-
公开(公告)号：CN119379259A
公开(公告)日：2025-01-28
申请号：CN202411517992.5
申请日：2024-10-29
IPC: G06Q10/20 , G06N5/04 , G06F18/213 , G06Q50/06
Abstract: 本发明公开了一种基于多边合作博弈的锂电池储能系统安全运行智能决策方法，包括：根据锂电池储能系统停电记录计算用户中断时间cmi；根据维修记录评估维护有效性因子ηf和ηd；计算用户中断时间变化Δcmi；评估维修活动的预期成本Δpm；计算锂电池储能系统的预期综合效率ΔE；根据用户中断时间变化Δcmi、预期成本Δpm、预期综合效率ΔE，计算博弈参与者电网公司、储能运维商和储能用户的特征函数；配置激励系数α，通过Sigmoid函数将特征函数标准化；根据标准化后的特征函数计算全局决策分数，评估维修活动实施的最佳日期。本发明以系统综合效率、成本消耗和用户中断时间为多目标函数，通过配置激励系数分配权重，从而能够综合考虑多参与者博弈关系，确定最优运维时间。
-
公开(公告)号：CN119375750A
公开(公告)日：2025-01-28
申请号：CN202411517973.2
申请日：2024-10-29
IPC: G01R31/392 , G01R31/367 , G06Q10/04 , G06N3/0442 , G06N3/0464 , G06F17/18
Abstract: 本发明公开了一种用于安全智能决策的锂离子电池退化预测方法，包括：获取原始测量信号，并且采用一维卷积神经网络模块提取隐藏在原始测量信号中的深层代表性特征；通过双向长短期记忆模块来估计出电池容量；利用核密度估计模块推导每个电池循环阶段预测点的概率密度；基于概率预测信息的维护决策评估每个电池循环阶段不同决策的成本，并选择成本较低的决策。本发明通过构建一维卷积神经网络算法、双向长短期记忆技术和核密度估计方法相结合的集成模型来处理电池容量预测和维护决策中的不确定性，实现基于概率预测信息的锂离子电池安全运行智能分析决策，提高了锂离子电池退化预测的准确性，提升了维护决策的可靠性。
-
公开(公告)号：CN119375742A
公开(公告)日：2025-01-28
申请号：CN202411517989.3
申请日：2024-10-29
IPC: G01R31/387 , G01R31/367 , G06N3/0442 , G06N3/006 , G06N3/048 , G06F17/11
Abstract: 本发明公开了一种基于LSTM的锂离子电池SOC估计方法，包括：采用二阶Thevenin模型，建立锂离子电池的等效电路模型，得到系统状态方程和观测方程；基于系统状态方程和观测方程，采用鲸鱼优化算法在线辨识模型参数；基于参数辨识后的等效电路模型，根据电池内部特性相关的映射，获取到滑动平均电压；将滑动平均电压加入输入端，采用基于LSTM评价方法，根据SOC函数计算获取到锂离子电池SOC估计结果。本发明建立锂离子电池的等效电路模型，采用鲸鱼优化算法在线辨识模型参数，根据实验验证基于LSTM的SOC估计效果，解决了模型精度与复杂度难以兼顾的问题，能够有效提升SOC估计的准确性，有利于提高电池的使用寿命和利用效率。
-
公开(公告)号：CN119377807A
公开(公告)日：2025-01-28
申请号：CN202411517975.1
申请日：2024-10-29
IPC: G06F18/243 , G06F18/214 , G06N3/0475 , G06N3/094 , G06N5/01 , G06N20/20 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种锂离子电池储能系统缓变故障诊断方法，包括：采用二阶Thevenin模型，建立锂离子电池的等效电路模型，得到系统状态方程和观测方程；基于系统状态方程和观测方程，通过故障模拟建立电池组缓变故障等效模型；利用生成对抗网络，生成故障样本；通过lightGBM建立缓变故障诊断模型，利用故障样本对基于lightGBM的缓变故障诊断模型进行训练；通过训练好的缓变故障诊断模型识别锂离子电池储能系统缓变故障。本发明建立锂离子电池的等效电路模型，利用GAN生成故障样本，根据lightGBM建立缓变故障诊断模型识别缓变故障，具有一定的可行性和准确性。
-
公开(公告)号：CN113515884B
公开(公告)日：2024-12-20
申请号：CN202110419560.0
申请日：2021-04-19
Applicant: 国网上海市电力公司 , 华东电力试验研究院有限公司 , 上海交通大学
