CN113515862A - 一种基于多目标优化算法的电熔镁延时控制方法 - Google Patents
一种基于多目标优化算法的电熔镁延时控制方法 Download PDFInfo
- Publication number
- CN113515862A CN113515862A CN202110791149.6A CN202110791149A CN113515862A CN 113515862 A CN113515862 A CN 113515862A CN 202110791149 A CN202110791149 A CN 202110791149A CN 113515862 A CN113515862 A CN 113515862A
- Authority
- CN
- China
- Prior art keywords
- boiler
- magnesium
- electric smelting
- electric
- maximum
- 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.)
- Pending
Links
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 title claims abstract description 117
- 229910052749 magnesium Inorganic materials 0.000 title claims abstract description 117
- 239000011777 magnesium Substances 0.000 title claims abstract description 117
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000003723 Smelting Methods 0.000 claims abstract description 67
- 230000033228 biological regulation Effects 0.000 claims abstract description 56
- 238000002844 melting Methods 0.000 claims abstract description 28
- 230000008018 melting Effects 0.000 claims abstract description 28
- 238000004519 manufacturing process Methods 0.000 claims abstract description 27
- 230000001105 regulatory effect Effects 0.000 claims abstract description 8
- CPLXHLVBOLITMK-UHFFFAOYSA-N Magnesium oxide Chemical compound [Mg]=O CPLXHLVBOLITMK-UHFFFAOYSA-N 0.000 claims description 86
- 239000000395 magnesium oxide Substances 0.000 claims description 43
- 230000003827 upregulation Effects 0.000 claims description 9
- 230000003828 downregulation Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000005265 energy consumption Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Control Of Steam Boilers And Waste-Gas Boilers (AREA)
Abstract
