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 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 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 > 恭喜国网四川省电力公司电力科学研究院滕予非获国家专利权

恭喜国网四川省电力公司电力科学研究院滕予非获国家专利权

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!

龙图腾网恭喜国网四川省电力公司电力科学研究院申请的专利一种多源无功补偿控制方法、系统、程序、介质及设备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:CN119231559B

龙图腾网通过国家知识产权局官网在2025-05-16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:202411744842.8,技术领域涉及:H02J3/18;该发明授权一种多源无功补偿控制方法、系统、程序、介质及设备是由滕予非;石鹏;王曦;常政威;王彪;叶希;陈保瑞;白珈于;范成围;刘子琦;王渝红;袁秋锋;郑宗生设计研发完成,并于2024-12-02向国家知识产权局提交的专利申请。

一种多源无功补偿控制方法、系统、程序、介质及设备在说明书摘要公布了:本发明公开了一种多源无功补偿控制方法、系统、程序、介质及设备,涉及电网系统技术领域,包括以下步骤:提取电网无功功率的主导影响特征作为CNN‑LSTM网络的输入,预测电网无功功率缺额区间,并将其作为多源无功补偿设备的功率分配目标;以系统网损、电压降的最小化和多源异构无功补偿集成系统稳定性为优化目标,构建多源异构无功补偿集成系统的功率分配模型。通过研究电网无功功率的影响因素,将影响特征作为神经网络输入预测电网无功功率缺额区间,可反映电网无功功率的时空分布特性,为电网运营者提供无功需求的变化趋势,并及时采取相应的无功补偿措施。

本发明授权一种多源无功补偿控制方法、系统、程序、介质及设备在权利要求书中公布了:1.一种多源无功补偿控制方法,其特征在于,包括以下步骤:提取电网无功功率的主导影响特征作为CNN-LSTM网络的输入,预测电网无功功率缺额区间,并将其作为多源无功补偿设备的功率分配目标;以系统网损、电压降的最小化和多源异构无功补偿集成系统稳定性为优化目标,构建多源异构无功补偿集成系统的功率分配模型;无功功率损耗函数为: 式中,Qloss是系统中的无功功率损耗,M是系统中线路的总数,Qi是第i个节点或线路的无功功率,Ri是第i条线路的电阻,Vi第i条线路的电压;电网电能质量采用电压降来表征,计算公式为: 式中,ΔVi是第i个节点的电压降;Pi是第i个节点的有功功率;Xi是第i个节点的电抗;电网短路比计算公式为: 式中,SCR为短路比;Ssc为某节点的短路容量;Sr为接入设备的额定容量;功率分配模型目标函数为: 式中,为稳定性评估指标;γ0为系统期望稳定裕度;γ为系统实际稳定裕度;基于TD3的深度强化学习算法构建多源异构无功补偿集成系统的功率分配模型;TD3的深度强化学习算法流程包括输入状态空间、Critic网络的更新过程、Actor网络的更新过程、目标网络的更新过程;输入状态空间的公式化表达为:Ωt=[St,At,Rt,St+1];St={Yt,Vt,Qi,t};式中,Ωt为输入状态空间;St为在t时刻下的输入状态量,包括电网无功功率缺额、电网节点电压数据以及各无功补偿设备的无功分配状态;At为动作网络基于状态St产生的动作,Rt为执行动作At产生的动作奖励;St+1为在t+1时刻下的输入状态量;Yt为电网无功功率缺额区间;Vt为对应的节点电压数据;Qi,t为各无功补偿设备在t时刻下的无功分配状态;Critic网络的更新过程如下:首先,利用目标Actor网络计算出状态s′下的动作:a′=μ′s′+θμ′;式中,a′表示根据下一时刻状态产生的动作;μ′表示目标Actor网络;θμ′表示目标Actor网络的参数;其次,基于双重网络的思想,计算目标值: 式中,y表示目标值;Q′i表示目标Critic网络;表示目标Critic网络的参数;γ表示折扣因子,用来表示状态顺序先后造成的收益差异;最后,利用梯度下降算法最小化评估值和目标值之间的误差,从而对Critic1和Critic2网络中的参数进行更新: 式中,s为输入状态;a为执行动作;表示Critic网络更新的梯度;Qi表示Critic网络;表示Critic1网络的参数;Actor网络的更新过程如下:首先,利用Actor网络计算出状态s下的动作:a=μs|θμ;式中,μ表示Actor网络;θμ表示Actor网络的参数;其次,利用Critic1或者Critic2网络来计算状态动作对s,a的评估值,这里假定使用Critic1网络: 式中,q表示Critic网络对动作a计算的执行目标奖励;Q1表示Critic网络;表示Critic网络的参数;最后,采用梯度上升算法最大化q,从而完成对Actor网络的更新;目标网络的更新过程如下:引入一个学习率τ或者成为动量,将旧的目标网络参数和新的对应网络参数做加权平均,然后赋值给目标网络: 式中,θμ′表示目标Actor网络的参数;表示目标Critic网络的参数。

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国网四川省电力公司电力科学研究院,其通讯地址为:610041 四川省成都市高新区锦晖西二街16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”。

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。