搜索到132 篇“ 安全校正 “的相关文章
一种考虑安 全校 正 的海上风电交直流混合输电网络概率规划方法及系统 安 全校 正 的海上风电交直流混合输电网络概率规划方法及系统。首先建立适用于交直流混联系统的考虑RAS的校正 安 全约束最优潮流模型，然后构建不确定性量化模型和快速故障筛选准...计及气网延时的电-气综合能源系统近端策略优化双智能体安 全校 正 方法 2025年 安 全校 正 的控制变量多且调整时间尺度不同。为此,提出一种基于双智能体深度强化学习的EGRIES多时间尺度安 全校 正 控制方法。基于EGRIES多能流模型和天然气网络调节较慢的特性,进行控制变量的调整时间尺度分类;构建基于双智能体强化学习的安 全校 正 控制框架,采用合作型双智能体分别进行长时间和短时间尺度控制变量调整量的决策,设计基于近端策略优化(PPO)算法的智能体1和智能体2模型;在此基础上,离线训练PPO双智能体,当系统进入紧急状态时,双智能体相互合作在线产生可靠的安 全校 正 控制策略,使系统恢复到正 常状态。算例仿真结果验证了所提方法的有效性。一种电网有功安 全校 正 方法、装置、电子设备及存储介质 安 全校 正 方法、装置、电子设备及存储介质。电网有功安 全校 正 方法包括：在目标线路出现过载时，将电网中的状态信息输入到训练好的电网有功安 全校 正 强化模型中，确定电网中需要进行出力调节的目标发电机组；基于过...市场环境下多层级电网快速安 全校 正 优化建模及应用 2024年 安 全校 正 优化建模方法。该方法以消除区域内输电设备潮流越限为优化目标,建立机组出力、机组组合方案、省间交换功率和直流联络线输电计划4种校正 方式一次调整的计算模型。通过设置机组组合筛选因子提高了机组组合计算效率。最后,采用区域级电网算例进行仿真验证。结果表明,所建模型可以消除输电设备潮流越限,并满足工程实际运行需要。关键词：电力市场 安全校正 机组组合 一种多策略协同的区域电网快速安 全校 正 方法、系统 安 全校 正 方法、系统，该方法包括：获取开展区域电网安 全校 正 的电网范围和计算周期；开展安 全校 核计算，分析潮流越限情况；确定参与安 全校 正 的省级电网，识别有效约束；构建计及机组出力调整的安 ...基于改进双延迟深度确定性策略梯度算法的电网有功安 全校 正 控制 被引量：12 2023年 安 全校 正 方法无法有效兼顾计算速度及效果等。基于此,该文提出一种基于改进双延迟深度确定性策略梯度算法的电网有功安 全校 正 控制方法。首先,在满足系统静态安 全约束条件下,以可调元件出力调整量最小且保证系统整体运行安 全性最高为目标,建立有功安 全校 正 控制模型。其次,构建有功安 全校 正 的深度强化学习框架,定义计及目标与约束的奖励函数、反映电力系统运行的观测状态、可改变系统状态的调节动作以及基于改进双延迟深度确定性策略梯度算法的智能体。最后,构造考虑源荷不确定性的历史系统过载场景,借助深度强化学习模型对智能体进行持续交互训练以获得良好的决策效果;并且进行在线应用,计及源荷未来可能的取值,快速得到最优的元件调整方案,消除过载线路。IEEE 39节点系统和IEEE 118节点系统算例结果表明,所提方法能够有效消除电力系统中的线路过载且避免短时间内再次越限,在计算速度、校正 效果等方面,与传统方法相比具有明显的优势。关键词：有功安全校正 综合多阶段安 全校 正 与风险管控的储能分布鲁棒优化配置 被引量：3 2023年 正 控制的储能分布鲁棒优化配置方法。通过在考虑最恶劣概率分布的情况下进行储能的配置决策,改善传统鲁棒规划方法过于保守的问题,提高潜在尾部风险度量结果的鲁棒性;同时,将日内校正 控制划分成无故障、故障短期与长期3个校正 阶段,并通过最大化所配置储能、柔性负荷以及VSC的快速校正 能力,弥补常规调控装置难以快速响应指令的缺陷。针对所提配置模型,在列和约束生成算法(column and constraint generation,C&CG)和Multi-cut Benders分解算法的基础上,提出一种双循环分解快速求解算法,通过返回多割约束的方式,降低模型规模、提高求解效率。最终,在改进的IEEE RTS 79测试系统中验证所提模型与方法的有效性。关键词：风险管控 储能 VSC-HVDC 一种安 全校 正 塔吊垂直度的校正 方法 安 全校 正 塔吊垂直度的校正 方法，所述校正 方法包括有预制校正 配件、平衡力矩参数确定、倾斜角度确定、确定标准配重块、选择校正 配重块和塔身校正 ，经检查和检验后，即完成校正 。采用本发明所述的校正 方法，利用力矩平衡原...基于深度强化学习的电力系统安 全校 正 控制 被引量：4 2023年 安 全校 正 控制能够消除系统潮流越限,保证电网安 全运行。然而,传统安 全校 正 控制方法约束众多、计算复杂,且面对大规模电网时难以进行实时多步决策。因此,提出一种基于深度确定性策略梯度(DDPG)的两阶段训练方法来确定安 全校 正 控制策略。首先,将安 全校 正 控制问题与深度强化学习联系起来,通过设计强化学习的状态、动作和奖励函数,构建了安 全校 正 的马尔可夫决策过程模型。然后,提出了两阶段训练框架来求得最优校正 策略。在模仿学习预训练阶段,基于专家策略,利用模仿学习为智能体提供初始神经网络,提高训练速度;在强化学习训练阶段,通过DDPG智能体与环境的不断交互进一步训练智能体。训练好的智能体可以实时应用,获得最优决策。最后,基于中国某省级电网的仿真算例验证了所提方法的有效性。关键词：模仿学习 基于深度强化学习的电网有功安 全校 正 控制
相关作者
孙国强 作品数：875 被引量：4,630 H指数：36 供职机构：河海大学 研究主题：配电网 电力系统 状态估计 状态估计方法 能源系统 卫志农 作品数：1,045 被引量：5,928 H指数：38 供职机构：河海大学 研究主题：电力系统 配电网 状态估计 状态估计方法 能源系统 朱瑛 作品数：200 被引量：144 H指数：7 供职机构：河海大学 研究主题：电力系统 太阳辐射 配电网 能源系统 出力 毕如玉 作品数：26 被引量：140 H指数：7 供职机构：武汉大学 研究主题：脆弱性评估 直流功率 安全校正 脆弱性 TCSC 臧海祥 作品数：491 被引量：1,819 H指数：26 供职机构：河海大学 研究主题：配电网 能源系统 电力系统 太阳辐射 优化调度