本发明提供一种基于多目标优化算法的电熔镁延时控制方法,针对现有技术的不足以及人工推算的效率低下的技术问题,本发明通过对电熔镁负荷曲线进行预测,结合电网实际的运行情况,及电熔镁厂站、锅炉的运行情况,将调峰厂站及锅炉的最优选项作为优化目标,在约束条件中引入电熔镁负荷功率上下限约束、运行成本约束、调节次数约束、调节间隔约束,以及电熔镁厂站、锅炉的运行计划约束,通过多目标优化算法得到各个电熔镁厂站及锅炉各时段的调节量,来实现迅速响应调峰要求达到调峰量最大的调峰控制,并在一定程度上降低企业用电成本,达到最高生产效益。解决了针对电熔镁企业智能化调峰控制,从而能快速配合电网调峰目的。
Description
技术领域
本发明涉及高耗能企业电力负荷预测技术领域,特别涉及一种基于多目标优化算法的电熔镁延时控制方法。
背景技术
高耗能企业是指相对于其它企业而言,消耗资源速度快、对资源需求量大的企业。这类企业普遍电能消耗量大,且其负荷曲线呈强烈的波动性,对区域电网有较大的冲击。精确、稳定的负荷预测可以给区域电网调度提供有效的先验知识,从而提高电网运行的安全可靠性。另一方面,负荷预测也是高耗能企业能源管理系统的一个重要模块,它所提供的未来负荷预测数据,是企业内部电力系统日前调度(day-ahead generation scheduling)和实时控制的重要依据。通过调整不同时段的发电出力,可以在一定程度上降低企业用电成本,达到最高生产效益。并且高耗能企业负荷曲线有二大特点,一是负荷曲线呈现出强不稳定性及强噪声特性,二是负荷曲线随时间推移及工况改变呈现明显的变化,即负荷特性具有时变性。在此条件下,根据负荷预测怎样配合电网调峰凸显出其重要性。
发明内容
为了解决背景技术提出的技术问题,本发明提供一种基于多目标优化算法的电熔镁延时控制方法,针对现有技术的不足以及人工推算的效率低下的技术问题,解决了针对电熔镁企业智能化调峰控制,从而能快速配合电网调峰目的。
为了达到上述目的,本发明采用以下技术方案实现:
本发明为实现上述目的所采用的技术方案如下:
一种基于多目标优化算法的电熔镁延时控制方法,所述的方法通过对电熔镁负荷曲线进行预测,结合电网实际的运行情况,及电熔镁厂站、锅炉的运行情况,将调峰厂站及锅炉的最优选项作为优化目标,在约束条件中引入电熔镁负荷功率上下限约束、运行成本约束、调节次数约束、调节间隔约束,以及电熔镁厂站、锅炉的运行计划约束,通过多目标优化算法得到各个电熔镁厂站及锅炉各时段的调节量,来实现迅速响应调峰要求达到调峰量最大的调峰控制,并在一定程度上降低企业用电成本,达到最高生产效益。
包括以下步骤:
步骤1:采集电熔镁相关基础数据,对目标数据进行分类存储。
步骤2:加工电熔镁负荷数据,对目标数据进行优化整合。
步骤3:根据历史负荷信息,预测电熔镁负荷的变化趋势。
步骤4:根据电网运行情况,计算电熔镁调峰锅炉,进行调峰控制。
所述对目标数据进行分类存储包括:
将采集到的电熔镁基础数据进行分类,将厂站信息(名称、介绍、地区、锅炉数量、额定容量、测点ID等)、锅炉信息(名称、额定容量、状态、电流、电压、温度、测点ID等)、负荷信息(每个锅炉每天1440点负荷数据)分类别建模并进行存储,并通过厂站ID进行关联管理。
所述对目标数据进行优化整合包括:
将收集到的电熔镁负荷曲线数据进行筛选,获取每个锅炉每天24点的有效负荷曲线数据,同时计算每个电熔镁厂每天24点的有效负荷曲线数据。
所述预测电熔镁负荷的变化趋势包括:
基于电熔镁锅炉本身的变化特性曲线,结合历史大数据变化规律进行修正,利用机器学习的技术预测电熔镁的变化趋势。
所述进行调峰控制包括:
通过多目标优化算法统计出合理空间内可转移负荷限值,进行调峰控制。优化目标是迅速响应调峰要求达到调峰量最大、生产效益最高的多目标结果:
其中为电熔镁锅炉的上调最大调峰量;Pup(t)为t时刻电熔镁锅炉的最大上调功率;为电熔镁锅炉的下调最大调峰量;Pdown(t)为t时刻电熔镁锅炉的最大下调功率;为电熔镁锅炉的最小运行成本;Cmin(t)为t时刻电熔镁锅炉的最小运行成本;Δt为调峰策略的运行时段;
为满足最大调峰需求,需计算电熔镁可控负荷最大上调空间及最大下调空间。
最大上调空间:
其中Pup(t)为t时刻第1至第n个电熔镁锅炉的最大上调空间之和;Pd_up(t)为t时刻单个电熔镁锅炉的最大功率;Pd_r(t)为t时刻单个电熔镁锅炉的当前功率;Sn(t)为t时刻电熔镁锅炉的运行状态;
最大下调空间:
其中Pdown(t)为t时刻第1至第n个电熔镁锅炉的最大下调空间之和;Pd_r(t)为t时刻单个电熔镁锅炉的当前功率;Pd_down(t)为t时刻单个电熔镁锅炉的最小功率;Sn(t)为t时刻电熔镁锅炉的运行状态。
