-
公开(公告)号：CN112600232B
公开(公告)日：2023-02-07
申请号：CN202011399368.1
申请日：2020-12-04
Applicant: 国网新疆电力有限公司 , 大连理工大学 , 安徽正广电电力技术有限公司
Abstract: 一种基于虚拟同步机的特高压直流输电系统换流站控制系统，整流侧虚拟同步机VSG1通过开关与送端电网连接，逆变侧虚拟同步机VSG2通过开关与受端电网连接；该系统还包括无功调节模块、有功调节模块、虚拟转子模块和电气模块，本发明能够模拟传统同步发电机的电磁与运行特性，使特高压直流输电系统具有类似传统同步发电机的转动惯量与阻尼系数以及调频、调压特性，增强了送端和受端系统的稳定性，并且能通过无差调频环节实现交流系统频率的无差调节。
-
公开(公告)号：CN113824126A
公开(公告)日：2021-12-21
申请号：CN202110623113.7
申请日：2021-06-04
Applicant: 国网新疆电力有限公司 , 大连理工大学 , 安徽正广电电力技术有限公司
Abstract: 本发明公开了一种基于模糊理论的储能变流器虚拟同步自适应控制方法，基于模糊控制理论，设计了一种的用于储能系统变流器的VSG控制系统，用于模拟同步机励磁调节器特性、原动机调速器以及同步机转子运动方程，主要由无功‑电压控制模块、有功‑频率控制模块、虚拟参数自适应优化模块组成。VSG的无功‑电压环节主要模拟同步机的无功‑电压下垂特性，VSG的有功‑频率环节主要模拟原动机调速器的有功‑频率下垂特性以及同步机转子运动方程的二阶模型，虚拟参数自适应优化环节采用模糊控制确定各虚拟参数的取值来调整变流器虚拟同步控制参数以动态自适应系统状态，进而增强了储能系统VSG的可持续工作时间和平抑波动能力，提高VSG的动态响应性能。
-
公开(公告)号：CN112600232A
公开(公告)日：2021-04-02
申请号：CN202011399368.1
申请日：2020-12-04
Applicant: 国网新疆电力有限公司 , 大连理工大学 , 安徽正广电电力技术有限公司
Abstract: 一种基于虚拟同步机的特高压直流输电系统换流站控制系统，整流侧虚拟同步机VSG1通过开关与送端电网连接，逆变侧虚拟同步机VSG2通过开关与受端电网连接；该系统还包括无功调节模块、有功调节模块、虚拟转子模块和电气模块，本发明能够模拟传统同步发电机的电磁与运行特性，使特高压直流输电系统具有类似传统同步发电机的转动惯量与阻尼系数以及调频、调压特性，增强了送端和受端系统的稳定性，并且能通过无差调频环节实现交流系统频率的无差调节。
-
公开(公告)号：CN115222237A
公开(公告)日：2022-10-21
申请号：CN202210818820.6
申请日：2022-07-13
Applicant: 国网新疆电力有限公司 , 大连理工大学
Abstract: 本发明提供一种基于时空特性与多指标约束的电力系统惯量需求评估方法，根据传统惯量以及虚拟惯量大小，计算等效惯性常数；在系统等效惯性常数、阻尼系数以及一次调频参数的基础上，引入新能源渗透率、虚拟惯量渗透率等参数，建立动态频率响应模型；考虑系统惯量水平及惯量需求的动态变化，在不同时段进行场景设置；计算扰动后的频率分布系数，考虑最大频率变化率、频率最低点以及稳态频率指标约束，以系统惯量需求最小为目标，建立电力系统惯量需求评估模型；选取频率指标约束限值，结合等效惯性常数大小，综合不同场景，求解得到惯量需求大小。本发明通过设置不同场景，采用优化方法动态评估惯量需求，提高了惯量需求评估的有效性和准确性。
-
公开(公告)号：CN114742410B
公开(公告)日：2024-11-29
申请号：CN202210380057.3
申请日：2022-04-12
Applicant: 新疆大学 , 国网新疆电力有限公司 , 大连理工大学
IPC: G06Q10/0631 , G06Q50/06 , H02J3/00 , G06F18/23213 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于Pso‑CNN的蓄热式电采暖用电控制决策方法及系统，其方法包括：步骤S1：采集区域内所有蓄热式电采暖负荷数据，对其进行聚类，得到聚类集群结果；步骤S2：建立蓄热式电采暖温度和蓄热式电采暖储能装置的动态数学模型，确定模型参数；步骤S3：构建目标函数，使其满足动态数学模型及其约束条件；初始化各个聚类集群运行策略，并基于粒子群优化算法计算目标函数值，迭代优化各个聚类集群的蓄热式电采暖运行策略；步骤S4：构建状态信息映射曲线图，输入卷积神经网络进行学习，预测未来各时段各个聚类集群的蓄热式电采暖运行策略。本发明提供的方法基于历史数据，利用Pso算法求解蓄热式电采暖最优运行策略，并利用CNN预测未来用电控制策略。
-
Patent Agency Ranking
公开(公告)号：CN114742410A
