公开(公告)号：CN117708536A

公开(公告)日：2024-03-15

申请号：CN202311743163.4

申请日：2023-12-18

Applicant: 广西大学

Inventor： 殷林飞 ,  熊轶

IPC: G06F18/20 ,  G06N3/0442 ,  G06N3/0499 ,  G06N3/084 ,  G06N3/048 ,  G06N3/096

Abstract: 本发明提出一种可解释性增量Transformer的风电场出力量子迁移平行预测方法，该方法由可解释性多头注意力网络、量子前馈神经网络、变量选择网络、平行系统以及长短期记忆网络编码器和解码器等组件组成。该方法中的量子前馈神经网络能够准确捕捉数据的非线性变化规律，对风电出力进行精准预测。当风向、风速等气候环境发生变化时，该方法通过增加可解释性多头注意力网络的头数实现增量学习，以适应变化后的环境，从而提高实时适应能力。通过对该方法框架中最后两层的量子前馈神经网络和全连接层进行微调，实现迁移学习从而在数据有限的情况下高效利用已有数据，提高泛化能力。此外，平行系统的引入有助于找到最优的模型参数，提高预测性能和鲁棒性。

公开(公告)号：CN115183474B

公开(公告)日：2023-10-13

申请号：CN202210755343.3

申请日：2022-06-30

Applicant: 广西大学

Inventor： 殷林飞 ,  熊轶 ,  胡立坤

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于模型预测与深度强化学习的热水系统控制方法，该方法将监督学习与近端策略优化方法进行结合，用于控制热水系统。首先，所提方法中的监督学习包括循环门控单元、深度神经网络判别器和时间序列预测模块。输入是否外出信息与居住者的行为信息，来预测未来一天居住者行为信息，并输出未来一天近端策略优化方法接入热水系统的概率。若概率小于阈值，则采用两点控制策略并继续训练智能体；反之，则采用近端策略优化方法。其次，所提方法中的近端策略优化方法能学习居住者行为信息，无需特定调整即能应用在各种不同的居住场合，该方法能直接用于居住者家居，减少所需设备的安装与调试的时间，并且该方法的整体框架解释性比较优异。

公开(公告)号：CN115183474A

公开(公告)日：2022-10-14

申请号：CN202210755343.3

申请日：2022-06-30

Applicant: 广西大学

Inventor： 殷林飞 ,  熊轶 ,  胡立坤

IPC: F24H15/156 ,  F24H15/176 ,  F24H15/421 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于模型预测与深度强化学习的热水系统控制方法，该方法将监督学习与近端策略优化方法进行结合，用于控制随机行为居住者的热水系统。首先，所提方法中的监督学习包括循环门控单元、深度神经网络判别器和时间序列预测模块。输入政策信息与行为信息，来预测未来一天居住者行为，并输出未来一天近端策略优化方法接入热水系统的概率。若概率小于阈值，则采用两点控制策略并继续训练智能体；反之，则采用近端策略优化方法。其次，所提方法中的近端策略优化方法能学习随机的居住者行为，无需特定调整即能应用在各种不同的居住场合，该方法能直接用于居住者家居，减少所需设备的安装与调试的时间，并且该方法的整体框架解释性比较优异。

公开(公告)号：CN115238592A

公开(公告)日：2022-10-25

申请号：CN202210967237.1

申请日：2022-08-12

Applicant: 广西大学

Inventor： 殷林飞 ,  曹星辉 ,  熊轶 ,  胡立坤

IPC: G06F30/27 ,  G06F113/04 ,  G06F119/02

Abstract: 本发明提出一种多时距气象预测分布并行信赖策略优化发电控制方法，该方法将多时间尺度气象预测、分布并行和信赖策略优化神经网络进行结合，用于新型电力系统的发电控制。首先，所提方法中多时间尺度气象预测用于多不同时间尺度的气象数据进行处理，并预测未来的气象变化。其次，所提方法中分布并行信赖策略优化方法用于区域内发电厂之间的协调和快速反应。所提多时距气象预测分布并行信赖策略优化发电控制方法能够解决在不断变化的天气条件下，对不同时间尺度的新型电力系统进行快速稳定调控的问题，实现通过预测气象对新型电力系统进行发电控制的功能，优化调控精度，提高调控速度。

公开(公告)号：CN116772426A

公开(公告)日：2023-09-19

申请号：CN202310752083.9

申请日：2023-06-25

Applicant: 广西大学

Inventor： 殷林飞 ,  熊轶

IPC: F24H15/156 ,  F24H15/262 ,  F24H15/421 ,  F24H15/269

Abstract: 本发明提出一种学习用户画像与深度强化学习的热水系统控制方法，该学习用户画像与深度强化学习方法的主要步骤包括收集大量用户的历史多源异构数据、利用多通道卷积对多源异构数据进行特征融合与提取、采用K‑Means方法对融合提取后的特征数据生成用户的热水使用画像和使用在线式的深度强化学习方法与用户进行实时交互，来不断改进策略模型。所提学习用户画像与深度强化学习方法能解决热水系统中数据驱动方法无法快速投入使用的问题，实现用户个性化的热水控制，优化能源利用效率，提高用户的舒适度，具有很好的可扩展性和适应性，并且整体框架解释性比较优异。