为达到生产效益最高,需根据电熔镁锅炉的生产计划及运行方式计算锅炉的经济效益及生产效率。
最小运行成本:
其中Cb_min为单个电熔镁锅炉的最小运行成本:
其中Pb_n(t)为第n个电熔镁锅炉的实际运行功率;Sb_n(t)为第n个电熔镁锅炉的运行状态;Kb_n为第n个电熔镁锅炉的调节次数:
由于电熔镁锅炉运行过程中的多种生产工艺限制,为达到最大生产效率,需要考虑以下约束:
电熔镁锅炉调节次数约束:
0≤Kb_n≤Mb_n
其中Mb_n为设定的第n个电熔镁锅炉的最大调节次数。即电熔镁锅炉在一个完整的生产周期内,每台锅炉的调节次数不能大于设定的最大调节次数,避免单台锅炉多次调节。
电熔镁锅炉调节间隔约束:
电熔镁锅炉运行计划约束:
Tb_n_plan-Tb_n_rnn≥Tb_n_min
其中Tb_n_plan为第n个电熔镁锅炉的计划运行时间;Tb_n_run为第n个电熔镁锅炉的实际运行时间;Tb_n_min为设定的第n个电熔镁锅炉的最小运行剩余时间。
与现有技术相比,本发明的有益效果是:
本发明通过对电熔镁负荷曲线进行预测,结合电网实际的运行情况,及电熔镁厂站、锅炉的运行情况,将调峰厂站及锅炉的最优选项作为优化目标,在约束条件中引入电熔镁负荷功率上下限约束、运行成本约束、调节次数约束、调节间隔约束,以及电熔镁厂站、锅炉的运行计划约束,通过多目标优化算法得到各个电熔镁厂站及锅炉各时段的调节量,来实现迅速响应调峰要求达到调峰量最大的调峰控制,并在一定程度上降低企业用电成本,达到最高生产效益。
附图说明
图1为本发明的方法流程图。
具体实施方式
以下结合附图对本发明提供的具体实施方式进行详细说明。
如图1所示为本发明的方法流程图。
首先在一台数据采集服务器上部署数据采集程序,将需要的数据按照已经建好的模型进行分类存储。
然后在一台WEB应用服务器上部署数据的加工、预测等WEB应用程序,将需要的数据进行优化整合,由于本发明使用的是生产环境的电力负荷数据,因此,不免含有噪声数据和误差数据等,依然需要对这些数据进行预处理操作。因为选定的样本数据过大、过多的时候,在机器学习的训练和测试时可能会造成变化范围较大的数据淹没变化范围较小的数据或者出现大的特征值,在核函数计算特征向量的内积计算中出现数值困难。所以,在采集到异常数据时,先将异常数据输送进入数据校验平台中进行分析处理,判断是否是无效数据、或异常数据需要特殊处理。然后对输入的样本数据进行归一化处理。具体的方法如下:
负荷曲线预测过程为:
将可能影响到负荷预测的条件作为预测模型的特征值,在传统的区域电网负荷预测中,天气、温度、季节、节假日等因素对负荷水平影响较为明显,因而可作为负荷预测模型的输入特征值。然而,对于高耗能企业负荷预测问题来说,天气、季节等环境因素对其负荷几乎没有影响。与负荷数据相关性较大的生产计划数据则通常以月为单位,不能够满足短期负荷预测的时间粒度要求。通常能够得到且价值较大的数据是一个负荷序列S:(x1,y1),(x2,y2),...,(xt,yt)。其中,x代表过去的样本点,为特征值;y代表当前时刻的样本点,为目标值。因此该算法将负荷序列设定为基础预测模型,将历史负荷及历史负荷预测数据设定为算法的机器学习内容,并从历史数据中提取负荷预测模型的特征值。从而得到电熔镁企业的负荷预测曲线。
计算调峰控制过程为:
将每个电熔镁厂站的状态、每个锅炉的状态、以及每个锅炉的生成计划等因素作为计算因子,在电网调峰时,利用多目标优化算法的Pareto最优解得到一个或几个最优的调峰方式,迅速响应调峰要求达到调峰量最大、生产效益最高的多目标结果:
其中为电熔镁锅炉的上调最大调峰量;Pup(t)为t时刻电熔镁锅炉的最大上调功率;为电熔镁锅炉的下调最大调峰量;Pdown9t)为t时刻电熔镁锅炉的最大下调功率;为电熔镁锅炉的最小运行成本;Cmin(t)为t时刻电熔镁锅炉的最小运行成本;Δt为调峰策略的运行时段;
为满足最大调峰需求,需计算电熔镁可控负荷最大上调空间及最大下调空间。
最大上调空间:
其中Pup(t)为t时刻第1至第n个电熔镁锅炉的最大上调空间之和;Pd_up(t)为t时刻单个电熔镁锅炉的最大功率;Pd_r(t)为t时刻单个电熔镁锅炉的当前功率;Sn(t)为t时刻电熔镁锅炉的运行状态;
最大下调空间:
