CN113241780B - 一种基于秃鹰搜索算法的电网二次调频控制方法与*** - Google Patents
一种基于秃鹰搜索算法的电网二次调频控制方法与*** Download PDFInfo
- Publication number
- CN113241780B CN113241780B CN202110654136.4A CN202110654136A CN113241780B CN 113241780 B CN113241780 B CN 113241780B CN 202110654136 A CN202110654136 A CN 202110654136A CN 113241780 B CN113241780 B CN 113241780B
- Authority
- CN
- China
- Prior art keywords
- frequency modulation
- bald
- power grid
- value
- power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
- H02J3/241—The oscillation concerning frequency
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Feedback Control In General (AREA)
Abstract
本申请属于电力***控制技术领域,提供一种基于秃鹰搜索算法的电网二次调频控制方法与***。所述一种基于秃鹰搜索算法的电网二次调频控制方法包括:将待优化参数作为秃鹰的位置,并利用罚函数限定,基于秃鹰捕获猎物的思想,获取所有秃鹰的最终适应度;基于秃鹰搜寻猎物的思想,重新建立更优的秃鹰搜索模型,从最后一次秃鹰搜索模型选出最好的位置,转换成各个模拟调频机组的输入调节功率值,分别传给实际电网的相应的调频机组,从而参与电网的二次调频。上述基于秃鹰搜索算法的电网二次调频控制方法有效提高了电网二次调频的动态响应特性。
Description
技术领域
本申请属于电力***控制技术领域,具体涉及一种基于秃鹰搜索算法的电网二次调频控制方法与***。
背景技术
随着太阳能、风能等新能源的广泛开发和运用,大量的风光新能源接入电网。与传统水火电不同,风光新能源受气象条件的影响较大,功率波动随机性较大。此外,由于区域电网的网络架构及备用容量建设发展速度相对较慢,***无法完全消纳风光新能源,容易出现“弃风”、“弃光”等现象,这些都明显增加了***二次调频的难度。
因此,为了更好的消纳风光新能源,在电网二次调频的过程中,需要对功率偏差与碳排放量这两个目标量进行优化。由于这种多目标优化问题高度非线性化,传统的数学优化方法容易收敛于局部最优解,全局搜索能力差。而灰狼优化算法、飞蛾扑火优化算法等启发式算法虽然鲁棒性强、灵活性高,但搜索效率低,求解速度慢,难以满足较大规模区域电网的在线电网调频控制。
发明内容
本申请提供一种基于秃鹰搜索算法的电网二次调频控制方法与***,用于降低二次调频造成的功率损耗。
本申请第一方面提供一种基于秃鹰搜索算法的电网二次调频控制方法,包括:
获取实际电网的扰动功率值,并输入至预先建立好的二次调频模拟***,所述二次调频模拟***包括多个模拟调频机组;
随机获取M组待优化参数,所述待优化参数由各个模拟调频机组的输入调节功率值组成,并利用罚函数对其进行修改限定,以满足功率平衡约束、机组容量约束与爬坡约束;
秃鹰数量为M,所述秃鹰包括:位置、食物量与适应度,所述秃鹰的位置为待优化参数,所述秃鹰的食物量为各个模拟调频机组的实际输出功率值之和,所述模拟调频机组的实际输出功率值通过待优化参数,经模拟调频机组获得,所述秃鹰的适应度由各个模拟调频机组的实际输出功率值与各个模拟调频机组的碳排放强度系数计算得到;
利用秃鹰搜索模型,输出所有秃鹰的最终的适应度,具体为:对秃鹰的位置进行反复迭代,在每一次迭代中,利用秃鹰当前的位置得出对应的食物量与适应度,迭代直至食物量等于扰动功率值,将最后一次的适应度作为秃鹰的最终适应度;
比较所有秃鹰的最终适应度,选出最小的最终适应度作为本轮秃鹰搜索模型的最优值;
若最优值大于预期值,基于秃鹰搜索特性,重新生成M组待优化参数,把M组待优化参数代入到二次调频模拟***中,重新建立秃鹰搜索模型,获得新一轮秃鹰搜索模型的最优值,直到新一轮秃鹰搜索模型的最优值小于或等于预期值;
获取最优值所在秃鹰的初始位置,所述初始位置为该秃鹰第一次迭代时的位置,从初始位置中获取各个模拟调频机组的输入调节功率值,将其分别传给实际电网的相应的调频机组,从而参与电网的二次调频。
可选的,所述秃鹰适应度的计算公式为:
