Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
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
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京邮电大学窦春霞获国家专利权

南京邮电大学窦春霞获国家专利权

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!

龙图腾网获悉南京邮电大学申请的专利一种基于安全经济的电热综合能源控制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:CN115169916B

龙图腾网通过国家知识产权局官网在2026-01-02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:202210838509.8,技术领域涉及:G06Q10/0631;该发明授权一种基于安全经济的电热综合能源控制方法是由窦春霞;汪浩;岳东;张智俊设计研发完成,并于2022-07-18向国家知识产权局提交的专利申请。

一种基于安全经济的电热综合能源控制方法在说明书摘要公布了:本发明公开了能源系统控制领域的一种基于安全经济的电热综合能源控制方法,包括:通过预先训练后的SA‑PSO‑BP神经网络对综合能源系统中的可再生能源和多元负荷进行预测,根据可再生能源和多元负荷的预测结构对综合能源系统进行控制;所述SA‑PSO‑BP神经网络的训练过程包括:对相关特征进行预处理和筛选获得优选特征并构建特征训练集;构建BP神经网络的目标函数并添加优化调度的电力网络约束和热力网络约束;通过特征训练集对BP神经网络进行训练,训练过程中利用模拟退火优化的粒子群SA‑PSO算法对BP神经网络的权值和阈值进行迭代更新,获得SA‑PSO‑BP神经网络;本发明通过调整目标函数中的权值使得对综合能源系统的控制兼顾安全性和经济性。

本发明授权一种基于安全经济的电热综合能源控制方法在权利要求书中公布了:1.一种电热综合能源系统的控制方法,其特征在于,包括: 通过预先训练后的SA-PSO-BP神经网络对综合能源系统中的可再生能源和多元负荷进行预测, 构建综合能源系统的目标函数的方法包括: 将综合能源系统各时段各节点的电压绝对偏差和f1归一化为F1; 将购售电成本CE、购气成本CGAS、设备运行成本COP和弃风弃光惩罚成本CGWP综合为经济成本f2且归一化为F2; 构建目标函数表达公式为: 公式中,λ1和λ2分别为F1和F2权值;f1max为综合能源系统中各节点电压偏离绝对差值之和最大值;为综合能源系统中各设备出力最大成本值;T为综合能源系统的工作总时段;NV为电节点的数量;为t时段第i电节点电压与安全边界的差; 电节点电压与安全边界的差的计算过程包括: 公式中,表示第i个电节点t时段电压标幺值,Vmax表示电压标幺值的上限,Vmin表示电压标幺值的下限; 在热网的影响下利用牛顿-拉普逊方法修正电节点的电压标幺值计算方法包括: 电节点相对注入功率,表达公式为: 公式中,Pi和Qi分别表示第i个电节点注入的有功功率和无功功率,Pchp,i和Qchp,i分别表示第i个电节点中CHP机组有功功率和无功功率,Pes,i和Qes,i分别表示第i个电节点中蓄电池有功功率和无功功率,Pwd,i和Qwd,i分别表示第i个电节点中风机的有功功率和无功功率,Ppv,i和Qpv,i分别为示第i个电节点中光伏的有功功率和无功功率,Peb,i和Qeb,i分别表示第i个电节点中电锅炉的有功功率和无功功率,Pload,i和Qload,i分别表示第i个电节点中电负荷的有功功率和无功功率; 计算电节点功率误差方程,表达公式为: 公式中,Pis,Qis为电节点i设定的有功功率及无功功率;Vi和Vj分别为注入电节点i和电节点j的电压;Gij、Bij和θij分别为电节点i和电节点j之间的电导、电纳和相角差; 基于牛顿-拉普逊方法简化的修正方程为: 根据修正方程计算电节点的相角修正量Δθ和相角修正量ΔV,重复对电节点的相角和电压进行修正,当满足ΔP和ΔQ均小于ε后停止修正获得电节点的最终相角和最终电压;ε表示为节点功率不平衡量的允许误差; 对目标函数添加优化调度的电力网络约束和热力网络约束;基于可再生能源和多元负荷的预测结果,并利用模拟退火优化的粒子群SA-PSO算法对目标函数进行优化求解,根据目标函数的优化解对综合能源系统进行控制; 所述SA-PSO-BP神经网络的训练过程包括: 采集综合能源系统中风电光伏和电热负荷的相关特征,对相关特征进行预处理和筛选获得优选特征并构建特征训练集;根据优选特征和综合能源系统的输出功率确定BP神经网络的拓扑结构; 通过特征训练集对BP神经网络进行训练,训练过程中利用模拟退火优化的粒子群SA-PSO算法对BP神经网络的权值和阈值进行迭代更新,获得SA-PSO-BP神经网络。

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南京邮电大学,其通讯地址为:210009 江苏省南京市鼓楼区新模范马路66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。