-
公开(公告)号：CN118868714A
公开(公告)日：2024-10-29
申请号：CN202410976597.7
申请日：2024-07-20
Applicant: 广西大学
Abstract: 本发明提出一种无电流采样的感应电机滑差频率控制振荡抑制方法，属于电机控制技术领域。本发明控制方法在滑差频率控制的基础上增加了一种定子磁通补偿方法和一个惯性频率控制器。首先，所提方法中定子磁通补偿方法能解决感应电机在低速时的振荡问题。其次，所提惯性频率控制器能解决感应电机在速度变化的动态过程中的超调问题。通过采集到的转子转速对定子磁通作补偿；然后，在定子电压角频率的给定之前加入一个惯性频率控制器。所述磁通补偿方法和惯性频率控制器配合使用，能解决感应电机在调速时或者受到负载扰动时的振荡问题，提升感应电机的带负载能力，提升感应电机系统的稳定性。
-
公开(公告)号：CN118573360A
公开(公告)日：2024-08-30
申请号：CN202410305082.4
申请日：2024-03-18
Applicant: 广西大学
Abstract: 本发明提出一种多权限轻量级密文策略属性基加密方法，属于信息安全中的访问控制技术领域。本发明方法使用椭圆曲线中的点标量乘法来代替双线性配对以减小计算开销，将外包解密与云服务提供的部分解密功能相结合，解决计算能力有限的轻量级物联网设备之间的数据共享问题。所述一种多权限轻量级密文策略属性基加密方法通过验证不同实体之间交换数据的真实性来确保数据的正确性，采用无钥匙托管方法来避免集中权限的单点故障。所述一种多权限轻量级密文策略属性基加密方法与同样使用点标量乘法的方法相比，能显著降低解密和加密过程中的计算开销，符合智能电网环境中低处理能力传感器的要求。
-
公开(公告)号：CN118316652A
公开(公告)日：2024-07-09
申请号：CN202410308867.7
申请日：2024-03-19
Applicant: 广西大学
Abstract: 本发明提出一种属性基加密黑白盒可追踪访问控制方法，属于信息安全访问控制技术领域。本发明方法基于多权限密文策略属性进行加密，然后结合黑盒和白盒追踪访问控制，实现属性基加密黑白盒可追踪访问控制方法，能提高电子医疗系统的数据安全性。所述一种属性基加密黑白盒可追踪访问控制方法具有多属性权限的分布式权限，能用于管理属性和密钥的生成。由于解密过程外包给云服务提供商，所述一种属性基加密黑白盒可追踪访问控制方法能减轻数据用户的计算负担，减少计算开销。所述一种属性基加密黑白盒可追踪访问控制方法能同时具备黑盒与白盒追踪控制，能快速识别恶意泄露信息的数据用户，更好地保护上传到云中的共享数据。
-
公开(公告)号：CN118214025A
公开(公告)日：2024-06-18
申请号：CN202410303610.2
申请日：2024-03-18
Applicant: 广西大学
IPC: H02J3/24 , H02J3/46 , G06N3/0442 , G06N3/092
Abstract: 本发明提出一种计及样本短缺的100%新能源电力系统的发电调控方法，将零样本分类方法、嵌入基于用户基线负荷估算模型的Transformer的深度强化学习方法和少样本学习方法相结合，用以对100%新能源电力系统的频率调控。首先，所提零样本分类方法用来判定100%新能源电力系统频率偏差样本是否为已训练样本，根据已学习样本计数结果将频率偏差样本池归类为大样本数据和少样本数据。其次，所提嵌入基于用户基线负荷估算模型的Transformer的深度强化学习方法用于大样本数据情况的频率控制。再次，利用所提的少样本学习方法用于少样本数据情况的频率控制。本发明能对100%新能源电力系统中大样本和少样本情况进行综合控制，提高样本利用率，优化电力系统的调控方式，提高发电控制精度。
-
公开(公告)号：CN117252389A
公开(公告)日：2023-12-19
申请号：CN202311374857.5
申请日：2023-10-23
Applicant: 广西大学
IPC: G06Q10/0631 , G06Q50/06 , G06F30/20 , G06Q50/26 , H02J3/00 , G06F119/06 , G06F113/04
Abstract: 本发明提出一种基于分布式多目标colshade的100%新型能源系统优化调度方法，该方法首先以发电能耗、碳排放量、系统网损、节点电压偏移量和系统运行能耗为目标构建100%新型能源系统的目标函数。其次利用规格化加权法将多目标问题转换得到单目标优化问题。接下来使用节点撕裂法将区域划分为多区域，各区域独自优化子问题。最后采用colshade方法，通过对每个个体进行适应度评估和选择操作，生成新的个体集合，并不断迭代优化调度策略，最终得到多个目标函数的最优调度方案。所提基于分布式多目标colshade的100%新型能源系统优化调度方法不仅采用了新型能源发电，还解决新型能源系统中的分布式多目标调度问题，实现了对新型能源系统中各个子系统的协同优化调度。
