-
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。
-
公开(公告)号：CN115630987A
公开(公告)日：2023-01-20
申请号：CN202211276725.4
申请日：2022-10-18
Applicant: 广西大学
Abstract: 本发明提出一种增强深度注意力双向预测的分数阶长期价格引导方法，该方法由增强深度极限分解集成学习机、结合注意力机制的双向门控循环单元、分数阶随机动态微分控制器组成。该方法考虑新能源发电的不稳定性，以电价影响因素作为输入量，输出最优的价格信号。该方法通过数据预处理提取特征数据，用于基准充电需求的预测；该方法中的增强深度极限分解集成学习机和结合注意力机制的双向门控循环单元能解决基准充电需求的预测问题，用于输出最优的预测结果；该方法中的分数阶随机动态微分控制器能通过预测的充电需求和发电量得到最优的价格引导信号。所提方法能减少电力系统的频率偏差，能提高电力系统的稳定性，能解决新能源发电的消纳问题。
-
公开(公告)号：CN115562042A
公开(公告)日：2023-01-03
申请号：CN202211386662.8
申请日：2022-11-07
Applicant: 广西大学
IPC: G05B13/04
Abstract: 本发明提出一种分布式平行多层模型预测控制的发电控制方法，包括分布式平行系统和多层输入模型预测控制两个模块，分布式平行系统根据实际电力系统构建基于模型预测控制的多区域发电控制模型，形成分布式的多智能体虚拟系统，并与实际系统相互修正。区域控制偏差、频率偏差、疫情防控和健康管理信息、天气信息、四小时预测负荷值及日前调度构成模型预测控制模块的多层输入。所提分布式平行多层模型预测控制方法能解决现有的发电控制方法存在的问题，有效平衡发电控制系统的有功功率，减少频率偏差，充分发掘人工系统的潜力，并对复杂系统建立精确的数学模型的问题，优化实际系统与人工系统评估的状态之间的不同，提高实际系统和虚拟系统的拟合度。
-
公开(公告)号：CN110580394B
公开(公告)日：2022-08-12
申请号：CN201910858822.6
申请日：2019-09-11
Applicant: 广西大学
IPC: G06F30/20 , G06Q10/04 , G06Q50/06 , G06F111/08 , G06F113/06
Abstract: 本发明提供一种平行多层蒙特卡罗双馈异步风机参数优化方法，该方法通过平行多层的仿真系统来减少群体智能决策的时间，其核心是在每层仿真系统中灵活运用多区域多粒度蒙特卡方法，每层每区域所使用方法的参数不同，通过使用不同的参数来寻求系统最优化的参数，从而进行必要的决策。本方法的技术效果是：即可实现快速的参数寻优决策，又可以避免一般的蒙特卡罗方法寻优所遇到的“维数灾害”问题。本发明能够对双馈异步风机的比例积分微分控制器参数进行优化。
-
公开(公告)号：CN112202196B
公开(公告)日：2022-04-29
申请号：CN202010833105.0
申请日：2020-08-18
Applicant: 广西大学
Abstract: 本发明提供一种双馈风力发电机的量子深度强化学习控制方法，该方法能解决电网故障切除后以及在电网电压不对称骤升时的双馈风力发电机定子磁链变化的控制问题。所提方法为贝叶斯量子反馈控制、深度学习和强化学习结合的控制方法。贝叶斯量子反馈控制过程分为状态估计和反馈控制两步，且反馈的输入为历史测量和当前测量记录。贝叶斯量子反馈能有效控制固态量子比特中的消相干。深度学习部分采用卷积神经网络模型和反向传播方法。强化学习部分利用基于马尔科夫决策过程的Q学习作为所提方法整体的控制框架。本发明所提方法能有效提升双馈风力发电机的控制稳定性，提高风能利用效率。
-
Patent Agency Ranking
公开(公告)号：CN112800667B
公开(公告)日：2022-04-08
申请号：CN202110074022.2
申请日：2021-01-20