其中,N为当前计算功率响应总偏差的总次数,n为模拟调频机组的数量,ΔPi(k)为秃鹰第k次迭代位置时,第i个模拟调频机组的输入调节功率值,为秃鹰第k次迭代位置时,第i个模拟调频机组的实际输出功率值,Di为第i个模拟调频机组的碳排放强度系数。
可选的,所述功率平衡约束、机组容量约束与爬坡约束的公式如下:
ΔPi min≤ΔPi(k)≤ΔPi max,i=1,2,...,n;
|ΔPi(k+1)-ΔPi(k)|≤ΔPi rate;
其中,ΔP为扰动的功率值,ΔPi(k)为秃鹰第k次迭代位置时,第i个模拟调频机组的输入调节功率值,ΔPi min与ΔPi max分别为第i个模拟调频机组调频容量的下限与上限,ΔPi rate为第i个模拟调频机组的最大爬坡速率。
可选的,所述最优值大于预期值的步骤之后,还包括:计算最优值与上一轮的最优值之差,若差小于设定阈值,直接获取最优值所在秃鹰的初始位置,从初始位置中获取各个模拟调频机组的输入调节功率值,将其分别传给实际电网的相应的调频机组,从而参与电网的二次调频。
可选的,所述随机获取M组待优化参数,具体为:
计算各个模拟调频机组的调频容量区间,即|ΔPi max-ΔPi min|,其中,ΔPi min与ΔPi max分别为第i个模拟调频机组调频容量的下限与上限;
比较所有调频容量区间,将最大的调频容量区间定义为ΔL;
第i个模拟调频机组的输入调节功率值表示为(ΔPi max-αi×ΔL),其中αi为(0,1)区间内的随机数。
本申请第二方面提供一种基于秃鹰搜索算法的电网二次调频控制***,包括:控制与输入输出模块、存储模块、算法模块与多个模拟调频机组;
所述控制与输入输出模块用于调度协调其他模块,包括:获得实际电网的扰动功率值并传给存储模块,从秃鹰的位置信息中提取输入调节功率值并分配给相应的模拟调频机组,将存储模块中的数据传给算法模块并接受算法模块的返回数据,将最终结果返回给实际电网;
所述存储模块用于存储所有数值信息,包括:所有秃鹰的位置、食物量与适应度,各个模拟调频机组的碳排放强度系数,以及实际电网的扰动功率值;
所述算法模块用于所有的计算、建模与逻辑判断,包括:随机获取M组待优化参数,利用罚函数对各个模拟调频机组的输入调节功率值进行修改限定,计算各个模拟调频机组的实际输出功率值之和,计算秃鹰的适应度以及对适应度进行排序,判断食物量是否等于扰动功率值,生成下一次迭代的秃鹰的位置;
所述模拟调频机组用于把输入调节功率值转化成实际输出功率值。
本申请提供一种基于秃鹰搜索算法的电网二次调频控制方法与***,所述一种基于秃鹰搜索算法的电网二次调频控制***用于执行一种基于秃鹰搜索算法的电网二次调频控制方法的步骤,获取实际电网的扰动功率值,并输入至预先建立好的二次调频模拟***,随机获取M组待优化参数,并将其输入至二次调频模拟***中,建立秃鹰搜索模型,对秃鹰的位置进行反复迭代,在每一次迭代中,利用秃鹰当前的位置得出对应的食物量与适应度,迭代直至食物量等于扰动功率值,将最后一次的适应度作为秃鹰的最终适应度并输出,比较所有秃鹰的最终适应度,选出最小的最终适应度作为本次秃鹰搜索模型的最优值,多次重新建立秃鹰搜索模型,直到最新的秃鹰搜索模型的最优值小于或等于预期值,获取最优值所在秃鹰的初始位置,从初始位置中获取各个模拟调频机组的输入调节功率值,将其分别传给实际电网的相应的调频机组,从而参与电网的二次调频。本申请将电网二次调频***与秃鹰搜索模型巧妙的结合在了一起,创造性的将实际的功率分配方案作为秃鹰的位置向量,并结合罚函数建立约束关系,有效提高了最终结果的获取速度与质量。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于秃鹰搜索算法在电网二次调频过程中的流程图。
图2为本申请实施例提供的总功率调节曲线。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1所示,为本申请实施例提供的一种基于秃鹰搜索算法在电网二次调频过程中的流程图,所述一种基于秃鹰搜索算法的电网二次调频控制方法包括步骤S1至步骤S6。
步骤S1,获取实际电网的扰动功率值,并输入至预先建立好的二次调频模拟***,其中二次调频模拟***包括:控制与输入输出模块、存储模块、算法模块与多个模拟调频机组。
多个模拟调频机组应当与电网实际的机组一一对应,由于本申请解决的问题是风光新能源参与二次调频的问题,因此,模拟调频机组可以包括:风电厂,光伏电站,水电厂,火电厂等。
步骤S2,随机获取M组待优化参数,所述待优化参数由各个模拟调频机组的输入调节功率值组成,并利用罚函数对其进行修改限定,以满足功率平衡约束、机组容量约束与爬坡约束。
该步骤是为了初始化秃鹰的位置,所述待优化参数作为秃鹰的位置,表示为所有模拟调频机组分摊到的功率值。一般的,每一组待优化参数可以通过等可调容量比例方法获得,所述等可调容量比例方法具体包括步骤S21至步骤S23。
