申请/专利权人：清华大学

申请日：2022-09-16

公开（公告）日：2024-06-25

公开（公告）号：CN115629576B

主分类号：G05B19/418

分类号：G05B19/418

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2023.02.14#实质审查的生效;2023.01.20#公开

摘要：本发明提出一种非侵入式柔性负荷聚合特性辨识与优化方法、装置及设备，该方法包括获取面向柔性负荷的特性辨识模型和弹性估计模型，实时获取当前轮次的激励电价，将当前轮次的激励电价分别输入特性辨识模型和弹性估计模型输出实时响应用电量和实时虚拟弹性矩阵；基于实时响应用电量和实时虚拟弹性矩阵判断系统安全约束是否满足，若满足，则当前轮次的激励电价为最优激励电价、实时响应用电量为最优响应用电量，若不满足，则基于当前轮次的激励电价、实时响应用电量和实时虚拟弹性矩阵构建增量优化模型，从而获得最优激励电价和最优响应用电量，以实现对非侵入式柔性负荷的聚合优化控制。根据本发明的方法，能够提升柔性负荷的聚合优化精确度。

主权项：1.一种非侵入式柔性负荷聚合特性辨识与优化方法，其特征在于，包括：获取面向柔性负荷的特性辨识模型，所述特性辨识模型的输入为激励电价，所述特性辨识模型的输出为响应用电量；获取面向柔性负荷的弹性估计模型，所述弹性估计模型的输入为激励电价，所述弹性估计模型的输出为虚拟弹性矩阵；实时获取当前轮次的激励电价，将所述当前轮次的激励电价分别输入所述特性辨识模型和所述弹性估计模型以输出实时响应用电量和实时虚拟弹性矩阵；基于所述实时响应用电量和实时虚拟弹性矩阵判断系统安全约束是否满足；若满足，则当前轮次的激励电价为最优激励电价，实时响应用电量为最优响应用电量，若不满足，则基于当前轮次的激励电价、实时响应用电量和实时虚拟弹性矩阵构建增量优化模型，基于所述增量优化模型获得最优激励电价和最优响应用电量；获取相邻轮次的最优激励电价，基于所述相邻轮次的最优激励电价判断收敛中止条件是否满足；若收敛中止条件满足，则基于最优激励电价和最优响应用电量对非侵入式柔性负荷进行聚合优化控制；若收敛中止条件不满足，则更新当前轮次，基于实时获取的更新后的当前轮次的激励电价获得新的最优激励电价和新的最优响应用电量；其中，所述特性辨识模型和所述弹性估计模型分别采用多输入多输出的机器学习模型，所述特性辨识模型的多输入为多个时段的激励电价，所述特性辨识模型的多输出为各时段的响应用电量，所述弹性估计模型的多输入为多个时段的激励电价，所述弹性估计模型的多输出为各时段的虚拟弹性矩阵，所述特性辨识模型和所述弹性估计模型在训练过程中分别采用超参数优化方法。

全文数据：

权利要求：

百度查询： 清华大学 非侵入式柔性负荷聚合特性辨识与优化方法、装置及设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD