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

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 > 西安交通大学王建学获国家专利权

西安交通大学王建学获国家专利权

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!

龙图腾网获悉西安交通大学申请的专利一种基于冗余约束识别的输电规划待选集优选方法及系统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:CN114548583B

龙图腾网通过国家知识产权局官网在2025-09-12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:202210192819.7,技术领域涉及:G06Q10/047;该发明授权一种基于冗余约束识别的输电规划待选集优选方法及系统是由王建学;杨钤;丛立章;肖杨;梁金冰;尹鸿睿设计研发完成,并于2022-02-28向国家知识产权局提交的专利申请。

一种基于冗余约束识别的输电规划待选集优选方法及系统在说明书摘要公布了:本发明公开了一种基于冗余约束识别的输电规划待选集优选方法及系统,用于获取满足规划需求的最小规模待选线路集,为后续输电网规划问题的计算缩小解空间,提高计算效率。首先检查网架连通性,再基于冗余约束识别方法对测试网架进行加线,获取初始优化待选线路集,最后基于冗余约束识别方法对测试网架进行减线修正,从而获取最小规模的输电规划待选线路集。本发明不需额外求解优化问题,对于复杂的大规模电力系统输电规划待选线路集的制定具有高效性。

本发明授权一种基于冗余约束识别的输电规划待选集优选方法及系统在权利要求书中公布了:1.一种基于冗余约束识别的输电规划待选集优选方法,其特征在于,包括以下步骤: S1、获取系统电源规划方案,规划年的负荷水平,已有输电网架及网络参数,初始的待选线路集以及待选线路的参数; S2、检查已有网架连通性,若满足连通性,将测试网架初始化为已有网架,结束步骤S2,执行步骤S3,具体为: S201、检查已有网架连通性,若不满足连通性,执行步骤S202; S202、检查全网架连通性,若满足连通性,继续执行步骤S203;否则,结束总计算流程,给定的初始待选线路集不合格,重新制定初始待选线路集; S203、初始化测试网架为已有网架,从初始待选线路集中挑选线路,添加到测试线路集中,直到测试网架满足连通性,具体为: S2031、将系统已有网架作为主系统,主系统包含的节点集合为,将剩余孤立的系统作为子系统,子系统中节点集合为; S2032、遍历子系统,在集合中寻找待选线路,使节点集合中的节点与主系统节点集合或子系统节点集合中节点相连,,从符合条件的线路中选取投建成本最低的一条线路,令,; S2033、步骤S2032遍历子系统结束后,令,重新判断与构成的网络拓扑的连通性,若连通,则当前测试网架满足连通性校验,开始进行冗余约束识别;若不连通,更新主系统节点集合和各子系统节点集合,返回执行步骤S2032; S3、对测试网架进行冗余约束识别计算,若测试网架不存在过载风险,结束总计算流程,重新制定电源规划方案和负荷水平,完成基于冗余约束识别的加线过程,具体为: S301、对测试网架进行冗余约束识别计算,若测试网架存在过载风险,执行步骤S302; S302、从待选线路集中挑选线路加入测试线路集中,并进行冗余约束识别计算,直到测试网架不存在过载风险,或待选线路集中不存在满足条件的线路; S4、针对步骤S3加线过程得到的测试网架,删减不存在过载风险的输电走廊中包含的待选线路,进行冗余约束识别计算,需保证删减线路后测试网架未出现新的具有过载风险的输电走廊,直到无符合条件的线路可删减,完成输电规划待选集优选,具体为: S401、令,存在过载风险的输电走廊集合为,不存在过载风险的输电走廊集合为,减线过程中被删减的待选线路集合为,在中选取所在走廊属于的所有线路,构成集合; S402、若,从选出投建成本最高的一条线路,令,对测试网架重新进行冗余约束识别,得到存在过载风险的输电走廊集合为和不存在过载风险的输电走廊集合; 若,删掉线路,令,,,继续执行步骤S401;不删掉线路,令,;若继续执行步骤S402,否则执行步骤S403; S403、若,结束总计算流程,令,输出最优待选线路集合。

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西安交通大学,其通讯地址为:710049 陕西省西安市咸宁西路28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。