Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 国网福建省电力有限公司洪亮获国家专利权

国网福建省电力有限公司洪亮获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉国网福建省电力有限公司申请的专利一种多能源协同供电自适应在线优化方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116128142B

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310137614.3,技术领域涉及:G06Q10/04;该发明授权一种多能源协同供电自适应在线优化方法是由洪亮;林北海;游元通;蔡加鑫设计研发完成,并于2023-02-20向国家知识产权局提交的专利申请。

一种多能源协同供电自适应在线优化方法在说明书摘要公布了:本发明提出一种多能源协同供电自适应在线优化方法,通过建立多能源协同供电优化目标函数以及约束条件,不仅考虑了运行成本,还综合考虑了污染代价以及能源损耗,对资源的利用进行优化,降低投资和运行成本,最大限度的消耗风电、光伏等清洁能源;建立风电功率预测模型、光伏发电功率预测模型,对风电通过基于BP‑GA模型或者支持向量机的预测方法进行预测,对于光伏发电功率,通过K‑Cascaded‑注意力网络进行预测,提升了风电、光伏发电功率预测的准确性;对多能源进行动态规划调度,得到多能源协同供电方案,提高能源的利用率。

本发明授权一种多能源协同供电自适应在线优化方法在权利要求书中公布了:1.一种多能源协同供电自适应在线优化方法,其特征在于,包括以下步骤: 步骤S1:建立多能源协同供电优化目标函数以及约束条件,所述目标函数包括成本函数F1、污染代价函数F2、电压偏差函数F3; 步骤S2:基于狼群优化算法对目标函数求解最优解,对多能源协同供电进行动态规划调度,得到多能源协同供电方案; 所述步骤S1中的多能源协同供电优化目标函数以及约束条件包括: 步骤S11,建立成本函数F1: (1); 上述公式中,分别表示火力发电、风力发电、光伏发电的发电成本,T表示周期,I、J、Q分别为火力发电、风力发电、光伏发电的机组个数,表示第i个火力发电机组第t个周期的有功功率,表示第j个风力发电机组第t个周期的损失功率,表示第q个光伏发电机组第t个周期的损失功率,均为系数; 其中,所述、、满足如下约束: (2); 上述公式中,表示第t周期的负荷需求,、分别为风力发电、光伏发电第t周期的功率损耗; 火力发电中的满足如下约束: (3); 上述公式中,表示第i个火力发电机组的最小和最大有功功率; 风力发电中的满足如下约束: 4; 上述公式中、分别表示风力发电功率实际值和风力发电功率预测值,表示置信度; 光伏发电中的满足如下约束: (5); 上述公式中分别表示光伏发电功率实际值和光伏发电功率预测值,表示置信度; 爬坡率满足如下约束: (6); 上述公式中,和分别表示第i个火力发电机组的上、下爬坡率限制; 步骤S12,构建污染代价函数F2: 其中,(7); 上述公式中,F2为污染代价函数,为第i组火力发电机组的污染代价系数; 步骤S13,构建电压偏差函数F3: (8); 上述公式中,P为传输线和负载总线的数量,为传输线和负载总线p在第t周期的母线电压; 母线电压满足如下约束: (9); 上述公式中,、表示电压幅值的最小、最大值; 步骤S14,通过将成本函数F1、污染代价函数F2以及电压偏差函数F3相结合,建立多能源协同供电优化目标函数如下: 10; 所述步骤S11中的光伏发电功率预测值通过如下步骤进行预测: 步骤S21:采集样本数据,包括太阳辐照度、背板温度、环境温度和环境湿度以及对应功率,确定样本数据集,表示为,表示输入特征,表示对应的功率,所述样本数据集包括训练集和测试集; 步骤S22:构建光伏发电功率预测模型,所述预测模型为K-Cascaded-注意力网络,所述K-Cascaded-注意力网络为结合注意力机制的级联神经网络,所述K-Cascaded-注意力网络包括K级,第1级包括输入层、隐藏层、BN层、Relu层、隐藏层、BN层、Relu层、全连接层、最后经过softmax层得到预测结果;第2~K级每一级的结构均包括:输入层、隐藏层、通道注意力模块层、BN层、Relu层、隐藏层、BN层、Relu层、全连接层、最后经过softmax层得到预测结果为,所述第1级的输入为,第2~K级的输入为前一级全连接层的输出与,所述K-Cascaded-注意力网络的输出为:,其中,为第k级的权重,K为K-Cascaded-注意力网络的级数; 步骤S23:基于所述步骤S21获取的训练集对K-Cascaded-注意力网络进行训练; 步骤S24:利用所述步骤S23训练后的K-Cascaded-注意力网络进行光伏发电功率预测,得到预测结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人国网福建省电力有限公司,其通讯地址为:350000 福建省福州市鼓楼区五四路257号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。