-
公开(公告)号：CN117522029A
公开(公告)日：2024-02-06
申请号：CN202311481328.5
申请日：2023-11-08
Applicant: 广西大学
IPC: G06Q10/0631 , G06Q50/06 , G06N3/0442 , G06Q10/04 , H02J3/00 , G06N3/0455
Abstract: 本发明提出一种基于预测卷积神经网络的多目标经济调度方法，该方法先用互补自适应噪声完备集合经验模态分解方法对原始信号进行分解，将分解后的信号用门控循环单元、双向门控循环单元和一种基于双向门控循环单元和双向长短期网络融合的深度启发式进化回归方法预测，将预测后的信号拼接并转换为一张红色绿色蓝色图片，将图片输入ConvNeXt‑T网络进行模型训练，得到ConvNeXt‑T网络的最终模型，将待调度系统的输入信号输入到训练好的整个网络中，输出最终的调度方案。所述方法能解决当前电力系统经济调度解决方法无法同时兼顾减少能源损耗、线路损耗、二氧化碳排放，满足负荷供需平衡和提高调度效率的多目标调度问题，能够迅速准确地给出最优的经济调度方案。
-
公开(公告)号：CN117411042A
公开(公告)日：2024-01-16
申请号：CN202311367651.X
申请日：2023-10-22
Applicant: 广西大学
Abstract: 本发明提出一种基于个性化联邦蒸馏学习的综合能源系统控制方法，该方法的步骤有：综合能源系统中央服务器将全局模型Transformer每一轮随机发送至部分区域综合能源系统；区域综合能源系统测量区域的频率偏差和有功功率偏差与能量偏差数据并输入全局模型Transformer；对全局模型Transformer运行随机梯度下降步骤并计算损失函数后更新全局模型Transformer并发送回综合能源系统中央服务器；综合能源系统中央服务器对全局模型Transformer进行迭代；迭代n次后得到最终迭代模型并用小型双向编码的Transformer蒸馏方法缩小模型，得到子全局模型；最后将数据输入子全局模型中，经过拒识操作后控制各区域综合能源系统中的单位；基于个性化联邦蒸馏学习的综合能源系统控制方法能在环境变化时高效控制综合能源系统。
-
公开(公告)号：CN117150383A
公开(公告)日：2023-12-01
申请号：CN202311082316.5
申请日：2023-08-27
Applicant: 广西大学
IPC: G06F18/2415 , G01R31/367 , G01R31/385 , B60L3/00 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本发明提出一种ShuffleDarkNet37‑SE的新能源汽车动力电池故障分类方法，该ShuffleDarkNet37‑SE方法包括：在汽车传感器获取新能源汽车初始数据后，对新能源汽车初始数据预处理；在数据预处理后，将数据输入ShuffleDarkNet37‑SE分类网络；在分类网络输出结果后，进行相应的电池故障告警提示。所提ShuffleDarkNet37‑SE方法能对新能源汽车电池的故障类型进行判断，实现及时预警功能，减少汽车电池故障。
-
公开(公告)号：CN116979621A
公开(公告)日：2023-10-31
申请号：CN202310962150.X
申请日：2023-08-02
Applicant: 广西大学
Abstract: 本发明提出一种并网逆变器虚拟串联补偿控制方法，属于电力电子并网逆变器控制技术领域。本发明控制方法在间接电流控制的基础上增加了虚拟串联补偿控制，从而提升逆变器远距离并网的电能传输效率。通过采集并网点电压信号并运用锁相环获取并网点电压的相位角。此外，采集逆变器输出电流信号并进行abc/dq坐标变换。最后，将dq坐标系下的电流信号输入到电流环控制器和虚拟串联补偿控制器，并将两个控制器中前者与后者的输出信号作差后得到逆变器的调制信号。所述虚拟串联补偿控制与实际电容串联补偿在效果上等效，可以提升逆变器远距离电能传输的效率，降低新能源发电输电损耗，提升系统的稳定性。
-
公开(公告)号：CN116881665A
公开(公告)日：2023-10-13
申请号：CN202310976038.1
申请日：2023-08-04
Applicant: 广西大学
IPC: G06F18/20 , G06N3/0442 , G06N3/08 , G06Q50/06 , G06N3/006
Abstract: 本发明公开了一种基于CMOA优化的TimesNet‑BiLSTM光伏出力预测方法，包括：首先，采集历史光伏出力数据并进行预处理；其次，搭建时序分析骨干网络TimesNet，构建时序分析骨干网络与双向长短期记忆网络组合模型TimesNet‑BiLSTM；最后，采用连续菌根优化自然启发方法CMOA确定时序分析骨干网络与双向长短期记忆网络组合模型TimesNet‑BiLSTM的超参数，并利用训练好的模型进行光伏出力预测。该方法中，时序分析骨干网络TimesNet能实现周期内和周期间的变化的呈现，从而解决了复杂的时间变化难以建模的问题；使用的双向长短期记忆网络BiLSTM能充分利用历史信息，获得更全面的时间序列表示，从而提高预测性能；通过连续菌根优化自然启发方法CMOA寻找最优参数，从而提高光伏出力预测的精确度。
