一种充电站与配电网配置协同规划方法

    公开(公告)号:CN115952961A

    公开(公告)日:2023-04-11

    申请号:CN202210773300.8

    申请日:2022-07-01

    Abstract: 本发明涉及一种充电站与配电网配置协同规划方法,该方法包括:读取规划区域的道路拓扑信息和用户出行特性,通过充电需求预测模型,得到该区域的充电需求时空分布结果;以电动汽车用户、充电站运营商和配电网综合成本最低,构建上层充电站选址定容模型,对充电站进行规划;当上层充电站规划不满足配网侧电力平衡约束时,以扩展规划成本最低构建下层配电网扩展规划模型,对配电网进行升级,并将升级后的新配电网输入至所述上层充电站选址定容模型中进行验证;构建充电站和配电网协同规划模型,采用优化算法规划出验证通过后综合成本最低的充电站与配电网规划方案。与现有技术相比,本发明兼顾充电站规划和配电网规划的“双层”动态特性。

    一种基于模糊故障率预测的配电网可靠性评估方法

    公开(公告)号:CN111861141A

    公开(公告)日:2020-10-30

    申请号:CN202010602965.3

    申请日:2020-06-29

    Abstract: 本发明涉及一种基于模糊故障率预测的配电网可靠性评估方法,该方法包括如下步骤:1、收集元件样本数据,包括其故障率、运行条件和环境条件,对元件故障率进行模糊化处理,建立不同设备元件的故障率模糊可能性分布模型;2、基于模糊聚类分析法,根据不同的运行工况和环境条件,对配电网设备元件进行模糊分类;3、确定元件的分类并获取故障率区间,结合可能性分布模型预测该元件的故障率值;4、利用蒙特卡罗法模拟配电网系统的运行状态,得出负荷点和系统的可靠性指标,进而对配电网供电可靠性进行评估。与现有技术相比,本发明能够实现考虑元件模糊不确定性影响下的配电网可靠性评估,并且通用型强,评估结果准确可靠。

    一种基于模糊故障率预测的配电网可靠性评估方法

    公开(公告)号:CN111861141B

    公开(公告)日:2024-02-13

    申请号:CN202010602965.3

    申请日:2020-06-29

    Abstract: 本发明涉及一种基于模糊故障率预测的配电网可靠性评估方法,该方法包括如下步骤:1、收集元件样本数据,包括其故障率、运行条件和环境条件,对元件故障率进行模糊化处理,建立不同设备元件的故障率模糊可能性分布模型;2、基于模糊聚类分析法,根据不同的运行工况和环境条件,对配电网设备元件进行模糊分类;3、确定元件的分类并获取故障率区间,结合可能性分布模型预测该元件的故障率值;4、利用蒙特卡罗法模拟配电网系统的运行状态,得出负荷点和系统的可靠性指标,进而对配电网供电可靠性进行评估。与现有技术相比,本发明能够实现考虑元件模糊不确定性影响下的配电网可靠性评估,并(56)对比文件徐双蝶等.考虑不确定性变量模糊相关性的智能配电网概率潮流计算《.电网技术》.2020,第44卷(第4期),1488-1500.王勇.电力系统运行可靠性分析与评价理论研究《.中国优秀硕士论文电子期刊网》.2012,全文.

    一种基于应急电源车的综合不停电作业负荷调控与匹配方法

    公开(公告)号:CN115483752A

    公开(公告)日:2022-12-16

    申请号:CN202210951563.3

    申请日:2022-08-09

    Abstract: 一种基于应急电源车的综合不停电作业负荷调控与匹配方法,属电力运行领域。包括将用户侧负荷进行分解,综合测算出用户侧负荷波动形态,分时段总结用户侧负荷特性,通过应急电源车规格与用户间进行双向匹配,以应急电源车最佳输出区间为目标,利用公式计算匹配、选择最佳的应急电源车。其按照一般性负荷的时间特性,确定优先级排序,分时接入、全时段调控,实现源‑荷的安全、动态匹配,从而保证进行综合不停电作业时,用户侧负荷恰好处于应急电源车最佳出力区间,应急电源车工作在最佳出力区间,提高了供电效率及安全性,提升了供电可靠性。适用于基于应急电源车的综合不停电作业管理领域。

    一种基于改进深度学习算法的电能质量扰动识别方法

    公开(公告)号:CN110399796A

    公开(公告)日:2019-11-01

    申请号:CN201910542843.7

    申请日:2019-09-02

    Abstract: 本发明涉及一种基于改进深度学习算法的电能质量扰动识别方法,包括步骤:1)获取电压暂升信号、电压暂降信号、电压中断信号、谐波信号、电压尖峰信号、电压切痕信号、闪变信号、振荡暂态信号和脉冲暂态信号的九种单一扰动信号及复合电能质量扰动信号;2)结合迁移学习与深度学习,确定预训练深度卷积神经网络模型AlexNet的最佳特征层,冻结参数,进行模型迁移;3)采用SVM代替迁移后的模型的Softmax分类器,获取模型中新的全连接层;4)利用单一扰动信号和复合电能质量扰动信号对最新模型的参数进行微调,完成模型的训练和电能质量扰动信号识别。与现有技术相比,本发明具有避免部分信号丢失,提高训练效率、提高分类准确率等优点。

    不同时间尺度下基于混合储能调度的微网能量优化方法

    公开(公告)号:CN104617590B

    公开(公告)日:2017-10-13

    申请号:CN201410721711.8

    申请日:2014-12-03

    Abstract: 本发明涉及一种不同时间尺度下基于混合储能调度的微网能量优化方法,根据不同时间尺度将微网优化调度分为日前调度和实时调度,日前调度提前一天给出未来24h的运行计划,时间粒度取1h,根据峰谷时段电价差异,优化联络线交互功率和燃料电池FC出力,调度蓄电池SB低储高发套利;实时调度配合日前调度,按照日前计划安排各微源出力,时间粒度取1min,通过一阶低通滤波算法平滑微网内功率波动,应用滑动平均滤波算法对滤波后的波动功率在蓄电池储能和超级电容器之间进行合理分配,为混合储能的优化调度提供了参考。实时跟踪个单元运行状态,及时对日前计划进行调整,提高了优化的精度,更加符合实际调度需求。

Patent Agency Ranking