其中Pdown(t)为t时刻第1至第n个电熔镁锅炉的最大下调空间之和;Pd_r(t)为t时刻单个电熔镁锅炉的当前功率;Pd_down(t)为t时刻单个电熔镁锅炉的最小功率;Sn(t)为t时刻电熔镁锅炉的运行状态。
为达到生产效益最高,需根据电熔镁锅炉的生产计划及运行方式计算锅炉的经济效益及生产效率。
最小运行成本:
其中Cb_min为单个电熔镁锅炉的最小运行成本:
其中Pb_n(t)为第n个电熔镁锅炉的实际运行功率;Sb_n(t)为第n个电熔镁锅炉的运行状态;Kb_n为第n个电熔镁锅炉的调节次数:
由于电熔镁锅炉运行过程中的多种生产工艺限制,为达到最大生产效率,需要考虑以下约束:
电熔镁锅炉调节次数约束:
0≤Kb_n≤Mb_n
其中Mb_n为设定的第n个电熔镁锅炉的最大调节次数。即电熔镁锅炉在一个完整的生产周期内,每台锅炉的调节次数不能大于设定的最大调节次数,避免单台锅炉多次调节。
电熔镁锅炉调节间隔约束:
电熔镁锅炉运行计划约束:
Tb_n_plan-Tb_n_run≥Tb_n_min
其中Tb_n_plan为第n个电熔镁锅炉的计划运行时间;Tb_n_run为第n个电熔镁锅炉的实际运行时间;Tb_n_min为设定的第n个电熔镁锅炉的最小运行剩余时间。
通过以上方式,发明一种基于多目标优化算法的电熔镁延时控制方法,基于电熔镁的负荷预测及电熔镁锅炉的运行方式,建立电熔镁调峰控制策略,并进行优化计算后得到能够迅速满足电网调峰条件的一个或多个电熔镁锅炉,以及锅炉调峰方式,达到调峰量最大、生产效益最高的多目标结果,同时提高调峰效率。
以上实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于上述的实施例。上述实施例中所用方法如无特别说明均为常规方法。
Claims (8)
1.一种基于多目标优化算法的电熔镁延时控制方法,其特征在于,包括以下步骤:
步骤1:采集电熔镁相关基础数据,对目标数据进行分类存储;
步骤2:加工电熔镁负荷数据,对目标数据进行优化整合;
步骤3:根据历史负荷信息,预测电熔镁负荷的变化趋势;
步骤4:根据电网运行情况,计算电熔镁调峰锅炉,进行调峰控制。
2.根据权利要求1所述的一种基于多目标优化算法的电熔镁延时控制方法,其特征在于,所述对目标数据进行分类存储包括:
将采集到的电熔镁基础数据进行分类,将厂站信息、锅炉信息、负荷信息分类别建模并进行存储,并通过厂站ID进行关联管理,其中厂站信息包括厂站名称、介绍、地区、锅炉数量、额定容量、测点ID;锅炉信息包括锅炉名称、额定容量、状态、电流、电压、温度、测点ID;负荷信息包括每个锅炉每天1440点负荷数据。
3.根据权利要求1所述的一种基于多目标优化算法的电熔镁延时控制方法,其特征在于,所述对目标数据进行优化整合包括:
将收集到的电熔镁负荷曲线数据进行筛选,获取每个锅炉每天24点的有效负荷曲线数据,同时计算每个电熔镁厂每天24点的有效负荷曲线数据。
4.根据权利要求1所述的一种基于多目标优化算法的电熔镁延时控制方法,其特征在于,所述预测电熔镁负荷的变化趋势包括:
基于电熔镁锅炉本身的变化特性曲线,结合历史大数据变化规律进行修正,利用机器学习的技术预测电熔镁的变化趋势。
6.根据权利要求5所述的一种基于多目标优化算法的电熔镁延时控制方法,其特征在于,在所述步骤4中,为满足最大调峰需求,需计算电熔镁可控负荷最大上调空间及最大下调空间;
最大上调空间:
其中Pup(t)为t时刻第1至第n个电熔镁锅炉的最大上调空间之和;Pd_up(t)为t时刻单个电熔镁锅炉的最大功率;Pd_r(t)为t时刻单个电熔镁锅炉的当前功率;Sn(t)为t时刻电熔镁锅炉的运行状态;
最大下调空间:
其中Pdown(t)为t时刻第1至第n个电熔镁锅炉的最大下调空间之和;Pd_r(t)为t时刻单个电熔镁锅炉的当前功率;Pd_down(t)为t时刻单个电熔镁锅炉的最小功率;Sn(t)为t时刻电熔镁锅炉的运行状态。
8.根据权利要求5所述的一种基于多目标优化算法的电熔镁延时控制方法,其特征在于,在所述步骤4中,由于电熔镁锅炉运行过程中的多种生产工艺限制,为达到最大生产效率,需要考虑以下约束:
电熔镁锅炉调节次数约束:
0≤Kb_n≤Mb_n
其中Mb_n为设定的第n个电熔镁锅炉的最大调节次数。即电熔镁锅炉在一个完整的生产周期内,每台锅炉的调节次数不能大于设定的最大调节次数,避免单台锅炉多次调节;
电熔镁锅炉调节间隔约束:
电熔镁锅炉运行计划约束:
Tb_n_plan-Tb_n_run≥Tb_n_min
