-
公开(公告)号：CN118432189A
公开(公告)日：2024-08-02
申请号：CN202410518992.0
申请日：2024-04-28
Applicant: 国网江苏省电力有限公司经济技术研究院 , 国网江苏省电力有限公司 , 东南大学
IPC: H02J3/46 , H02J3/38 , H02J3/00 , G06N3/0442 , G06N3/045 , G06N3/092 , G06F18/20 , G06Q50/06 , G06N3/048 , G06F123/02
Abstract: 本发明公开了一种基于LSTM‑PPO算法的分布式能源系统能量调度优化方法,首先将分布式能源系统的能量调度问题描述为一个马尔科夫决策过程MDP；其次基于LSTM和PPO算法构建初始能量调度模型，利用初始能量调度模型求解MDP；然后利用真实电价与负荷数据组成的训练集对初始能量调度模型进行训练，得到目标能量调度模型；最终利用目标能量调度模型求解分布式能源系统能量调度的最优策略，利用该最优策略对分布式能源系统进行调度。本发明所提出的基于无模型的LSTM‑PPO算法可以利用历史数据捕获能源系统的不确定性，利用深度学习模型的良好泛化能力，实时提供高质量的解决方案，并避免能量调度运行期间的任何计算负担。
-
公开(公告)号：CN119578564A
公开(公告)日：2025-03-07
申请号：CN202411615838.1
申请日：2024-11-13
Applicant: 国网江苏省电力有限公司经济技术研究院 , 东南大学
IPC: G06N7/01 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/092
Abstract: 本发明提出一种基于约束增强安全强化学习的配电网动态网络重构方法，将配电网的DDNR任务描述为一个约束型马尔科夫决策过程(CMDP)，然后分别采用内点策略优化(IPO)算法和增加基于支路交换法的安全层的方式处理DDNR过程中的软约束(节点电压及线路电流约束)和硬约束(径向拓扑约束)，同时本发明提出一种时空感知神经网络模型来增加强化学习智能体对DDNR过程中配电网潮流的动态时空变化特性。所提方法对减小配电网能量损耗、优化电压分布、增加新能源承载力具有重要作用。
-
公开(公告)号：CN119716374A
公开(公告)日：2025-03-28
申请号：CN202411626877.1
申请日：2024-11-14
Applicant: 国网江苏省电力有限公司经济技术研究院
Inventor： 翟晓萌 , 徐超 , 吴霜 , 王球 , 马倩 , 王静怡 , 程曦 , 仓敏 , 刘汇川 , 诸德律 , 孙海森 , 徐佳琪 , 张华 , 吴雪 , 洪芦诚 , 李雪菲 , 章兴睿
Abstract: 本发明公开了一种基于离散中值滤波器和数学形态学的电网诊断方法，包括如下步骤：步骤1)从电网保护继电器的测量单元采集电流信号，进行预处理；步骤2)将预处理后的信号通过数学形态学算法提取信号中的故障特征，计算直流残差；步骤3)将所述直流残差与预设阈值进行交叉匹配以判断是否存在故障，如果超过阈值，则触发故障隔离逻辑；步骤4)计算基于数学形态学算法的能量值，根据能量值的极性，判断故障的类型，并定位故障发生的具体位置。有益效果：结合了离散中值滤波器和数学形态学，离散中值滤波器能够有效地消除噪声干扰，数学形态学算法能够有效地提取故障特征，两者结合能够提高故障诊断的准确性和鲁棒性。
-
公开(公告)号：CN119961298A
公开(公告)日：2025-05-09
申请号：CN202411683633.7
申请日：2024-11-22
Applicant: 国网江苏省电力有限公司经济技术研究院
IPC: G06F16/2455 , G06F18/10 , G06F18/22 , G06F18/23213 , G06Q50/06 , G06F123/02
Abstract: 本发明公开了一种基于最小二分图匹配的电网时序数据聚合方法，包括如下步骤：步骤1)获取多年度的电网时序数据，进行数据预处理，检测并排除极端值；步骤2)利用最小二分图匹配算法，找到不同年度之间相似度高的时序数据对，构建匹配模式组；步骤3)利用匹配模式组，随机生成新的时序数据集，并对每个数据集进行聚类，获得初始代表性时段；步骤4)将预处理中排除的极端时序数据与初始代表性时段合并，得到最终的电网时序数据聚合结果。本发明通过构建匹配模式组并随机生成新的时序数据集进行聚类，获得更稳定、泛化性更好的代表性时段聚合结果。本发明在提高时序数据聚合的泛化性和稳定性方面具有明显优势，有利于提高电网规划、调度等决策的准确性。
-
公开(公告)号：CN119809013A
公开(公告)日：2025-04-11
申请号：CN202411696300.8
申请日：2024-11-25
Applicant: 国网江苏省电力有限公司经济技术研究院
Inventor： 吴霜 , 徐超 , 翟晓萌 , 王静怡 , 程曦 , 孙海森 , 刘汇川 , 仓敏 , 诸德律 , 管维亚 , 徐佳琪 , 王鑫 , 吴雪 , 张华 , 洪芦诚 , 李雪菲 , 章兴睿
IPC: G06Q10/04 , G06Q50/06 , G06F18/23213 , G06F17/18 , H02J3/00
Abstract: 本发明公开了一种基于博弈论的电力系统随机规划场景生成方法，包括如下步骤：步骤1)对不确定参数集的历史数据进行表述，构建不确定参数的统计矩，并进行分布拟合；步骤2)根据统计矩模拟各个不确定参数的单变量概率分布，生成多变量联合原始场景集，对生成场景集进行簇类划分；步骤3)基于博弈论构建典型场景生成的MILP模型；步骤4)求解MILP模型，并输出最终场景集。有益效果：通过统计矩、分布拟合等概念构建统计学指标，提取关键指标参数作为目标函数，并视其为博弈的参与者，通过纳什议价解来平衡目标函数中的多个项，提高了在不同主体定义参数集下生成的典型场景集合的代表性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN117913929B
