- 博客(6)
- 收藏
- 关注
RSS订阅原创 基于数据驱动分布鲁棒优化的随机最优潮流，基于分布鲁棒的随机最优潮流(OPF) matlab源代码
通过使用Wasserstein度量来量化基于经验数据的分布和真实未知数据生成分布之间的差异，我们制定了一个多阶段分布鲁棒的OPF问题来计算控制策略，该控制策略对数据集内固有的预测误差和抽样误差都具有鲁棒性。在配电网和输电网上进行了大量的数值实验，以说明所提方法的有效性和灵活性平衡效率、约束违背风险和输出的理论样品的性能。我们不假设网络中的不确定性遵循规定的概率分布，而是考虑以有限训练数据集为中心的分布的模糊集。在输电侧，该方法利用可控发电机的备用策略，降低了因高穿风率而产生的N-1安全线路流约束风险。
2022-11-18 13:28:57
141
原创 使用多级蒙特卡洛方法加速电力系统风险分析充分性评估python源代码 阐述了MLMC方法如何应用于电力系统风险分析，特别是系统充分性评估问题
确定了特别适合MLMC实现的通用模型模式，并引入了计算速度度量，以一种易于在工具、蒙特卡罗方法和风险度量之间进行比较的方式来量化模拟速度。本文使用了最近提出的多级蒙特卡罗(MLMC)框架，该框架结合了多级模拟器的输出，以提高计算效率而不牺牲精度。它解释了MLMC框架在模型层次上强加的哪些要求，以及这些如何在电力系统充分性评估问题中自然发生。两个案例研究说明了加速风险度量评估的潜力，以及将该方法应用于复杂模拟的能力。详细研究了两个充分性评估实例:一个是复合系统，一个是具有异构存储单元的系统。
2022-11-18 13:26:41
161
原创 种实时机会约束决策的快速方法及其在电力系统中的应用源代码 使用情景方法来解决实时机会约束决策问题的可能性
通过对样本的预处理，可以用极其有限的计算资源来解决机会约束决策问题，使得该方法对具有实时控制规范的大规模系统具有吸引力。比较结果表明，我们的RCNN-SVR模型在所有测试算法中性能最好，MSE、MAPE和CV-RMSE值最低。使用情景方法来解决实时机会约束决策问题的可能性，在这些问题中，未知参数的新信息通过测量变得可用。最后，所提出的方法可推广到控制动作跨越一个后退时间范围的装置，如离散时间系统的模型预测控制。同时，将所提出的模型与四种用于电力消费预测的模型进行了比较。还有 智能微电网粒子群优化算法。
2022-11-18 13:25:26
378
原创 包含线路和发电机N-1安全约束的风力发电的不确定性 案例研究评估了因突发事件和不同程度的风电进入系统所造成的经济影响，并验证了算法的有效性
为了解决这些问题，我们提出了一个N-1安全和机会约束单元承诺(SCCUC)，其中包括发电储备的建模，响应风的波动和三次储备，以考虑单个组件停电。为了解决这些问题，我们提出了一个N-1安全和机会约束单元承诺(SCCUC)，其中包括响应风力波动的发电储备模型和响应单一组件停电的三次储备模型。通过案例分析，评估了突发事件和不同程度风电渗透率的经济影响，验证了算法的有效性和可扩展性。案例研究评估了因突发事件和不同程度的风电进入系统所造成的经济影响，并验证了算法的有效性。提出了三种算法来计算SCCUC的最优解。
2022-11-18 13:23:32
229
原创 深度学习检测不准确智能电表 python源代码 根据用电情况检测出故障的智能电表，并针对其进行更换，可以节省大量的资源
为此，我们开发了一种基于长短期记忆(long -term memory, LSTM)和改进的卷积神经网络(convolutional neural network, CNN)的故障智能电表深度学习检测方法。我们提出了一种时间序列递归图(TS-RP) CNN，将连续的原始电力数据及其相空间递归图作为CNN的双重输入分支。如果预测值在一段时间内与主抄表数据存在显著差异，则启动诊断部分，基于CNN对每个子表进行分类，识别出故障子表。根据用电情况检测出故障的智能电表，并针对其进行更换，可以节省大量的资源。
2022-11-18 13:22:00
171
原创 关于粒子滤波在电力负荷预测中的应用 python源代码 在线预测电力负荷，在贝叶斯框架的动态模型
最后，利用该粒子滤波估计了一个包含外生变量的状态空间模型，以预测法国电力公司的用户用电负荷，并对所得到的各种结果进行了讨论。还讨论了从它们的使用中产生的实际问题，以及文献中提出的处理它们的一些变体，在可能的情况下给出详细的算法以方便实现。提供了顺序蒙特卡罗方法的回顾，并提供了所谓的粒子过滤器推导所需的计算。python源代码，代码按照高水平文章复现，有详细说明，保证正确。提出了一个额外的步骤，以帮助使基本粒子滤波器对离群观测更加稳健。在线预测电力负荷，在贝叶斯框架的动态模型。
2022-11-18 13:21:14
204
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人