-
Patent Agency Ranking
公开(公告)号：CN116961144A
公开(公告)日：2023-10-27
申请号：CN202310992903.1
申请日：2023-08-09
Applicant: 广西大学
IPC: H02J3/48 , H02J3/24 , G05B13/04 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种综合能源系统的结合比例与深度学习的智能控制方法，该方法包括两个模块，第一个模块是以“比例‑积分‑微分”控制器为基础的实时频率控制模块，第二个模块是以深度学习为基础并融合用户行为的短时频率控制模块。该方法判断频率偏差幅值大小并确定控制方式，当频率偏差较小时采用第一个模块输出部分快速响应的自动发电控制机组发电指令，当频率偏差较大时采用第二个模块，以频率偏差及其微分和积分序列、区域控制偏差及其微分和积分序列、机组特性矩阵和用户行为为输入，输出全部自动发电控制机组发电指令。所提方法能解决综合能源系统中发电控制不合理问题，减小频率偏差，提高控制精度，节约发电成本，降低碳排放，减少网络损耗。
-
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
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：CN116780550A
公开(公告)日：2023-09-19
申请号：CN202310738195.9
申请日：2023-06-21
Applicant: 广西大学
IPC: H02J3/12 , G06F30/27 , G06N3/0455 , G06N3/0499 , G06N3/092 , G06F111/04
Abstract: 本发明提出一种基于人工情感预测强化学习的智能电网电压控制方法，该方法将Transformer时间序列方法、Grover量子搜索方法与基于人工情感的置信域策略优化深度强化学习方法进行结合，用于电力系统统一时间尺度的电压控制。首先，使用Transformer时间序列方法对历史电压数据进行建模，预测电压的动态变化趋势，为电压控制提供未来时刻的电压数据。其次，基于人工情感的置信域策略优化深度强化学习方法构建智能体模型，获取更加准确、智能、高效的控制策略。最后，使用Grover量子搜索方法对策略更新过程进行优化加速。所述方法能有效解决电压控制系统由于时间尺度不同而存在的控制不协调风险问题，提高电压控制的精度和效率。
-
公开(公告)号：CN116722603A
公开(公告)日：2023-09-08
申请号：CN202310751915.5
申请日：2023-06-25
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大规模IES加速调度方法，该方法将多层分布式多目标一致性方法、量子和模糊逻辑的全连接层嵌入式自关注网络加速方法和多模态多目标智能方法进行结合，用于大规模综合能源系统IES的加速调度。本发明将大规模综合能源系统IES划分为三个区域，对每一个子区域的内部再次划分为四个层级，随后将第四层的子区域分成2个小组，其中一组为参与调度的发电机组，另一组为参与调度的除发电机组外的其他综合能源。所提方法中多层分布式多目标一致性方法能够用于解决大规模综合能源系统IES规模增大和智能体数量增多时系统的鲁棒性和信息私密性问题。所提方法能够加速大规模综合能源系统IES的调度速度。
-
公开(公告)号：CN116683465A
公开(公告)日：2023-09-01
申请号：CN202310840564.5
申请日：2023-07-11
Applicant: 广西大学
Abstract: 本发明提出一种基于预测分数阶迁移元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历史电压偏差时间序列进行双向预测，能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；该方法运用双层自适应噪声完备集成经验模态分解对电压偏差序列进行分解，能更精准地控制电网电压；该方法将分数阶自抗扰控制器与基于条件密度估计的元强化学习进行结合，能优化控制器的控制指令，减少训练的时间，节约训练的内存，加快收敛的速度，能更快更稳定地获得更小的电压偏差，提高对电网电压控制的精度，稳定电网的电压。
-
-
-
-
-
-
-
-
-
Search Results
246
records
(took 0.026 seconds)