其中Tb_n_plan为第n个电熔镁锅炉的计划运行时间;Tb_n_run为第n个电熔镁锅炉的实际运行时间;Tb_n_min为设定的第n个电熔镁锅炉的最小运行剩余时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110791149.6A CN113515862A (zh) | 2021-07-13 | 2021-07-13 | 一种基于多目标优化算法的电熔镁延时控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110791149.6A CN113515862A (zh) | 2021-07-13 | 2021-07-13 | 一种基于多目标优化算法的电熔镁延时控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113515862A true CN113515862A (zh) | 2021-10-19 |
Family
ID=78067113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110791149.6A Pending CN113515862A (zh) | 2021-07-13 | 2021-07-13 | 一种基于多目标优化算法的电熔镁延时控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113515862A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567412A (zh) * | 2010-12-31 | 2012-07-11 | 上海久隆信息工程有限公司 | 一种计算机辅助电网负荷分析的信息处理方法 |
CN103135466A (zh) * | 2013-01-30 | 2013-06-05 | 东北大学 | 一种电熔镁砂熔炼过程多级需量控制方法 |
CN107942909A (zh) * | 2017-12-11 | 2018-04-20 | 徐州中矿凯锐科技有限公司 | 一种电熔炉的计算机监控系统控制方法 |
CN109599863A (zh) * | 2018-12-11 | 2019-04-09 | 国网甘肃省电力公司电力科学研究院 | 一种基于多形态需求侧负荷响应的荷源互动调峰控制方法 |
CN110112767A (zh) * | 2019-03-19 | 2019-08-09 | 华北电力大学 | 广域多形态需求侧负荷参与系统调峰的荷源优化控制方法 |
WO2019196375A1 (zh) * | 2018-04-13 | 2019-10-17 | 华南理工大学 | 基于需求侧响应的微电网最优机组及分时电价的优化方法 |
CN111861195A (zh) * | 2020-07-16 | 2020-10-30 | 燕山大学 | 一种提高风电二次消纳能力的热电联合调度方法 |
CN112615370A (zh) * | 2020-12-17 | 2021-04-06 | 国网辽宁省电力有限公司鞍山供电公司 | 一种基于电熔镁负荷的风电消纳协调控制方法 |
-
2021
- 2021-07-13 CN CN202110791149.6A patent/CN113515862A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567412A (zh) * | 2010-12-31 | 2012-07-11 | 上海久隆信息工程有限公司 | 一种计算机辅助电网负荷分析的信息处理方法 |
CN103135466A (zh) * | 2013-01-30 | 2013-06-05 | 东北大学 | 一种电熔镁砂熔炼过程多级需量控制方法 |
CN107942909A (zh) * | 2017-12-11 | 2018-04-20 | 徐州中矿凯锐科技有限公司 | 一种电熔炉的计算机监控系统控制方法 |
WO2019196375A1 (zh) * | 2018-04-13 | 2019-10-17 | 华南理工大学 | 基于需求侧响应的微电网最优机组及分时电价的优化方法 |