公开(公告)日：2022-07-12
申请号：CN202210380057.3
申请日：2022-04-12
Applicant: 新疆大学 , 国网新疆电力有限公司 , 大连理工大学
Abstract: 本发明涉及一种基于Pso‑CNN的蓄热式电采暖用电控制决策方法及系统，其方法包括：步骤S1：采集区域内所有蓄热式电采暖负荷数据，对其进行聚类，得到聚类集群结果；步骤S2：建立蓄热式电采暖温度和蓄热式电采暖储能装置的动态数学模型，确定模型参数；步骤S3：构建目标函数，使其满足动态数学模型及其约束条件；初始化各个聚类集群运行策略，并基于粒子群优化算法计算目标函数值，迭代优化各个聚类集群的蓄热式电采暖运行策略；步骤S4：构建状态信息映射曲线图，输入卷积神经网络进行学习，预测未来各时段各个聚类集群的蓄热式电采暖运行策略。本发明提供的方法基于历史数据，利用Pso算法求解蓄热式电采暖最优运行策略，并利用CNN预测未来用电控制策略。
-
公开(公告)号：CN113887912A
公开(公告)日：2022-01-04
申请号：CN202111130252.2
申请日：2021-09-26
Applicant: 新疆大学 , 国网新疆电力有限公司 , 大连理工大学
Abstract: 本发明提出了一种深度学习下面向嵌入式设备的非侵入式负荷识别方法，该方法在用户电力入口处采集电压电流等负荷信息，采用CUSUM算法检测功率变点，经过负荷投切稳定判据判稳后得到负荷的电压，电流特征序列。由FFT获得电流谐波特征，由移相法获得负荷功率特征，将V‑I图像特征转化为序列表示。由CNN提取负荷的V‑I序列特征做第一次负荷识别，得到属于每种负荷类别的概率值。融合负荷的谐波特征，功率特征共同作为单隐藏层神经网络的输入做第二次识别。在减小计算量的同时，又保证了负荷识别的准确率。该方法数据处理简单，识别网络参数量少，能够在嵌入式设备上部署。
-
公开(公告)号：CN112257027A
公开(公告)日：2021-01-22
申请号：CN202011076262.8
申请日：2020-10-10
Applicant: 国网新疆电力有限公司 , 大连理工大学 , 华北电力大学 , 国家电网有限公司
Abstract: 一种基于正态分布拟合的电网典型负荷日选取方法，首先利用电网负荷数据将每天同一时刻的负荷所出现的频率作为负荷出现概率。由于不同天同一时刻的负荷值相差不多，将其近似认为服从正态分布，然后利用矩估计法拟合成负荷与概率的曲线，将此曲线作为其概率密度曲线，并求每个概率分布的期望作为该时刻的负荷值。最后将日负荷率与数据平均日负荷率之差的绝对值作为评价指标1，将选取的典型负荷日与数据所有负荷日相关系数绝对值的平均值作为评价指标2，以评价指标1和评价指标2选取典型负荷日。
-
公开(公告)号：CN113887912B
公开(公告)日：2024-07-26
申请号：CN202111130252.2
申请日：2021-09-26
Applicant: 新疆大学 , 国网新疆电力有限公司 , 大连理工大学
IPC: G06Q10/0639 , G06Q50/06 , G06N3/0464 , G06N3/09 , H02J3/00
Abstract: 本发明提出了一种深度学习下面向嵌入式设备的非侵入式负荷识别方法，该方法在用户电力入口处采集电压电流等负荷信息，采用CUSUM算法检测功率变点，经过负荷投切稳定判据判稳后得到负荷的电压，电流特征序列。由FFT获得电流谐波特征，由移相法获得负荷功率特征，将V‑I图像特征转化为序列表示。由CNN提取负荷的V‑I序列特征做第一次负荷识别，得到属于每种负荷类别的概率值。融合负荷的谐波特征，功率特征共同作为单隐藏层神经网络的输入做第二次识别。在减小计算量的同时，又保证了负荷识别的准确率。该方法数据处理简单，识别网络参数量少，能够在嵌入式设备上部署。
-
公开(公告)号：CN119204679A
公开(公告)日：2024-12-27
申请号：CN202411309436.9
申请日：2024-09-19
Applicant: 国网新疆电力有限公司 , 大连理工大学
IPC: G06Q10/0635 , G06Q10/0637 , G06Q50/06
Abstract: 本发明公开一种基于EMD‑GRU的长周期新能源功率‑风险预测方法及系统，首先将获取到的新能源出力功率历史数据集进行标准化处理，接着将标准化的历史数据集进行EMD分解，得到不同的IMF序列，分析IMF子序列特性，然后将分解后的IMF功率序列作为电夹点中的流量指标，风险度作为电夹点中描述电力品质的指标，利用GRU模型对保留下来的子序列分别进行预测，同时将对应时间点的气象相关因素数据加入到输入变量内，输出各子序列对应的预测结果后将各子序列的预测值进行叠加，得到新能源出力功率‑风险预测的最终结果。本发明有助于提高新能源消纳水平，降低弃电量。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.072 seconds)
