输配电网协同潮流控制方法与系统

    公开(公告)号:CN103887790B

    公开(公告)日:2015-09-16

    申请号:CN201410079163.3

    申请日:2014-03-05

    Abstract: 本发明输配电网协同潮流控制方法与系统,根据EMS对输电网建立输电系统模型,根据DMS对配电网建立配电系统模型,建立输、配电网之间的信息交互模型,利用EMS、DMS的潮流计算方式进行多次潮流计算,获取迭代计算结果,根据多次迭代计算结果,指定信息交互模型中的数据进行交互,确定输配电网协同潮流计算结果,根据输配电网协同潮流计算结果,对输配电网协同潮流进行控制。由于在输配电网中采用EMS和DMS分区潮流计算,进行迭代计算,减小了EMS和DMS中潮流计算使用等值方法建立网络模型带来的计算误差,提高整个输配电网协同潮流计算精度,从而能准确实现输配电网协同潮流控制,确保电力系统安全、高效运行。

    输配电网协同潮流控制方法与系统

    公开(公告)号:CN103887790A

    公开(公告)日:2014-06-25

    申请号:CN201410079163.3

    申请日:2014-03-05

    Abstract: 本发明输配电网协同潮流控制方法与系统,根据EMS对输电网建立输电系统模型,根据DMS对配电网建立配电系统模型,建立输、配电网之间的信息交互模型,利用EMS、DMS的潮流计算方式进行多次潮流计算,获取迭代计算结果,根据多次迭代计算结果,指定信息交互模型中的数据进行交互,确定输配电网协同潮流计算结果,根据输配电网协同潮流计算结果,对输配电网协同潮流进行控制。由于在输配电网中采用EMS和DMS分区潮流计算,进行迭代计算,减小了EMS和DMS中潮流计算使用等值方法建立网络模型带来的计算误差,提高整个输配电网协同潮流计算精度,从而能准确实现输配电网协同潮流控制,确保电力系统安全、高效运行。

    一种基于工序负荷特性的企业关口负荷预测方法

    公开(公告)号:CN106022542A

    公开(公告)日:2016-10-12

    申请号:CN201610478713.8

    申请日:2016-06-24

    CPC classification number: G06Q10/04 G06Q50/06

    Abstract: 本发明公开了一种基于工序负荷特性的企业关口负荷预测方法,包括以下步骤:(1)获取负荷预测需要的样本数据;(2)获取负荷预测需要的影响因素信息;(3)对工序负荷进行负荷特性分析并根据结果将预测工序负荷划分类型;(4)进行预测模型匹配并进行样本集合的选择;(5)判断模型和样本是否都具备预测条件,满足则进行关口分量负荷预测并统计预测误差,根据预测误差不断对分量预测结果进行修正;(6)将所有工序分量预测结果进行叠加,判断是否满足设定的条件,如果满足则将最终的关口预测结果输出。本发明能够获得最终的企业关口负荷预测结果,由于综合考虑了企业各个工序的负荷特性和负荷变化趋势,可以有效提高企业负荷预测精度。

    一种多抽水蓄能电厂实时优化调度方法、装置及系统

    公开(公告)号:CN115811091B

    公开(公告)日:2025-04-25

    申请号:CN202111078217.0

    申请日:2021-09-15

    Abstract: 本发明公开了一种多抽水蓄能电厂实时优化调度方法、装置及系统,所述方法包括当基于抽水蓄能数据池,以及预设的判断条件,判断出需要启动抽水蓄能调控,则基于负荷预测及计划发电的偏差,计算出抽水蓄能总调节需求;其中,所述抽水蓄能数据池中存储有负荷预测、实际负荷、计划发电和二次调频备用容量限值;基于抽水蓄能约束条件,以及所述抽水蓄能总调节需求,计算出抽水蓄能总计划的可调整范围;根据经济调度、合理分配原则,结合所述抽水蓄能总计划的可调整范围,将抽水蓄能总计划分配到各抽水蓄能电厂,得到各抽水蓄能电厂新的发电计划。本发明能够实现多抽水蓄能电厂的实时优化调度,为电网安全及经济运行提供强有力支撑。

    基于深度学习的水光风储电短期调度方法及系统

    公开(公告)号:CN117239834A

    公开(公告)日:2023-12-15

    申请号:CN202311034699.9

    申请日:2023-08-16

    Abstract: 本发明提供一种基于深度学习的水光风储电短期调度方法及系统。方法包括:计算风光电在预设时间间隔后的预测出力,及出力波动率;对比风光电的出力波动率与既定阈值,如果风光电的出力波动率大于既定阈值,则进入下一步骤,否则在预设时间间隔后返回上一步骤;按照预设采样周期采集水光风储电的运行数据,总共采集预设时长内的数据;将采集的运行数据组合成一个矩阵并进行归一化处理得到归一化矩阵;将归一化矩阵传入训练好的深度学习模型中得到对应的调度策略。本发明通过对利用深度学习模型,有效地提升电力系统中水光风储电的协调优化能力,优化了水电机组的开停机策略,提高了水光风储电协调的经济效益,保证了电力系统稳定、安全经济运行。

Patent Agency Ranking