步骤S21,计算各个模拟调频机组的调频容量区间,即|ΔPi max-ΔPi min|,其中,ΔPi min与ΔPi max分别为第i个模拟调频机组调频容量的下限与上限。
步骤S22,比较所有调频容量区间,将最大的调频容量区间定义为ΔL。
步骤S23,第i个模拟调频机组的输入调节功率值表示为(ΔPi max-αi×ΔL),其中,αi为(0,1)区间内的随机数。
功率平衡约束,即各个模拟调频机组分摊到的功率值之和应当等于扰动功率值。机组容量约束,即各个模拟调频机组分摊到的功率值应当在一个范围内,不能超出这个机组的上限或下限。爬坡约束,即上次控制周期分摊到的功率值与本次控制周期分摊到的功率值之差,应当满足一定的条件。三个约束条件的公式分别如下:
ΔPi min≤ΔPi(k)≤ΔPi max,i=1,2,...,n;
|ΔPi(k+1)-ΔPi(k)|≤ΔPi rate;
其中,ΔP为扰动的功率值,ΔPi(k)为秃鹰第k次迭代位置时,第i个模拟调频机组的输入调节功率值,ΔPi min与ΔPi max分别为第i个模拟调频机组调频容量的下限与上限,ΔPi rate为第i个模拟调频机组的最大爬坡速率。
步骤S3,将M组待优化参数传至预先建立好的秃鹰搜索模型中,分别作为M只秃鹰的初始位置,定义轮数K=1,计算所有秃鹰的最终适应度,其中,任一秃鹰的最终适应度的计算方法具体包括步骤S31至步骤S33。
步骤S31,根据秃鹰当前的位置信息,生成输入调节功率值并传至各个模拟调频机组,任一模拟调频机组将输出实际输出功率值。计算出各个模拟调频机组的实际输出功率值之和,作为秃鹰的食物量。利用各个模拟调频机组的实际输出功率值与各个模拟调频机组的碳排放强度系数计算出秃鹰的适应度,其中秃鹰的适应度公式如下:
其中,N为当前计算功率响应总偏差的总次数,n为模拟调频机组的数量,ΔPi(k)为秃鹰第k次迭代位置时,第i个模拟调频机组的输入调节功率值,为秃鹰第k次迭代位置时,第i个模拟调频机组的实际输出功率值,Di为第i个模拟调频机组的碳排放强度系数。
步骤S32,判断秃鹰的食物量是否等于扰动功率值,若不等于,根据秃鹰的当前位置与当前适应度,更新出下一位置,具体借鉴了秃鹰俯冲捕获猎物的思想,方程描述如下:
θ(i)=α×π×rand;
r(i)=θ(i);
xr(i)=r(i)×sinh(θ(i));
yr(i)=r(i)×cosh(θ(i));
x1(i)=xr(i)/max(|xr|);
y1(i)=yr(i)/max(|yr|);
俯冲中秃鹰的新的位置公式如下:
Pi,new=rand×Pbest+x1(i)×(Pi-c1×Pmean)+y1(i)×(Pi-c2×Pbest);
其中,α为控制位置变化参数,取值范围为(1.5,2),一般初始值为2,随着秃鹰渐渐接近食物,适当减小,rand为(0,1)间的随机数,Pbest为当前秃鹰搜索确定的最佳搜索位置,Pmean为当前搜索结束后秃鹰的平均分布位置,Pi为第i只秃鹰的当前位置。c1与c2为秃鹰向最佳与中心位置的运动强度,取值范围均为(1,2)。
用新的位置替代秃鹰当前的位置,并转至步骤S31。
步骤S33,将秃鹰的当前的适应度作为秃鹰的最终适应度。
步骤S4,比较所有秃鹰的最终适应度,选出最小的最终适应度作为本轮秃鹰搜索模型的最优值。
步骤S5,若Iter不等于预设的迭代最大次数,基于秃鹰搜索空间猎物的思想,利用所有秃鹰的初始位置与最终适应度,生成新的M组待优化参数,方程描述如下:
θ(i)=α×π×rand;
r(i)=θ(i)+R×rand;
xr(i)=r(i)×sin(θ(i));
yr(i)=r(i)×cos(θ(i));
第i组新的待优化参数公式如下:
Pi,new=Pi+y(i)×(Pi-Pi+1)+x(i)×(Pi-Pmean);
其中,R与α是控制螺旋轨迹的参数,取值范围分别为(5,10),(0.5,2)。
通过上述操作,重新建立了新一轮的更优的秃鹰搜索模型,令轮数K=K+1,同时转至步骤S3。
一般的,为了在保证最终结果稳定可靠的同时,需要兼顾到效率,因此,所述步骤S5,若K不等于预设的迭代最大次数,之后还可以包括:计算最优值与上一轮的最优值之差,若差小于设定阈值,结束步骤S5,并执行步骤S6。
步骤S6,从本轮的最优值所在秃鹰的初始位置中,提取各个输入调节功率值分别传至各个实际的机组,从而参与电网的二次调频。
为了测试所提算法的可行性和实用性,将算法运用在IEEE标准两区域负荷频率控制模型,该模型能够实现区域A、B的二次调频控制。由于模型中区域A的发电机组只有1台,为满足仿真需求将区域A的单台等效发电机组扩展成3台新能源机组(风电、光伏和水电机组),如图1所示。通常情况,实际机组调频的控制周期为1秒~8秒,在每个控制周期内进行实时数据更新、计算等。在实施例分析中将新能源机组二次调频的控制周期设为4秒,同时,秃鹰搜索算法的种群规模和最大迭代数分别设置为10和100。为了体现秃鹰搜索算法实现二次调频的卓越性能,引入等可调容量比例方法。在该调频方式下机组的基本功率按照相同可调容量比例分配,即等可调容量比例分配。