-
Patent Agency Ranking
公开(公告)号：CN116757426A
公开(公告)日：2023-09-15
申请号：CN202310759604.3
申请日：2023-06-26
Applicant: 广西大学
IPC: G06Q10/0631 , G06Q10/083
Abstract: 本发明提出一种面向隔离病区的多智能体调度控制方法及系统，该方法包括：建立基于多智能体的多隔离区域目标任务点请求配送调度目标函数；各隔离区域目标任务点依据需求向系统提出配送请求；系统依据调度目标函数调度智能体完成配送作业任务。所提群控调度方法能解决调度分配任务不合理的问题，实现结合配送调度系统对多智能体配送任务调度的功能，优化了传统调度多智能体方法消耗时间过长以及消耗能量过大的不足，提升了在多任务多区域密集环境下多智能体的配送效率。
-
公开(公告)号：CN112072693B
公开(公告)日：2023-06-23
申请号：CN202010680232.1
申请日：2020-07-15
Applicant: 广西大学
IPC: H02J3/38 , H02J3/24 , H02P9/14 , H02P21/14 , H02P101/15
Abstract: 本发明提供一种高维多分数阶双馈风机控制的高维多分数阶优化方法，该方法将高维多分数阶的控制思想运用到优化方法中，形成高维多分数阶优化方法。该方法利用高维多分数阶优化方法对高维多分数阶的控制器参数进行整定，通过高维多分数阶控制器对双馈风力发电系统中的转子侧变流器进行控制。本发明中高维多分数阶控制器引入了多维误差信息，提高了反馈信息的完整性；引入分数阶，提高了动态调整的范围，高维多分数阶优化方法通过高维多分数阶离散控制的形式对目标函数进行寻优，能缩短寻优时间，且能提高寻优的准确性。本发明能实现基于控制器思想的优化方法对双馈风力发电控制中四个控制器的最优参数整定，实现最大功率点追踪。
-
公开(公告)号：CN113629768B
公开(公告)日：2023-06-20
申请号：CN202110934651.8
申请日：2021-08-16
Applicant: 广西大学
Abstract: 本发明提出一种差分进化变参数矢量情感深度强化学习发电控制方法，该方法由两个差分进化变参数情感深度强化学习分量构成，每个分量结合差分进化、人工情感和深度强化学习，用于综合能源系统的发电控制。首先，所提方法中差分进化用于跳出局部最优解。其次，所提方法中人工情感利用差分进化选择的变量计算情感输出值。然后，所提方法中深度强化学习利用情感输出值更新学习率和动作值。最后，两个深度强化学习分别对状态变量和储能装置输出有功功率进行学习，二者的输出经矢量运算后作为所提方法的结果。所提方法能解决深度强化学习易陷入局部最优解的问题，考虑储能可提高自动发电控制的调节精度，降低发电成本和碳排放量。
-
公开(公告)号：CN115953361A
公开(公告)日：2023-04-11
申请号：CN202211586011.3
申请日：2023-02-04
Applicant: 广西大学
Abstract: 本发明提出一种多模态融合注意力机制的重铬酸钾滴定测定方法，该方法获取标准溶液的初始体积和浓度并进行多级速度模式的滴定分析；采集待测溶液状态图像并进行预处理操作；将预处理操作后的状态图像输入融合GoogLeNet的多注意力机制网络进行处理，输出状态图像特征矩阵；采集光谱图并获取待测溶液光谱数据矩阵；将状态图像特征矩阵和光谱数据矩阵进行多模态融合，输出颜色特征值；根据颜色特征值判断滴定分析是否到达滴定终点；若未到达滴定终点，继续滴定分析；若到达滴定终点，停止滴定分析；计算并输出待测溶液的含量；所提方法能提高自动滴定的速度和效率，能够识别颜色微小变化，准确提取确颜色特征值，提高重铬酸钾滴定的精度。
-
公开(公告)号：CN115796036A
公开(公告)日：2023-03-14
申请号：CN202211523777.7
申请日：2022-12-01
Applicant: 广西大学
IPC: G06F30/27 , G06N3/084 , G06F111/04 , G06F111/10 , G06F119/08
Abstract: 本发明提出一种综合能源系统薄弱环节的深度强化学习动态辨识方法，该方法采用深度确定性策略梯度方法识别综合能源系统薄弱环节，通过迭代的方式避免综合能源系统参数不一致以及结构发生变化时的薄弱环节发生变化的情况，能够在线更新薄弱环节的输出结果，实时跟踪综合能源薄弱环节。解决无法动态辨识综合能源系统薄弱环节的问题，动态辨识综合能源系统的薄弱环节，提高综合能源系统薄弱环节辨识的动态性。
-
-
-
-
-
-
-
-
-
Search Results
244
records
(took 0.035 seconds)
