-
公开(公告)号：CN115659804A
公开(公告)日：2023-01-31
申请号：CN202211322008.0
申请日：2022-10-27
Applicant: 广西大学
IPC: G06F30/27 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/092 , H02J3/14 , H02J3/24 , H02J3/38 , G06Q50/06 , G06F113/04
Abstract: 本发明提出一种基于预测分数阶强化学习智能电网电压控制方法，该方法运用双向门控循环单元对时间序列进行双向预测以及考虑多维的信息，能够更加准确的预测未来电网电压，从而实现对电网电压更准确的控制；该方法运用卷积神经网络对预测后的信号形成的图片进行特征提取，提取得到的两个特征结果作为分数阶比例积分微分控制器的比例系数和积分系数，能够使控制器的控制精度更高，控制更灵活；该方法将分数阶比例积分微分控制器与状态‑动作‑奖励‑状态‑动作强化学习方法进行结合，能够优化控制器的控制指令，提高对电网电压的控制精度，降低电压的偏差，稳定电压水平，提高电力系统的稳定性。
-
公开(公告)号：CN115510917A
公开(公告)日：2022-12-23
申请号：CN202211244379.1
申请日：2022-10-12
Applicant: 广西大学
Abstract: 本发明提出一种模态分解预测卷积注意力网络的轴承故障诊断方法，该方法先用VGG16对轴承故障检测信号进行分类，输出分类概率大于故障判断设定值的信号，再将输出分类概率小于故障判断设定值的信号进行完全经验集合模态分解，将模态分解后的模态分量与剩余分量用门控循环单元、循环神经网络、长短期记忆网络、双向长短期记忆网络与时间卷积网络方法进行预测，再分别通过一个卷积自注意结合算子进行分类，最后加权求和输出分类结果。所提方法能解决当前轴承故障诊断技术无法同时兼顾高精度和高速度的预测问题，实现提前快速精准地诊断轴承故障的功能，提高故障诊断的精度和速度。
-
公开(公告)号：CN111555368B
公开(公告)日：2022-12-06
申请号：CN202010414841.2
申请日：2020-05-15
Applicant: 广西大学
Abstract: 一种综合能源系统的深度生成式对抗网络调度与控制方法，该方法能解决目前综合能源系统以“电力系统+天然气系统+热力系统”多时间尺度形式的调度与控制方法中难以协调导致系统不稳定的问题。本发明提出结合调度与控制“一体化”的调度控制框架，利用深度生成式对抗网络对系统进行学习，并满足电力系统、天然气系统和热力系统的各种约束条件。本发明提出的方法根据综合能源系统特性和用户用能特点，实时监控能源系统运行数据，在满足供需平衡的基础上，合理分配能源，实现综合能源系统的最优控制，动态维持各能源与用户之间的经济利益最大化，保持频率和电压稳定，本发明方法能替代传统多时间尺度形式的调度与控制算法。
-
公开(公告)号：CN113285454B
公开(公告)日：2022-11-11
申请号：CN202110438082.8
申请日：2021-04-22
Applicant: 广西大学
Abstract: 本发明提出一种宽频带动态谐波能量存储与利用方法，能实现谐波能量的收集与利用；当供电系统向用户端输电时，每一相上安装谐波分析仪用于检测电压的谐波，并用快速傅里叶变换示波器显示电压谐波信号，采用快速傅里叶变换计算谐波间谐波与高次谐波，并通过分析谐波信号来控制谐波能量存储系统的开断；谐波的电压通过交流/直流整流器将谐波电压的能量转换为直流电压，直流电压向谐波能量存储系统充电，将谐波能量存储在谐波能量存储系统中；谐波能量存储系统收集到的谐波能量通过电力逆变器逆变为220V 50Hz的工频三相电压并输送至电网，实现谐波能量的收集与利用。
-
公开(公告)号：CN113346543B
公开(公告)日：2022-10-11
申请号：CN202110620175.2
申请日：2021-06-03
Applicant: 广西大学
Abstract: 本发明提供一种分布式微网电压多层协同控制方法，该方法能解决目前微网电压控制中存在的能源响应灵活性不足与决策优化不充分的问题。首先，提出分布式微网电压多层协同控制框架将微网分为四个电压调控层。所提框架采用改进的执行依赖双启发式动态规划方法对电压控制系统的第一层执行调度；采用一致性方法对电压控制系统的第二层进行优化；采用线性优化方法对电压控制系统的第三层进行调度；采用量子多智能体协同强化学习对电压控制系统的第四层执行决策。所提分布式微网电压多层协同控制方法，对电压控制系统进行调度时考虑了不同层能源调节特性以及不同层能源策略的协调，能够优化电压控制的响应灵活性和决策准确性。
-
Patent Agency Ranking
