-
公开(公告)号:CN119921311A
公开(公告)日:2025-05-02
申请号:CN202510078946.8
申请日:2025-01-17
Applicant: 国网安徽省电力有限公司滁州供电公司 , 合肥工业大学
IPC: H02J3/00 , G06N3/0442 , G06N3/084 , G06Q50/06
Abstract: 本发明提供基于混合神经网络的光伏发电功率超短期预测方法及系统,方法包括:获取并预处理历史特征数据,构建神经网络的输入;对预处理特征时间序列中的光伏发电功率的原始采样时间序列#imgabs0#进行CEEMDN分解,得到CEEMDAN分解序列,组合得到组合特征#imgabs1#构建M+1个GRU‑Attention神经网络模型,处理组合特征,得到第m个GRU‑Attention神经网络的最终预测值IM Fm;通过反向传播和梯度下降算法对M+1个GRU‑Attention神经网络模型进行训练,得到光伏发电短期预测模型,以进行光伏发电功率预测。本发明解决了对时间依赖关系的建模能力不强、光伏发电功率预测精度和计算效率有待提高、分解过程的稳定性和完整性难以保证、模态混叠现象导致噪声干扰、模型对光伏发电波动特性的适应性与鲁棒性较低的技术问题。
-
公开(公告)号:CN118468709A
公开(公告)日:2024-08-09
申请号:CN202410607189.4
申请日:2024-05-16
Applicant: 国网安徽省电力有限公司滁州供电公司 , 合肥工业大学
IPC: G06F30/27 , H02J3/38 , H02J3/48 , H02J3/50 , G06F30/18 , G06N3/126 , G06F18/23213 , G06F111/04 , G06F113/04
Abstract: 本发明公开了一种以弃光率作为约束的分布式光伏最大接入容量评估方法,包括:1,构建以分布式光伏接入总容量最大及配电网线路有功功率损耗最小为目标的目标函数,2,构建标准化后目标函数,3,建立目标函数的约束条件,从而得到配电网分布式光伏PV的最大接入容量模型,4,采用基于改进的k‑means聚类算法对分布式光伏PV的运行场景进行缩减,5,对潮流方程及线路容量约束进行线性化,6,利用自适应遗传算法对线性化后的分布式光伏PV的最大接入容量模型进行求解,得到分布式光伏接入的最优节点和容量,本发明能有效提升分布式光伏的接入容量。
-
公开(公告)号:CN119921312A
公开(公告)日:2025-05-02
申请号:CN202510078955.7
申请日:2025-01-17
Applicant: 国网安徽省电力有限公司滁州供电公司 , 合肥工业大学
IPC: H02J3/00 , G06N3/006 , G06N3/0464 , G06N3/049 , G06N3/0985 , G06N3/0442 , G06N3/048 , G06N3/047 , G06Q50/06
Abstract: 本发明提供基于多阶段数据优化分布式光伏母线负荷预测方法及系统,方法包括:多阶段数据预处理与模态分解;灰狼优化算法GWO优化参数;基于改进的时间卷积网络ITCN的短期特征提取。本发明解决了模型单一、抗噪性差、动态适应性不足的技术问题。
-
公开(公告)号:CN119917493A
公开(公告)日:2025-05-02
申请号:CN202510079031.9
申请日:2025-01-17
Applicant: 国网安徽省电力有限公司滁州供电公司 , 合肥工业大学
IPC: G06F16/215 , G06F18/2321 , G06N3/094 , G06N3/0475 , G06N3/084
Abstract: 本发明提供分布式光伏发电功率与用电负荷数据质量改善方法及系统,方法包括:采用归一化处理和Pearson相关系数理论进行相关性分析,获得光伏发电的不同特征量满足关联性阈值的影响因素,在数据集中保留与光伏发电功率强相关的特征数据类型;采用MDBSCAN算法对数据组成的散点图进行聚类,去除异常值,获得含有缺失数据的数据集,将该数据集进行线性插值处理,获得线性插值数据集,将线性插值数据集中的特征数据与光伏发电数据作为神经网络的训练样本,对WGAN‑GP神经网络进行训练,获得适用WGAN‑GP神经网络模型;将含有缺失数据的数据集输入适用WGAN‑GP神经网络模型,填充得到填充完全的数据集。本发明解决了光伏发电功率与用电负荷的数据质量较低的技术问题。
-
公开(公告)号:CN118332437A
公开(公告)日:2024-07-12
申请号:CN202410492361.6
申请日:2024-04-23
Applicant: 国网安徽省电力有限公司滁州供电公司 , 合肥工业大学
IPC: G06F18/2415 , G06F18/15 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G01R31/08 , G06F123/02
Abstract: 本发明公开了一种考虑图卷积神经网络节点相关性的配电网故障定位方法,包括:1将配电网的电气节点和电力连接线抽象为由顶点和边组成的图结构;2测量故障发生前、后电气节点的电压值;3采用改进的K近邻补全算法对缺失数据进行补全;4通过补全特征数据计算两两节点之间的余弦相似度,然后与邻接矩阵各元素相乘得到相关性矩阵;5根据相关性矩阵,设置最大聚合邻居个数以及相关性阈值,得到相关性筛选矩阵,用来计算该层图卷积神经网络的特征矩阵,每经过一层图卷积神经网络后更新相关性矩阵和相关性筛选矩阵;6最后一层图卷积神经网络的输出特征矩阵输入到softmax层后,得到故障发生的位置信息。本发明能提高故障定位的精度。