图2给出了施加ΔPL=80MW的阶跃功率扰动后,算法优化前与优化后的总功率调节结果。在区域A施加扰动后,新能源机组仅以等可调容量比例方法调频会产生功率偏差,详见图中的ΔP∑。而引入秃鹰搜索算法参与二次调频后,功率响应总偏差将明显降低,可避免功率总指令的超调现象,详见图中的ΔPG。同时,调节响应速度快的新能源机组在功率扰动初始阶段,能承担更多的功率扰动,快速平衡功率扰动。
本申请提供的实施例之间的相似部分相互参见即可,以上提供的具体实施方式只是本申请总的构思下的几个示例,并不构成本申请保护范围的限定。对于本领域的技术人员而言,在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。
Claims (6)
1.一种基于秃鹰搜索算法的电网二次调频控制方法,其特征在于,包括:
获取实际电网的扰动功率值,并输入至预先建立好的二次调频模拟***,所述二次调频模拟***包括多个模拟调频机组;
随机获取M组待优化参数,所述待优化参数由各个模拟调频机组的输入调节功率值组成,并利用罚函数对其进行修改限定,以满足功率平衡约束、机组容量约束与爬坡约束;
将M组待优化参数输入至二次调频模拟***中,建立秃鹰搜索模型,秃鹰数量为M,所述秃鹰包括:位置、食物量与适应度,所述秃鹰的位置为待优化参数,所述秃鹰的食物量为各个模拟调频机组的实际输出功率值之和,所述模拟调频机组的实际输出功率值通过待优化参数,经模拟调频机组获得,所述秃鹰的适应度由各个模拟调频机组的实际输出功率值与各个模拟调频机组的碳排放强度系数计算得到;
利用秃鹰搜索模型,输出所有秃鹰的最终的适应度,具体为:对秃鹰的位置进行反复迭代,在每一次迭代中,利用秃鹰当前的位置得出对应的食物量与适应度,迭代直至食物量等于扰动功率值,将最后一次的适应度作为秃鹰的最终适应度;
比较所有秃鹰的最终适应度,选出最小的最终适应度作为本轮秃鹰搜索模型的最优值;
若最优值大于预期值,基于秃鹰搜索特性,重新生成M组待优化参数,把M组待优化参数代入到二次调频模拟***中,重新建立秃鹰搜索模型,获得新一轮秃鹰搜索模型的最优值,直到新一轮秃鹰搜索模型的最优值小于或等于预期值;
获取最优值所在秃鹰的初始位置,所述初始位置为该秃鹰第一次迭代时的位置,从初始位置中获取各个模拟调频机组的输入调节功率值,将其分别传给实际电网的相应的调频机组,从而参与电网的二次调频。
4.根据权利要求1所述的一种基于秃鹰搜索算法的电网二次调频控制方法,其特征在于,所述若最优值大于预期值的步骤之后,还包括:计算最优值与上一轮的最优值之差,若差小于设定阈值,直接获取最优值所在秃鹰的初始位置,从初始位置中获取各个模拟调频机组的输入调节功率值,将其分别传给实际电网的相应的调频机组,从而参与电网的二次调频。
5.根据权利要求1所述的一种基于秃鹰搜索算法的电网二次调频控制方法,其特征在于,所述随机获取M组待优化参数,具体为:
计算各个模拟调频机组的调频容量区间,即|ΔPi max-ΔPi min|,其中,ΔPi min与ΔPi max分别为第i个模拟调频机组调频容量的下限与上限;
比较所有调频容量区间,将最大的调频容量区间定义为ΔL;
第i个模拟调频机组的输入调节功率值表示为(ΔPi max-αi×ΔL),其中αi为(0,1)区间内的随机数。
6.一种基于秃鹰搜索算法的电网二次调频控制***,其特征在于,所述一种基于秃鹰搜索算法的电网二次调频控制***用于执行权利要求1-5任一项所述的一种基于秃鹰搜索算法的电网二次调频控制方法,包括:控制与输入输出模块、存储模块、算法模块与多个模拟调频机组;
所述控制与输入输出模块用于调度协调其他模块,包括:获得实际电网的扰动功率值并传给存储模块,从秃鹰的位置信息中提取输入调节功率值并分配给相应的模拟调频机组,将存储模块中的数据传给算法模块并接受算法模块的返回数据,将最终结果返回给实际电网;
所述存储模块用于存储所有数值信息,包括:所有秃鹰的位置、食物量与适应度,各个模拟调频机组的碳排放强度系数,以及实际电网的扰动功率值;
所述算法模块用于所有的计算、建模与逻辑判断,包括:随机获取M组待优化参数,利用罚函数对各个模拟调频机组的输入调节功率值进行修改限定,计算各个模拟调频机组的实际输出功率值之和,计算秃鹰的适应度以及对适应度进行排序,判断食物量是否等于扰动功率值,生成下一次迭代的秃鹰的位置;