CN109599863A (zh) * | 2018-12-11 | 2019-04-09 | 国网甘肃省电力公司电力科学研究院 | 一种基于多形态需求侧负荷响应的荷源互动调峰控制方法 |
CN110112767A (zh) * | 2019-03-19 | 2019-08-09 | 华北电力大学 | 广域多形态需求侧负荷参与系统调峰的荷源优化控制方法 |
CN111861195A (zh) * | 2020-07-16 | 2020-10-30 | 燕山大学 | 一种提高风电二次消纳能力的热电联合调度方法 |
CN112615370A (zh) * | 2020-12-17 | 2021-04-06 | 国网辽宁省电力有限公司鞍山供电公司 | 一种基于电熔镁负荷的风电消纳协调控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3876378A1 (en) | Micro-grid site predictive control for multi-power resource management with machine learning | |
CN105590174A (zh) | 基于k-均值聚类rbf神经网络的企业用电负荷预测方法 | |
CN111934360B (zh) | 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法 | |
CN102184453A (zh) | 基于模糊神经网络和支持向量机的风电功率组合预测方法 | |
CN110380444B (zh) | 一种基于变结构Copula的多场景下分散式风电有序接入电网的容量规划方法 | |
CN112598195A (zh) | 楼宇型综合能源系统运行优化方法、装置及终端设备 | |
CN110837915B (zh) | 一种基于混合集成深度学习的电力系统低压负荷点预测及概率预测方法 | |
CN109636054A (zh) | 基于分类和误差组合预测的太阳能光伏发电量预测方法 | |
CN116644851B (zh) | 结合负荷优化配置的热电厂设备控制方法及系统 | |
CN113610152A (zh) | 一种基于负荷模式的空调系统灵活性运行策略制定方法 | |
CN105573123A (zh) | 一种基于改进的t-s模糊预测建模的火电机组机炉协调控制方法 | |
CN111555363B (zh) | 大数据环境下基于深度学习的agc实时控制策略 | |
CN116070769A (zh) | 一种超短期风电场功率多步区间预测模块化方法及其设备 | |
CN115795992A (zh) | 一种基于运行态势虚拟推演的园区能源互联网在线调度方法 | |
CN109858668B (zh) | 一种雷电气候下电力负荷区域协调预测方法 | |
CN108694475B (zh) | 基于混合模型的短时间尺度光伏电池发电量预测方法 | |
CN117439101A (zh) | 一种用于电网中新能源与柔性负荷互动的智能网络 | |
Wang et al. | Short-term wind power prediction based on DBSCAN clustering and support vector machine regression | |
CN113515862A (zh) | 一种基于多目标优化算法的电熔镁延时控制方法 | |
CN115293595B (zh) | 考虑光伏出力不确定性的虚拟电厂聚合能力评估方法 | |
CN116154875A (zh) | 基于tcn和误差函数的光伏电站有功功率优化分配方法 | |
CN117709554B (zh) | 一种储热与电磁加热器联合的能源调度方法及系统 | |
Zhang et al. | Credibility assessment of short-term load forecast in power system | |
CN115528687B (zh) | 一种有限成本约束下的电力系统柔性响应能力优化方法 | |
CN114066244A (zh) | 一种基于动态规划算法的多元可控负荷协同控制方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211019 |