Applicant: 广西大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06N10/00 , G06F113/04
Abstract: 本发明提出一种平行并行量子人工情感深度学习的多层电压控制方法，该方法将量子行走搜索方法与基于人工情感的深度神经网络进行结合，用于电力系统多层电压控制。首先，量子行走方法作为平行控制系统中的人工控制模型对历史电压数据进行概率统计，用于量子快速获取目标控制策略，同时获取更多的原始电压数据。其次，基于人工情感的深度神经网络方法利用量子行走方法产生的电压数据以及历史电压数据提取特征，实现对电压的精准预测。最后，电力系统决策优化模型根据预测的电压实现最优控制。所提方法能有效解决电力系统电压数据样本不足的问题，实现电网电压的精准控制；采用并行式数据流传输，高效地完成平行系统间的数据交换。
-
公开(公告)号：CN114154749A
公开(公告)日：2022-03-08
申请号：CN202111524952.X
申请日：2021-12-14
Applicant: 广西大学
Abstract: 本发明公开了一种考虑实时行为电价分区多模态变形负荷预测方法，该方法包括：对区域负荷按地理及类型两个维度进行分区；对分区历史负荷数据进行经验模态分解和数据变形发掘数据特征及提升数据利用率；将历史负荷数据、实时电价、用户行为数量以及相关环境量作为输入集成学习器完成预测，将各分区的预测结果合并得到最终预测结果。所提方法能够实现电力系统短期负荷预测，提高负荷预测精度。
-
公开(公告)号：CN114066851A
公开(公告)日：2022-02-18
申请号：CN202111360301.1
申请日：2021-11-17
Applicant: 广西大学
Abstract: 本发明提出一种输电线路销钉缺失自动检测神经网络集成方法，该方法将基于回归的SSD网络、基于回归的YOLO网络、基于回归的EfficientDet网络、基于区域建议的FasterRCNN网络和基于区域建议的级联网络集成；对上述五种网络进行单独训练并评价，生成不同的检测模型；然后，对上述五种网络输出的预测框进行投票；进而，对输出的预测框的类别置信度进行加权投票。所提方法能提高输电线路销钉区域检测精度，降低漏检和错检的数量。
-
公开(公告)号：CN113947291A
公开(公告)日：2022-01-18
申请号：CN202111140307.8
申请日：2021-09-28
Applicant: 广西大学
Abstract: 本发明提出一种多模态分布式多目标分层智能综合能源系统调度方法，该方法将多层分布式多目标一致性方法和多模态多目标智能方法进行结合，用于综合能源系统的智能调度。首先，所提方法中多层分布式多目标一致性方法用于解决互联综合能源系统规模增大和智能体数量增多时系统的计算速度、鲁棒性和信息私密性问题。其次，所提方法中多模态多目标智能方法用于解决多模态多目标调度中的多模态特性问题。所提方法利用多区域分层并行处理提升综合能源系统的优化速度，解决多模态多目标调度问题中一个目标空间帕累托前沿对应决策空间两个或者以上的最优帕累托解集的问题，提供多样的可供选择的解集。
-
公开(公告)号：CN113592553A
公开(公告)日：2021-11-02
申请号：CN202110881691.0
申请日：2021-08-02
Applicant: 广西大学
Abstract: 本发明提出一种竞争条件生成式对抗网络的云储能双层优化控制方法。该方法将竞争学习方法融入条件生成式对抗网络方法，用于云储能的双层优化控制。首先，将竞争学习方法扩展到条件生成式对抗网络训练中，用来预测未来一天的负荷功率；其次，以预测的负荷为基础，建立最优云储能决策的双层模型；最后，采用滚动优化求解云储能最优控制决策。所提方法能能够较好地解决现有条件生成式对抗网络不稳定和模式崩溃的问题，实现电力负荷精确预测，最小化消费者云储能存储的总成本，并对云储能提供商所建设的储能进行合理分配充放电。
-
-
-
-
-
-
-
-
-
Search Results
245
records
(took 0.023 seconds)