Abstract: 本发明提供了一种分散式电动汽车实时优化调度方法及系统，建立联合电动汽车充电和电网机组出力的实时优化调度模型；并通过电动汽车集群能量边界等效模型和优化功率再分配策略提高模型求解效率；将所提出的优化调度模型构造成一个马尔可夫决策过程；并利用强化学习算法进行求解；将训练好的智能体应用于分散式电动汽车实时优化调度，实时优化各时段机组出力和电动汽车充电功率，实现电网经济运行。同时提供了一种相应的终端及介质。本发明一方面无需依赖准确的模型预测，连续的动作空间可保证调控的灵活性，且求解速度快；另一方面优选SAC算法作为强化学习算法，具有最大化熵的特点，可广泛探索环境，在环境变化的情况下仍具有较强的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN119051169A
公开(公告)日：2024-11-29
申请号：CN202410942825.9
申请日：2024-07-15
Applicant: 中国电力科学研究院有限公司 , 国网上海市电力公司 , 国家电网有限公司
Abstract: 本发明涉及变流器控制技术领域，具体提供了一种构网型变流器控制方法及装置，包括：基于dq参考系下的并网电流、LC型三相变流器的电容电压和电感电流确定电压输出跟踪误差量及其一阶导数；基于所述电压输出跟踪误差量及其一阶导数确定匹配干扰估计值和非匹配干扰估计值；基于所述匹配干扰估计值和非匹配干扰估计值确定dq参考系下逆变侧电压参考值；将dq参考系下逆变侧电压参考值转换为abc参考系下逆变侧电压参考值，并通过PWM信号发生器生成PWM信号对构网型变流器进行控制。本发明提供的技术方案，可以抑制系统参数不确定性及系统内外部慢时变干扰对系统的影响，为弱电网提供电压支撑，提高了构网型变流器的一次调频速度。
-
公开(公告)号：CN118735123A
公开(公告)日：2024-10-01
申请号：CN202410903323.5
申请日：2024-07-08
IPC: G06Q10/063 , G06Q10/04 , G06Q30/0201 , G06Q50/06 , H02J3/38 , H02J3/28
Abstract: 本发明公开了一种面向户用储能的能量共享框架及优化运行调度方法，包括：搭建用户负荷模型、为用户配置共享储能；在多重约束下以系统运行成本最低为优化目标，采用交替方向乘子法（ADMM）以分布式方法进行求解，充分保证参与共享储能的各用户隐私；建立以设备成本、投资回收期等为指标的评价体系，对结果进行对比分析；根据最优化结果对系统中的各用户能源进行调度。本发明方法可以实现：充分调度系统中的能源，提高系统中的可再生能源利用率；采用共享模式实现系统运行总成本的降低；采用经济指标对结果进行评估，为研发者、投资者、参与者等各方提供参考。
-
公开(公告)号：CN118646093A
公开(公告)日：2024-09-13
申请号：CN202410895527.9
申请日：2024-07-04
Abstract: 本发明公开了一种可控逆变器协同的配电网多级多尺度优化运行方法,属于电力系统优化运行技术领域，根据配电网多时间尺度调节资源特性以及光伏发电功率的预测和实测信息,构建了涵盖日前、日内和实时尺度的分层递阶优化框架，可充分挖掘多元灵活资源的潜力,最大限度地消纳可再生能源，本发明可广泛应用于具备高渗透率分布式光伏和储能的现代配电网。
-
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
IPC: G06Q10/0639 , G06Q50/06 , G06F18/241 , H02J3/00
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.
-
公开(公告)号：CN114629103A
公开(公告)日：2022-06-14
申请号：CN202011425508.8
申请日：2020-12-09
IPC: H02J3/00
Abstract: 本发明涉及一种基于inception结构负荷分解模型的楼宇负荷分解方法，包括以下步骤：S1：获取楼宇能耗负荷数据和楼宇对应的气象数据；S2：对楼宇能耗负荷数据进行预处理和去噪处理；S3：将楼宇能耗负荷数据和气象数据分别输入多个深度神经网络，分别提取得到特征数据；S4：构建基于inception结构的负荷分解模型；S5：将多个深度神经网络提取得到的特征数据输入负荷分解模型，得到负荷分解结果。与现有技术相比，本发明具有提高分解准确率等优点。
-
-
-
-
-
-
-
-
-
Search Results
148
records
(took 0.045 seconds)
