专利示意图

一、技术领域

配电网运行管理技术领域

二、专利介绍

1.专利信息

专利类型：发明

专利权人：山西省能源互联网研究院、清华大学深圳国际研究生院

申请号：202311462922.X

2.专利说明书摘要

本发明公开了一种融合学习-优化的配电网运行管理方法，包括如下步骤：S1、构建配电网运行模型和分布式资源集群响应模型；S2、提出面向分布式资源集群的约束学习算法，以学习分布式资源集群的响应特性，获得基于神经网络的数据驱动响应模型；S3、将所述数据驱动响应模型等价转换为神经网络响应约束模型，并融合至配电网调度模型，实现融合调度；S4、优化配电网决策。

3.创新点

本发明提出一种融合学习-优化的配电网运行管理方法，利用机器学习模型从数据中挖掘并表征未知电力系统知识，利用优化理论更具电力系统已有知识进行建模，将两者融合，利用机器学习和优化理论的优势支撑配电网的运行管理。

4.痛点问题

大量分布式资源往往通过聚合形成集群，以集群形式统一参与配电网管理。然而，分布式资源集群响应特性复杂，如何建模分布式资源响应特性，如何有效激励和管理分布式资源，以及如何在运行调度中有效考虑分布式资源的响应特性，这些问题配电网电力系统运行管理的关键问题，亟待加强。

5.技术优势

与仅基于优化和机器学习的优化调度方法相比，本发明基于机器学习和优化理论提出面向分布式资源集群的约束学习方法，构建基于神经网络的数据驱动响应约束模型，然后，基于约束学习构建融合机器学习-优化的基本框架；考虑约束模型，碳排放约束，配电网运行模型，和双线性松弛策略，构建融合机器学习和优化的配电网运行模型实现配电网安全经济运行和碳排放管理。

三、产业化信息

1.应用场景

本发明面向电力系统低碳能源转型，以分布式光伏，风电，储能为代表的可再生分布式资源大量接入电网的场景下，基于机器学习和优化理论提出面向分布式资源集群的约束学习方法，构建基于神经网络的数据驱动响应约束模型，然后，基于约束学习构建融合机器学习-优化的基本框架；考虑约束模型，碳排放约束，配电网运行模型，和双线性松弛策略，构建融合机器学习和优化的配电网运行模型实现配电网安全经济运行和碳排放管理。

2.合作方式

面议

注:所有成果未经授权，请勿转载

联系方式：ttc@sz.tsinghua.edu.cn