-
公开(公告)号：CN112465184A
公开(公告)日：2021-03-09
申请号：CN202011129405.7
申请日：2020-10-21
Applicant: 广西大学
Abstract: 本发明提出一种少样本生成式对抗学习网络的云储能系统控制方法。该方法将少样本学习方法和生成式对抗网络方法进行结合，用于云储能系统的控制。首先，所提方法中少样本学习方法主要用于历史电力数据的浅层特征提取，同时扩充原始数据样本。其次，所提方法中生成式对抗网络方法主要利用少样本学习方法提取的特征和扩充的数据实现短期电力负荷的精准预测。最后，云储能系统决策优化模型根据预测的负荷实现最优控制。所提方法能够较好地解决当前电网数据真实样本不足的问题，实现电力负荷精确预测，优化控制分布式云储能系统与储能装置间的功率流动，提高能源利用效率。
-
公开(公告)号：CN112398142A
公开(公告)日：2021-02-23
申请号：CN202011152690.4
申请日：2020-10-26
Applicant: 广西大学
Abstract: 本发明提出一种基于经验模态分解的电网频率智能控制方法，该方法包括两个模块，第一个是以长短期记忆人工神经网络为基础的经验模态分解模块，第二个是包含强化学习方法和深度神经网络的控制模块，同时提出双层分步频率控制框架。首先，分解模块将电网频率信号实时分解为多个模态分量，突出信号的规律性。其次，控制模块根据模态分量的高频信号和低频信号调整发电机组的出力，维持电网频率的稳定。最后，在含多机组的电网中，分解模块和控制模块可以有效地应用于双层分步频率控制框架中以获得最优控制性能。
-
公开(公告)号：CN112381271A
公开(公告)日：2021-02-19
申请号：CN202011189644.1
申请日：2020-10-30
Applicant: 广西大学
Abstract: 本发明提出一种快速对抗深度置信网络的分布式多目标优化加速方法，该方法包括了生成式对抗网络的样本数据生成方法和基于深度置信网络的调度优化决策加速方法。首先，通过纳什博弈帕累托多目标优化方法，综合考虑低成本、低碳排放和高舒适度三个目标进行优化。然后，通过生成式对抗网络生成大量样本数据，为深度置信网络的调度优化决策提供数据支持。最后，通过已完成预学习的深度置信网络实现群体智能决策，从而实现信息‑物理‑社会融合能源系统(微元网)的整体最优调度。本发明所提的方法，考虑了能源的社会性，实现了多目标优化的最佳折中，可以利用有限的信息生成大量的数据以辅助决策过程，达到加速优化过程的效果。
-
公开(公告)号：CN112186735A
公开(公告)日：2021-01-05
申请号：CN202010866049.0
申请日：2020-08-25
Applicant: 广西大学
Abstract: 本发明提供一种多群分布式灵活能源服务商长期价格引导方法，该方法由一种等和缩放穿梭因子在多层能源服务商之间互动的方法和一种双边目标值交换迭代方法组成。本发明是基于能源全社会福利最大化的多群分布式灵活能源服务商单目标非完全信息长期动态博弈策略研究，提供一种在非完全信息情况下的长期价格引导方法。本发明提供的一种等和缩放穿梭因子在多层能源服务商之间互动的方法能有效地解决不同能源服务商在长期动态博弈中变换策略所带来的系统失衡问题，并且采用一种双边目标值交换迭代方法在各能源服务商之间交换不完全信息，经过多次迭代后，达到维持系统平衡的效果。
-
公开(公告)号：CN112171661A
公开(公告)日：2021-01-05
申请号：CN202010866054.1
申请日：2020-08-25
Applicant: 广西大学
IPC: B25J9/16
Abstract: 本发明提出一种基于视觉信息融合的机械臂抓取目标物体方法，旨在解决目标物体位于复杂环境的机械臂抓取问题。所述方法包括：通过置于机械臂末端上方的深度相机获取含有目标物体的彩色图像以及相机坐标下的图像深度信息；利用深度学习YOLO目标检测方法对彩色图像中的目标物体进行识别并定位出特征点像素坐标；利用所述彩色图像的特征点像素坐标融合所述的图像深度信息，计算出目标物体特征点在相机坐标系下的三维坐标；由目标物体特征点在相机坐标系下的三维坐标计算出目标物体在相机坐标系下的三维位置和三维位姿；将三维位置和三维位姿转换至机械臂基座坐标系下；利用与机械臂连接的二指夹爪对目标物体进行抓取。
-
Patent Agency Ranking
公开(公告)号：CN112103971A
公开(公告)日：2020-12-18
申请号：CN202010900512.9
