特定条件下高层塔吊附墙设计

在建筑物及场地特定条件下,为满足施工要求,塔吊位置不能按塔吊产品说明书布置,在塔吊超过独立组装高度后则应该按规定设置附墙支杆,以确保安全吊装运行要求,由于塔吊位置变化,塔吊说明书中的附墙杆件将不能适用,需另行设计调正。通过在实际工程中,根据塔吊工况,产品说明书中的力学参数设计相应的附墙体系,满足了实际工程的要求。     

一种基于深度强化学习的电网潮流特征提取方法

为了解决现有特征提取方法存在特征辨识度低的问题,基于深度强化学习设计电网潮流特征提取方法,为了提升潮流特征的辨识度,利用点估计法计算电网潮流,以此为基础,通过模拟退火算法生成电网潮流图,并灰度处理电网潮流图,以灰度处理后的电网潮流图为依据,利用深度强化学习方法提取电网潮流特征,实现了电网潮流特征的提取。实验结果表明：与现有的电网潮流特征提取方法相比,文中电网潮流特征提取方法极大地提升了特征辨识度,证明了基于深度强化学习的电网潮流特征提取方法具备更好的特征提取性能。     

基于LSTM的电力暂态稳定在线评估及预测研究

电网规模的扩大使得电力系统运行状态变得更加复杂,对电网安全稳定运行提出了更高要求。提出了基于深度学习中长短时记忆（long-and-short term memory,LSTM）的电力暂态稳定在线评估模型。该模型通过获取全网各节点电压、电流、功率等电气量,实时计算得到电网失稳可能性评分,并在新英格兰10机39线系统上对该模型进行测试与优化。实验结果表明,该模型能通过实时运算得到电网稳定性的评估及预警,具有准确性高、预警能力强、支持在线监测的特点。     

一种基于深度强化学习的电网潮流特征提取方法

为了解决现有特征提取方法存在特征辨识度低的问题,基于深度强化学习设计电网潮流特征提取方法,为了提升潮流特征的辨识度,利用点估计法计算电网潮流,以此为基础,通过模拟退火算法生成电网潮流图,并灰度处理电网潮流图,以灰度处理后的电网潮流图为依据,利用深度强化学习方法提取电网潮流特征,实现了电网潮流特征的提取。实验结果表明：与现有的电网潮流特征提取方法相比,文中电网潮流特征提取方法极大地提升了特征辨识度,证明了基于深度强化学习的电网潮流特征提取方法具备更好的特征提取性能。     

基于深度学习的含风电电力系统实时调度模型研究

随着风电在电力系统中所占比重持续增加,风电并网下的电力系统优化调度成为当前研究的重点。在现有量测水平下,如何充分利用已有信息,兼顾环境成本,完成电力系统实时调度是当前面临的主要问题。鉴于此,提出了一种基于深度学习的考虑环境经济的实时调度模型,深度神经网络(Deep Neural Network,DNN)训练过程包括以下几个步骤:首先,在传统优化调度模型中考虑环境经济,计算调度策略和成本作为DNN的输出;然后,根据电网调度输入、输出数据特性,设计DNN各层间不同激活函数,捕捉更广泛的输出;最后,提出一种改进的DNN参数初始化方法,提高了收敛速度。     

考虑风电消纳的电热混合储能系统优化定容方法

大规模风电并网影响了电力系统的安全稳定运行,导致电网出现弃风现象,限制了风电的发展。考虑电力系统与热力系统的协调运行,使用电热混合储能系统与电网进行电量交换可以有效提升风电消纳水平,文章提出了一种考虑风电消纳的电热混合储能系统优化定容方法。首先,基于历史风电数据对风电功率建模,获得满足并网要求的目标并网风电功率;随后,采用电储能、电锅炉和储热设备组成电热混合储能系统,建立考虑电热混合储能系统运行约束,以系统总成本最低为目标的优化定容模型,并求解出电热混合储能系统的经济优化定容结果;最后,使用某电热综合能源系统的实测数据进行仿真计算,算例结果验证了所提方法对电热混合储能系统优化定容的有效性,在提高系统风电消纳能力的情况下保证了系统整体的经济效益。     

基于LSTM的电力暂态稳定在线评估及预测研究

电网规模的扩大使得电力系统运行状态变得更加复杂,对电网安全稳定运行提出了更高要求。提出了基于深度学习中长短时记忆（long-and-short term memory,LSTM）的电力暂态稳定在线评估模型。该模型通过获取全网各节点电压、电流、功率等电气量,实时计算得到电网失稳可能性评分,并在新英格兰10机39线系统上对该模型进行测试与优化。实验结果表明,该模型能通过实时运算得到电网稳定性的评估及预警,具有准确性高、预警能力强、支持在线监测的特点。