公开(公告)号：CN114926681A
公开(公告)日：2022-08-19
申请号：CN202210538049.7
申请日：2022-05-18
Applicant: 广西大学
IPC: G06V10/764 , G06V10/82 , G06N3/04
Abstract: 本发明提出一种基于平行系统的风机叶片开裂故障预测方法，该方法包括：对利用数据采集与监视控制系统采集到的风机多维度数据进行数据清洗；在进行数据清洗后，将数据清理后的风机多维度数据按不同模态分为5类生成图像；在生成图像后，将图像输入预设的网络模型，得出预测结果；在得到预测结果后，构建平行风机叶片开裂故障预测系统，选取其中获得最优预测结果的风机叶片开裂故障预测人工系统与风机叶片开裂故障预测实际系统比较运行的差异，再调整优化风机叶片开裂故障预测实际系统的参数，获取更加优化的故障预测结果。本发明能够快速精准地实时预测对应风机叶片一周内是否发生故障，为风电场对风机叶片状态监测检修提供可靠的参考依据。
-
公开(公告)号：CN111799820B
公开(公告)日：2022-07-05
申请号：CN202010458042.5
申请日：2020-05-27
Applicant: 广西大学
Abstract: 本发明提供一种电力系统双层智能混合零星云储能对抗调控方法。该方法构建了含云储能的电力系统实时调度与控制框架，该方法能够解决当前含云储能的电力系统以“机组组合+经济调度+自定发电控制+机组功率分配/储能充放电功率分配”多时间尺度形式的调度与控制方法中难以协调的问题。本发明使用储能用户的历史数据进行预测以实现云储能的统一调度与控制。本发明利用双层长短时记忆网络与深度神经网络方法进行发电功率和储能充放电功率预测；利用强化学习方法建立对抗架构，进而实现含云储能电力系统统一调度与控制。可提高分布式可再生能源的渗透率，保障电力系统安全、可靠、高效运行。
-
公开(公告)号：CN113255954B
公开(公告)日：2022-04-12
申请号：CN202011394571.X
申请日：2020-12-03
Applicant: 广西大学
Abstract: 本发明所提一种混合同构异构深度图神经网络的充电时空预测方法，该方法包含深度神经网络模块、多步自适应动态规划模块、图形神经网络模块和混合同构异构模块；深度神经网络模块实现从自动语言翻译到图像识别的功能，通过多层非线性变换对高复杂性数据建模；多步自适应动态规划模块包含自适应动态规划和自适应多步校正方法，用于解决大规模复杂非线性系统优化控制问题；图形神经网络模块构建电动汽车充电时空预测模型；混合同构异构模块包含同构网络和异构网络，其作用为处理同类和不同类信息；该方法能够有效地解决电动汽车充电负荷在时间和空间具有随机性难以预测的问题。
-
公开(公告)号：CN112217197B
公开(公告)日：2022-04-12
申请号：CN202010900513.3
申请日：2020-09-01
Applicant: 广西大学
Abstract: 本发明提出一种双层分布式的多区域配电网经济调度的优化方法，该方法不仅包括区域分解的母线撕裂法和子区域优化的分布式一致性方法，同时也提出了考虑风电、光伏等新能源的双层分布式多区域配电网经济调度优化框架。首先，母线撕裂法一方面能将大规模电力系统分为若干子区域系统，从而解决大系统复杂度高、计算慢的问题；另一方面区域之间通过共享边界虚拟节点部分信息可实现区域间分布式优化，能很好保护区域之间的信息安全。其次，分布式一致性方法能有效地解决每个子区域配电网内部的信息私密性问题。最后，在大规模互联电力系统中，双层分布式优化方法可以快速、安全且有效地获得多区域配电网的经济调度指令。
-
公开(公告)号：CN110808610B
公开(公告)日：2022-04-01
申请号：CN201911096643.X
申请日：2019-11-11
Applicant: 广西大学 , 广西纵览线缆集团有限公司
IPC: H02J3/38
Abstract: 本发明提供一类基于比例积分微分控制思想的双馈风机优化方法，该方法目的是优化目前双馈风力发电系统控制参数，完成最大功率点追踪，使系统运行的经济性与安全性最优。本发明提出一类基于比例积分微分控制思想的优化方法，包含比例积分微分优化方法、分数阶比例积分微分优化方法、自抗扰优化方法、分数阶自抗扰优化方法，此类方法可以优化控制系统内的比例积分控制器参数使偏差量最小，提高控制器响应时间和控制精度。本发明将基于控制思想的优化方法和双馈风机经典结构整合，通过基于控制思想的优化方法优化控制器参数，使系统控制偏差最小，使运行曲线与最大功率曲线逼近。
-
-
-
-
-
-
-
-
-
Search Results
246
records
(took 0.022 seconds)