申请日：2020-09-01
Applicant: 广西大学
IPC: H02J3/24 , H02J3/30 , H02P27/08 , H02P25/024 , H02P21/14
Abstract: 本发明提供一种电网调频型飞轮储能系统的矢量强化学习控制方法，该方法能解决目前电力系统因新能源发电和分布式发电的随机性、波动性和不确定性对电网的冲击而造成的传统调频资源无法满足调频要求的现状。本发明将飞轮储能系统调频与矢量强化学习相结合，通过对电压进行矢量强化学习选择飞轮储能系统的最优动作，控制系统电机工作于发电机/电动机状态达到系统工作于放电/充电模式，从而达到调整电力系统频率的目的。本发明提出的电网调频型飞轮储能系统的矢量强化学习控制方法，其响应速度远优于传统调频资源，可实现快速调节电网频率，保持电网频率在允许偏差范围之内，维持系统频率稳定性，从而保证电网运行的可靠性和安全性。
-
公开(公告)号：CN110289643B
公开(公告)日：2020-12-01
申请号：CN201910554335.0
申请日：2019-06-25
Applicant: 广西大学
IPC: H02J3/46
Abstract: 本发明所提一种拒识深度微分动态规划实时发电调度与控制算法，该算法能有效解决传统“经济调度+自动发电控制+功率指令分配”组合式算法难以协调控制的问题。本发明所提算法由深度模型网模块、“深度评价网1”模块、“深度评价网2”模块和深度执行网模块组成，其中每个模块的核心均为深度神经网络。本发明所提拒识操作是将微电网系统输出的发电功率指令进行限制操作：当发电功率指令大于拒识阈值时则输出结果；而当发电功率指令小于或等于拒识阈值时，输出传统的比例积分微分算法的结果。本发明所提算法，是利用深度微分动态规划算法对该系统进行学习，使得系统具有较强的泛化能力，可以很好地解决微电网中的发电调度与控制问题。
-
公开(公告)号：CN111769547A
公开(公告)日：2020-10-13
申请号：CN202010532777.8
申请日：2020-06-12
Applicant: 广西大学
Abstract: 本发明提供一种三层联动机制的交互式综合能源系统实时调控方法，用以解决综合能源系统的生产消费信息协同问题，以促进新能源消纳和高效利用。所提方法中，第一层采用提出的可拓展全局二次启发式规划算法，分配传统发电机组出力及分配其他综合能源出力总和。第二层采用提出的快速收缩调度优化算法，求解各类综合能源出力最优组合。第三层采用提出的微颗粒度实时控制算法，调控各类分布式能源、柔性负荷和储能设备。三层联动机制方法每一层调控根据各自区域及前一层的实时信息执行灵活的能源分配策略，解决了综合能源灵活协同控制问题。
-
公开(公告)号：CN111624883A
公开(公告)日：2020-09-04
申请号：CN202010492668.8
申请日：2020-06-03
Applicant: 广西大学
Abstract: 本发明提供一种高维多步分数阶模型预测的光伏最大功率点跟踪方法，该方法能快速准确地跟踪最大功率点，提高太阳能电池板的发电效率。本发明提出了高维多步分数阶模型预测控制框架，包括参考值计算模块、高维信息模块、分数阶模块和多步预测模块。参考值计算模块计算最大功率点参考值。高维信息模块采集和处理高维信息，将高维信息输入到分数阶模块。分数阶模块采用高维多分数阶反馈控制器代替比例积分微分控制器控制器作为反馈校正环节，调整最大功率点参考值。多步预测模块将单步预测模型扩展为多步预测模型，求取在未来多步区间内使输出量和参考值偏差最小的最优控制量。本发明克服了传统功率追踪动态性能差的缺点，同时保证跟踪的准确度。
-
公开(公告)号：CN109193672B
公开(公告)日：2020-06-23
申请号：CN201811184143.7
申请日：2018-10-11
Applicant: 广西大学
IPC: H02J3/12
Abstract: 本发明提出一种优化与控制双层协同二级电压控制方法，该方法包括优化算法和控制算法，即复数编码蜻蜓算法和人工情感强化学习算法，同时提出协同二级电压控制框架。首先，人工情感强化学习算法应用于自动电压调节，该算法可获得最优控制性能并且减轻维数灾难。其次，二级电压控制使用复数编码蜻蜓算法可获得更稳定的收敛性能。最后，在多机电力系统中，协同的复数编码蜻蜓‑人工情感强化学习算法可以有效地获得协同二级电压控制的最高控制性能和收敛性。
-
-
-
-
-
-
-
-
-
Search Results
246
records
(took 0.026 seconds)
