测误差导致地能源浪费，从而带来显著地经济效益。
-
公开(公告)号：CN118017527B
公开(公告)日：2024-06-14
申请号：CN202410424609.5
申请日：2024-04-10
Applicant: 南京师范大学
Abstract: 本发明公开了一种绿证约束下基于改进ADMM的多源荷系统联合运行方法、系统，所述方法包括：建立单一源荷系统的绿证配额约束模型；建立单一源荷系统的激励型负荷需求响应模型；单一源荷系统组成多源荷系统，建立多源荷系统的联合优化运行模型，在其中引入绿证配额惩罚项；采用改进ADMM算法对联合优化运行模型进行分布式求解，计算得到每个时刻热能设备和电能设备的输出功率，基于求解的结果对多源荷系统进行优化控制。采用上述技术方案，充分优化多源荷系统中每一个系统的可再生能源消纳和碳排放量，并且将需求响应机制纳入优化的考虑中，降低负荷曲线峰谷差和能源网供能压力，从单一源荷侧实现多源荷系统低碳运行。
-
公开(公告)号：CN116565863B
公开(公告)日：2023-09-26
申请号：CN202310837787.6
申请日：2023-07-10
Applicant: 南京师范大学
IPC: H02J3/00 , H02J3/38 , G06F18/20 , G06F18/15 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种基于时空相关性的短期光伏出力预测方法，步骤如下：获取某区域多个光伏电站的历史功率及待测电站影响因子的历史数据，建立特征数据库；利用皮尔逊相关性分析，选取强相关的气象因子；引入历史发电功率，构造延时输入特征；建立基于区域光伏电站拓扑结构的GCN模型，对多光伏电站光伏空间演变模式横向追踪，聚合邻近光伏电场的空间特征，输出包含空间演变模式的空间特征集合；采用SGMD对输入特征进行模态分解，得到能够表现历史数据时序变化特征的多级模态子序列，构造高维特征集合；采用CNN‑BiLSTM神经网络进行特征提取和光伏发电功率预测，并进行误差评估。本发明为新型电力系统的能量管理和优化调度提供基础，具备较高的预测精度和可行性。
-
Patent Agency Ranking
公开(公告)号：CN116415383A
公开(公告)日：2023-07-11
申请号：CN202310688316.3
申请日：2023-06-12
Applicant: 南京师范大学
IPC: G06F30/18 , G06F30/20 , G06F17/11 , G06F17/16 , G06F111/04 , G06F113/14 , G06F119/06 , G06F119/08 , G06F119/14
Abstract: 本发明公开了基于改进UKF的电热气耦合网络状态估计方法、系统，首先根据电热气各子系统时间尺度差异和动态惯性不同分别建立各子系统的量测模型；其次将天然气网络的管道偏微分模型离散化处理，使之成为差分方程；针对水力网络与热力网络分层进行建模，同时构建燃气轮机、蒸汽轮机、P2G设备电热气耦合元件模型；然后将电热子系统量测方程线性化，对于天然气网络，将UKF中的协方差矩阵正定化；之后将模型运用于电热气耦合网络中；最后通过线性规划与非线性变换参数求解电热量测方程状态变量，通过UKF求解天然气网络状态变量，得到电热气耦合网络状态变量，实现向能源管理系统提供可信的熟数据。
-
公开(公告)号：CN119944670A
公开(公告)日：2025-05-06
申请号：CN202510413593.2
申请日：2025-04-03
Applicant: 南京师范大学
IPC: H02J3/00 , G06F18/23213 , G06F18/2337 , G06F18/211 , G06F18/213 , G06N3/0442 , G06N3/0455 , G06Q50/06 , G06F123/02
Abstract: 本发明公开了一种基于时空特征融合的短期电力负荷预测方法，包括以下步骤：构建特征数据库；识别并剔除异常值，填补缺失值，采用Z‑score方法对数据进行标准化处理；采用Canopy粗聚类算法确定聚类个数C和集群S，作为KFCM算法的初始参数；通过C‑KFCM聚类计算隶属度矩阵、噪声点及聚类中心，完成数据聚类；通过CEEMDAN算法对聚类后的数据进行分解，依次提取IMF分量及残差信号，直至余量信号无法被进一步分解；通过嵌入层将静态特征和时变特征转化为向量；利用门控残差网络GRN和变量选择网络动态选择关键特征；解码器结合编码器输出未来已知特征预测负荷值；本发明为电力系统优化调度提供有力支持。
-
公开(公告)号：CN118470486B
公开(公告)日：2024-10-18
申请号：CN202410913505.0
申请日：2024-07-09
Applicant: 南京师范大学
IPC: G06V10/80 , G06V10/44 , G06V10/20 , G06V10/74 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多模态特征融合的超短期太阳辐照度预测方法，包括以下步骤：（1）获取待测光伏电站的多源历史数据并进行预处理；（2）利用TimesNet的二维时序卷积从时序多周期特性的角度学习时间序列特征，将历史序列转化为二维张量，利用二维卷积提取时序特征；（3）利用T2T‑ViT从局部和全局两个角度进行图像信息挖掘，提取表征云层分布和运动信息的特征；（4）利用变换器模型Transformer的编码器在图像特征中寻找与时序特征相似的部分并进行注意力的融合；（5）利用Transformer的解码器直接输出光伏发电功率多步预测结果，并对此进行误差评估；本发明能够提取表征云层分布和运动信息的特征。
-
公开(公告)号：CN118469106B
公开(公告)日：2024-09-06
申请号：CN202410942530.1
申请日：2024-07-15
Applicant: 南京师范大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/23213 , G06F18/2411 , G06F18/214 , G06N3/0442 , G06N3/0464 , H02J3/00
Abstract: 本发明公开了一种考虑历史相似日与组合权重的光伏功率预测方法，包括以下步骤：（1）利用灰色关联度选取重要气象特征，并采用模糊C均值聚类将历史日划分为晴天、多云、阴天和雨雪天气组成训练集；（2）将分类好的四个训练集分别通过最小二乘支持向量机LSSVR预测；（3）利用完全集合经验模态分解将历史数据分解成若干子序列，将各子序列通过卷积网络与长短期记忆网络并加入注意力机制的混合网络模型进行预测；（4）使用灰色关联分析法将LSSVR的预测结果与C模型的预测结果进行组合，以获得最终的预测结果；本发明更有效地进行光伏电站地能源管理和调度，减少因预测误差导致地能源浪费，从而带来显著地经济效益。
-
公开(公告)号：CN116565863A
公开(公告)日：2023-08-08
申请号：CN202310837787.6
申请日：2023-07-10
Applicant: 南京师范大学
IPC: H02J3/00 , H02J3/38 , G06F18/20 , G06F18/15 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种基于时空相关性的短期光伏出力预测方法，步骤如下：获取某区域多个光伏电站的历史功率及待测电站影响因子的历史数据，建立特征数据库；利用皮尔逊相关性分析，选取强相关的气象因子；引入历史发电功率，构造延时输入特征；建立基于区域光伏电站拓扑结构的GCN模型，对多光伏电站光伏空间演变模式横向追踪，聚合邻近光伏电场的空间特征，输出包含空间演变模式的空间特征集合；采用SGMD对输入特征进行模态分解，得到能够表现历史数据时序变化特征的多级模态子序列，构造高维特征集合；采用CNN‑BiLSTM神经网络进行特征提取和光伏发电功率预测，并进行误差评估。本发明为新型电力系统的能量管理和优化调度提供基础，具备较高的预测精度和可行性。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.056 seconds)