所述模拟调频机组用于把输入调节功率值转化成实际输出功率值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110654136.4A CN113241780B (zh) | 2021-06-11 | 2021-06-11 | 一种基于秃鹰搜索算法的电网二次调频控制方法与*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110654136.4A CN113241780B (zh) | 2021-06-11 | 2021-06-11 | 一种基于秃鹰搜索算法的电网二次调频控制方法与*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113241780A CN113241780A (zh) | 2021-08-10 |
CN113241780B true CN113241780B (zh) | 2023-01-20 |
Family
ID=77139699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110654136.4A Active CN113241780B (zh) | 2021-06-11 | 2021-06-11 | 一种基于秃鹰搜索算法的电网二次调频控制方法与*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113241780B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114861531B (zh) * | 2022-04-25 | 2024-06-21 | 湖北工业大学 | 针对用户重复购买预测的模型参数优化方法及设备 |
CN116429721A (zh) * | 2023-03-15 | 2023-07-14 | 东北农业大学 | 一种基于mpa框架的松子近红外光谱波段选择方法 |
CN116415728B (zh) * | 2023-04-07 | 2023-11-17 | 北京金风零碳能源有限公司 | 一种碳排放量的预测方法、***、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9893529B1 (en) * | 2015-10-21 | 2018-02-13 | University Of South Florida | Coupling dynamics for power systems with iterative discrete decision making architectures |
CN108012192A (zh) * | 2017-12-25 | 2018-05-08 | 北京奇艺世纪科技有限公司 | 一种视频资源的识别和聚合的方法及*** |
CN109659963A (zh) * | 2018-12-21 | 2019-04-19 | 国网河南省电力公司电力科学研究院 | 一种分布式储能参与电网削峰填谷的控制方法及装置 |
CN109768584A (zh) * | 2018-12-24 | 2019-05-17 | 深圳供电局有限公司 | 基于免疫粒子群算法的微网自治调频调压方法和装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8310083B2 (en) * | 2010-07-21 | 2012-11-13 | General Electric Company | Apparatus and system for power conversion |
EP2528222B1 (en) * | 2011-05-27 | 2015-03-11 | Alstom Technology Ltd | Method for the determination of a control scheme for a NPC VSC, in particular as an active power filter |
US10185917B2 (en) * | 2013-01-31 | 2019-01-22 | Lf Technology Development Corporation Limited | Computer-aided decision systems |
-
2021
- 2021-06-11 CN CN202110654136.4A patent/CN113241780B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9893529B1 (en) * | 2015-10-21 | 2018-02-13 | University Of South Florida | Coupling dynamics for power systems with iterative discrete decision making architectures |