公开(公告)日：2025-02-11
申请号：CN202410017952.8
申请日：2024-01-05
Applicant: 东南大学
IPC: H02J3/50 , H02J3/16 , G06N3/092 , G06N3/0464 , G06N3/0442 , G06Q50/06 , G06F30/27 , G06F18/214 , G06F113/04
Abstract: 本发明公开一种基于时空感知型安全强化学习的电压无功优化方法及系统，构建计及光伏PV和电动汽车充电站EV的PE‑VVO框架，并转换为一个约束型马尔科夫决策过程；所述PE‑VVO框架包括目标函数、约束条件、决策变量，马尔科夫决策过程包括状态空间、动作空间、奖励函数、约束、状态转移概率分布、PDN环境；设计求解CMDP的TGCN‑IPO算法，包括该算法计及障碍函数的目标以及计及TGCN的Actor和Critic网络；设计TGCN‑IPO算法的训练规则，采用真实的历史运行数据和PDN仿真环境对TGCN‑IPO智能体进行训练；使用测试集对训练好的TGCN‑IPO智能体测试，并进行在线部署，完成配电网的在线电压无功控制。此种技术方案能够解决高渗透率PV和EV给配电网带来的运行成本增加和电压越限问题。
-
公开(公告)号：CN110889554A
公开(公告)日：2020-03-17
申请号：CN201911179011.X
申请日：2019-11-27
Applicant: 东南大学
Abstract: 本发明公开了基于重现时间间隔分析法的电力负荷波动分析和风险预警方法。步骤：对数据进行预处理，拟合电力负荷波动重现时间间隔数据序列，构建重现时间间隔序列概率分布模型；构建条件概率密度函数模型，验证电力负荷重现时间间隔的短期相关性；结合风险函数和损失概率分布函数预测电力负荷波动重新时间间隔序列中极端波动风险损失概率；判断电力负荷重现时间间隔的长期相关性；提取对原始负荷数据序列整体波动没有影响的数据点作为负荷数据序列正常波动的临界点，即负荷风险预警阈值。本发明为风险预警提供了客观的参考阈值，避免了主观经验确定的盲目性，同时针对典型产业负荷波动性进行分析，为科学的电网规划和安全稳定运行提供参考依据。
-
公开(公告)号：CN117913929A
公开(公告)日：2024-04-19
申请号：CN202410017952.8
申请日：2024-01-05
Applicant: 东南大学
IPC: H02J3/50 , H02J3/16 , G06N3/092 , G06N3/0464 , G06N3/0442 , G06Q50/06 , G06F30/27 , G06F18/214 , G06F113/04
Abstract: 本发明公开一种基于时空感知型安全强化学习的电压无功优化方法及系统，构建计及光伏PV和电动汽车充电站EV的PE‑VVO框架，并转换为一个约束型马尔科夫决策过程；所述PE‑VVO框架包括目标函数、约束条件、决策变量，马尔科夫决策过程包括状态空间、动作空间、奖励函数、约束、状态转移概率分布、PDN环境；设计求解CMDP的TGCN‑IPO算法，包括该算法计及障碍函数的目标以及计及TGCN的Actor和Critic网络；设计TGCN‑IPO算法的训练规则，采用真实的历史运行数据和PDN仿真环境对TGCN‑IPO智能体进行训练；使用测试集对训练好的TGCN‑IPO智能体测试，并进行在线部署，完成配电网的在线电压无功控制。此种技术方案能够解决高渗透率PV和EV给配电网带来的运行成本增加和电压越限问题。
-
公开(公告)号：CN115588998A
公开(公告)日：2023-01-10
申请号：CN202211269015.9
申请日：2022-10-17
Applicant: 东南大学
IPC: H02J3/16 , H02J3/06 , H02J3/38 , H02J3/48 , H02J3/50 , G06F30/27 , G06F113/04 , G06F119/02
Abstract: 本公开属于电力系统自动化和计算机技术领域，公开了一种基于图强化学习的配电网电压无功优化方法，首先将无功电压优化问题建模为一个马尔科夫决策过程，并使用无模型的深度强化学习方法进行求解；然后发明了一种基于图神经网络的近端策略优化算法，该算法通过嵌入图卷积网络来提高强化学习智能体对配电网图数据的感知能力；最后本发明以改进的IEEE33测试系统开展算例分析，验证了所提方法的有效性和相比其他方法的优势，结果同时表明，基于图神经网络训练的强化学习智能体在配电网拓扑发生变化时仍表现出较好的性能。
-
公开(公告)号：CN114861819A
公开(公告)日：2022-08-05
申请号：CN202210590288.7
申请日：2022-05-26
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明公开了一种用于变压器故障诊断的支持向量机的多分类策略，属于人工智能技术领域。一种用于变压器故障诊断的支持向量机的多分类策略，获得所述多分类策略的步骤包括：对训练集中任意每两类样本计算类间散布矩阵以及将两类合并后的类内散布矩阵，将类间散布矩阵和类内散布矩阵的迹之和相加作为可分性指标；找到可分性指标最小的一对组合，将所述一对组合合并为一类，并记录类的合成顺序；根据之前所记录类的合并顺序，逆向生成分类决策树，将其作为支持向量机的多分类策略。本发明有益效果：能够提升基于支持向量机的变压器故障诊断模型的训练效率和分类准确率，使其能够实际应用于电力系统诊断现场。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.046 seconds)
