[發明專利]電力彈簧的混合控制方法及系統、設備及存儲介質在審
| 申請號： | 202011283724.3 | 申請日： | 2020-11-17 |
| 公開（公告）號： | CN112421637A | 公開（公告）日： | 2021-02-26 |
| 發明（設計）人： | 趙俊華;趙煥;聶一格;梁高琪 | 申請（專利權）人： | 香港中文大學（深圳） |
| 主分類號： | H02J3/06 | 分類號： | H02J3/06;H02J3/12;H02J3/14;H02J3/16;H02J3/24;H02J3/38;G06Q50/06;G06F30/27;G06F111/04 |
| 代理公司： | 深圳市恒申知識產權事務所(普通合伙) 44312 | 代理人： | 鮑竹 |
| 地址： | 518000 廣東*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 電力 彈簧 混合 控制 方法 系統 設備 存儲 介質 | ||
1.一種電力彈簧的混合控制方法，其特征在于，所述方法包括：
獲取電力彈簧的數據，將所述數據代入至預置的分析模型，得到所述分析模型的系統基本策略，基于所述系統基本策略得到所述分析模型的運行數據，所述分析模型包括分析約束條件；
基于所述運行數據和極限學習機方法構建數據驅動模型，所述數據驅動模型包括數據驅動約束條件；
將所述數據驅動約束條件替代所述分析模型中的所述分析約束條件，得到混合模型，基于所述混合模型得到所述電力彈簧的混合控制策略；
基于所述電力彈簧的混合控制策略得到混合運行數據，根據所述混合運行數據進行選擇所述分析模型或所述數據驅動模型。
2.如權利要求1所述的方法，其特征在于，所述基于所述運行數據和極限學習機方法構建數據驅動模型具體包括：
構建極限學習機模型；
基于所述運行數據和所述極限學習機模型構建數據驅動模型。
3.如權利要求2所述的方法，其特征在于，所述極限學習機模型為具有L隱藏神經元的單層極限學習機模型：
其中，是激活函數，wj、bj和βj是節點j的輸入權重、偏差和輸出權重，是樣本i的極限學習機輸出，εi是樣本i的訓練誤差。
4.如權利要求3所述的方法，其特征在于，所述數據驅動模型具體包括負荷有功功率模型、負荷無功功率模型和潮流模型：
數據驅動的負荷有功功率模型為：
數據驅動的負荷無功功率模型為：
數據驅動的潮流模型為：
其中，elm為極限學習機，Wq、Wv、Wp、Bv、Bq和Bp均是經過訓練的elm模型的參數，為激活函數，模型的輸出為所有母線的負荷有功和無功消耗向量。
5.如權利要求4所述的方法，其特征在于，所述數據驅動模型中的約束條件分別包括：
數據驅動的潮流模型約束條件為：
數據驅動的負荷有功功率模型的約束條件為：
數據驅動的負荷無功功率模型的約束條件為：
電壓的約束條件為：V1＝LTC*VN
電力彈簧調制參數向量約束為：
其中，Wv、Bv和βv是經過訓練的ELM模型的參數，是激活函數，PiG是分布式發電在所有節點的有功功率，表示所有電彈簧的調制參數向量，和分別是所有電力彈簧的最小調制參數向量和最大調制參數向量。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于香港中文大學（深圳），未經香港中文大學（深圳）許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011283724.3/1.html，轉載請聲明來源鉆瓜專利網。