-
公开(公告)号:CN117880984A
公开(公告)日:2024-04-12
申请号:CN202410087986.4
申请日:2024-01-22
Applicant: 国网安徽省电力有限公司滁州供电公司 , 合肥工业大学
IPC: H04W72/1268 , H04W72/541 , H04B17/345 , H04B17/391
Abstract: 本发明公开了一种基于干扰预测的主动配电网上行链路5G通信资源分配方法,包括:1、建立主动配电网上行链路5G通信模型;2、根据干扰历史数据建立干扰预测模型,并对数据传输过程中的干扰进行预测;3、根据干扰预测值确定主动配电网上行链路5G通信网络数据传输过程中的平均信噪比和数据包发射功率;4、根据发射功率,对上行链路5G通信网络数据传输过程中通信资源分配问题进行建模;5、将资源分配模型转换成MDP模型;6、根据资源分配MDP模型,采用基于DDQN的深度强化学习算法训练模型。本发明能让主动配电网上行链路5G网络通信资源分配更加合理;且满足实时性的要求,从而使主动配电网上行链路的数据传输过程更加智能。
-
公开(公告)号:CN117713206A
公开(公告)日:2024-03-15
申请号:CN202311730802.3
申请日:2023-12-15
Applicant: 合肥工业大学 , 国网安徽省电力有限公司滁州供电公司
Abstract: 本发明公开了一种主动配电网中延迟自适应电压的鲁棒控制方法,包括:1、获取主动配电网的基本参数信息;2、预测主动配电网参数信息的置信区间;3、建立主动配电网操作状态范围集合;4、建立主动配电网区域协同鲁棒无功电压控制模型;5、利用POMDP模型重新建模鲁棒电压控制问题;6、采用多智能体强化学习算法训练区域协同鲁棒无功电压控制的POMDP模型;7、通过延迟自适应处理,生成具有延迟自适应特性的鲁棒无功电压控制模型,并部署在配电网的各个分区中。本发明能让主动配电网的电压控制方案在延迟值未知的情况下具有延迟自适应特性,实现鲁棒的电压控制,并能提高光伏逆变器的调度效率,有效抑制配电网的节点电压波动。
-
公开(公告)号:CN116247739A
公开(公告)日:2023-06-09
申请号:CN202310020220.X
申请日:2023-01-06
Applicant: 国网安徽省电力有限公司滁州供电公司 , 国网安徽省电力有限公司 , 安徽智领电力科技有限公司
IPC: H02J3/46 , H02J3/06 , H02J3/14 , G06F30/18 , G06F111/04 , G06F113/04
Abstract: 本发明提供的基于全网约束的新能源接入薄弱环节在线辨识方法,包括220kV及以上电网设备可接入容量计算、110kV及以下电网设备可接入容量计算、构建全网可接入容量设备拓扑链路、实现新能源接入薄弱环节在线辨识、构建出电网日前消纳分析模型。本发明提出的一种基于全网约束的新能源接入薄弱环节在线辨识方法,与现有技术相比实现了全网约束条件下电网新能源可接入容量在线计算,提升了电网新能源可接入容量计算准确性,让电网运行人员第一时间掌握新能源接入薄弱环节,为更好落实整体光伏政策的推进提供技术支撑,全面促进新能源消纳。
-
公开(公告)号:CN119813229A
公开(公告)日:2025-04-11
申请号:CN202510300058.6
申请日:2025-03-14
Applicant: 国网安徽省电力有限公司滁州供电公司 , 安徽智领电力科技有限公司
IPC: H02J3/06 , H02J3/00 , G06F18/241 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种全量资源协同电网潮流智能调控方法及系统,涉及资源协同电网潮流技术领域,包括对得到若干种分区组,并分别与电网拓扑结合;得到若干种电压等级,将分区组与电压等级随机组合,得到若干效能优化组;获取潮流调控过程的电压波动数据和潮流负担数据,基于长短期神经网络构建潮流评估模型;根据潮流评估模型的输出和效能优化组进行匹配并构建点云网格模型,并对点云网格模型进行曲面分析,获取选定的效能优化组,并应用于电网潮流调控,解决了电网潮流计算精度与调控效率之间的矛盾和动态适应性不足问题。
-
公开(公告)号:CN117494890A
公开(公告)日:2024-02-02
申请号:CN202311462631.0
申请日:2023-11-06
Applicant: 安徽立卓智能电网科技有限公司 , 国网安徽省电力有限公司滁州供电公司
Abstract: 本发明涉及电力功率预测技术领域,公开了一种ARIMA和DNN组合模型的区域超短期功率预测方法,包括以下步骤:S1收集电力系统历史功率数据和短期预测功率数据;S2对收集到的数据进行预处理;S3构建样本数据集并将预处理后的数据分为训练集和测试集;S4针对样本数据集,分别构建ARIMA和DNN模型;S5进行DNN模型训练和预测;S6计算预测时间点的合理权重;S7结合合理权重计算最终的超短期预测结果。本发明利用短期功率预测数据作为ARIMA的特征之一,进一步提升了ARIMA模型的稳定性和精度;提高了区域超短期功率预测的准确性和稳定性,能够更好地满足电力系统对功率预测的精度要求;有效解决了权重分配需要手动设置的弊端。
-
-
-
-
-
-
-
-
-