CN108012192A (zh) * | 2017-12-25 | 2018-05-08 | 北京奇艺世纪科技有限公司 | 一种视频资源的识别和聚合的方法及*** |
CN109659963A (zh) * | 2018-12-21 | 2019-04-19 | 国网河南省电力公司电力科学研究院 | 一种分布式储能参与电网削峰填谷的控制方法及装置 |
CN109768584A (zh) * | 2018-12-24 | 2019-05-17 | 深圳供电局有限公司 | 基于免疫粒子群算法的微网自治调频调压方法和装置 |
Non-Patent Citations (2)
Title |
---|
Novelmeta-heuristic bald eagle search optimisation algorithm;H. A. Alsattar,等;《Artificial Intelligence Review》;20190701;第2237-2263页 * |
基于改进秃鹰搜索算法的同步优化特征选择;贾鹤鸣,等;《控制与决策》;20210105;第1-8页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113241780A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113241780B (zh) | 一种基于秃鹰搜索算法的电网二次调频控制方法与*** | |
CN107292766B (zh) | 面向风电消纳的电力***调峰手段经济性评估方法与*** | |
CN107039977B (zh) | 电力***鲁棒调度不确定集构建方法 | |
JP2020517227A (ja) | 超大規模の水力発電所群の短期間実用化スケジューリング方法 | |
CN104036334B (zh) | 一种耦合调峰和通航需求的梯级水电站多目标优化调度混合搜索方法 | |
CN105207253B (zh) | 考虑风电及频率不确定性的agc随机动态优化调度方法 | |
CN106570579B (zh) | 一种基于改进量子粒子群算法的水火电经济调度方法 | |
CN104065168B (zh) | 一种风光储联合发电状态监测的动态变频数据采集方法 | |
CN109861302B (zh) | 一种基于主从博弈的能源互联网日前优化控制方法 | |
CN108092324A (zh) | 一种风电参与调峰调频的agc控制***和控制方法 | |
CN110336285B (zh) | 电力***最优经济潮流计算方法 | |
CN108649605A (zh) | 一种基于双层场景区间潮流的der并网准入容量规划方法 | |
CN113054688B (zh) | 考虑不确定性的可再生能源集群出力分布式协调控制方法 | |
CN110601222A (zh) | 一种基于Lévy飞蛾算法的分数阶负荷频率控制方法 | |
CN113452078B (zh) | 基于新能源接入及水火电特性的agc多目标协调优化策略 | |
CN110648006A (zh) | 一种考虑风光相关性的日前优化调度方法 | |
CN110445127A (zh) | 一种面向多重随机不确定性的配电网无功优化方法及*** | |
CN112581310A (zh) | 梯级水电站群发电指标分配方法 | |
CN110571865A (zh) | 基于一致性算法的主动配电网源荷互动决策方法 | |
CN115811070A (zh) | 辅助火电机组调频的飞轮储能自适应容量配置方法及*** | |
CN115114854A (zh) | 一种虚拟电厂分布式资源两级自组织优化聚合方法及*** | |
CN114884101B (zh) | 一种基于自适应模型控制预测的抽水蓄能调度方法 | |
CN111767621A (zh) | 一种基于知识迁移q学习算法的多能源***优化调度方法 | |
Jin et al. | Research on energy management of microgrid in power supply system using deep reinforcement learning | |
CN116316820A (zh) | 一种智慧农业光伏发电*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |