基于深度强化学习的综合能源系统规划优化方法及系统

    公开(公告)号:CN119444502B

    公开(公告)日:2025-05-02

    申请号:CN202510031215.8

    申请日:2025-01-09

    Applicant: 山东大学

    Abstract: 本发明属于综合能源系统规划优化技术领域,为了解决综合能源系统规划中存在的求解困难、耗时长等问题,提出基于深度强化学习的综合能源系统规划优化方法及系统,建立综合能源系统的数学模型,确定综合能源系统的目标函数和约束条件,形成初始动态规划优化问题;将初始动态规划优化问题转化为马尔科夫决策过程;利用DDPG算法和预测网络对综合能源系统的历史运行数据进行离线学习;将离线学习的优化参数应用在Online‑DDPG算法中,对初始动态规划优化问题进行求解,得到综合能源系统的最优规划方案。有效解决了维数灾难和信息损失导致的求解模型问题,同时提高了对负荷与可再生能源波动的抗干扰能力。

    一种构网型直驱风机扭振预测方法、装置、设备及存储介质

    公开(公告)号:CN119844308A

    公开(公告)日:2025-04-18

    申请号:CN202411954674.5

    申请日:2024-12-27

    Abstract: 本发明属于风机扭振预测技术领域,具体涉及一种构网型直驱风机扭振预测方法、装置、设备及存储介质,所述方法包括:构建构网型直驱风机的小信号模型;基于轴系双质量块模型,推导强迫振荡发生时直驱风机端口电压和电流信号与直驱风机轴系扭振之间的关系;当强迫振荡发生时,通过构造风电场s域节点导纳模型,得到不同电网节点端口间的传递函数,从而计算所需的电网节点端口电压和电流信号,将计算的电压和电流信号作为构网型直驱风机的小信号模型的输入,结合构网型直驱风机端口电压和电流信号与构网型直驱风机轴系扭振之间的关系计算出强迫振荡引发的构网型直驱风机轴系扭振。有助于及时发现并处理潜在的扭振问题,避免故障的发生。

    一种供热网络半解析建模仿真方法及系统

    公开(公告)号:CN118673735B

    公开(公告)日:2025-03-14

    申请号:CN202411161671.6

    申请日:2024-08-23

    Applicant: 山东大学

    Abstract: 本发明涉及供热网络建模仿真领域,具体公开一种供热网络半解析建模仿真方法及系统,基于SAS表达式将水在管道传输过程中的状态变量替换为关于时间t和空间x的二维函数;构建状态变量关于时间t和空间x的偏导函数;将状态变量二维函数和偏导函数带入水在管道传输过程的PDE方程中,重构管道能量守恒方程和节点能量守恒方程;结合供热网络初始值和/或动态过程中的边界条件约束,对供热网络质调节SAS模型进行求解,获得状态变量二维函数的各项系数;根据状态变量二维函数计算得到任意时间t和空间x处的状态变量。本发明无需PDE的空间离散转化,规避一维方法中稳定性、收敛性、误差累加问题的引入,提高仿真精度。

    一种基于模型预测控制与流场降阶的风电场尾流恢复优化方法

    公开(公告)号:CN118407879B

    公开(公告)日:2024-10-11

    申请号:CN202410774211.4

    申请日:2024-06-17

    Applicant: 山东大学

    Abstract: 本发明提供一种基于模型预测控制与流场降阶的风电场尾流恢复优化方法,属于风电场尾流控制技术领域,包括如下步骤:以加快尾流恢复过程为目的,在固定坐标系下引入基于正弦变化的低频独立变桨信号;构建流场降阶模型,预测不同幅值的独立变桨信号对尾流演化和功率输出的影响;基于流场降阶模型的预测结果,并以发电量最大和控制指令最小为原则构建目标函数,对风电场中各台风机的独立变桨信号进行在线优化。本发明通过周期性独立变桨来加快尾流恢复速度,无需增加扰流机构,提升了尾流控制潜力,降低了工程应用成本;通过IODMD方法构建风电场流场降阶模型,实现风电场流场信息和功率输出的快速预测,提高求解速度,保证风电场能效提升。

    基于数据驱动二次近似方法的最优潮流计算方法及系统

    公开(公告)号:CN117833252B

    公开(公告)日:2024-09-10

    申请号:CN202311746781.4

    申请日:2023-12-15

    Applicant: 山东大学

    Abstract: 本发明属于电力系统技术领域,提供了基于数据驱动二次近似方法的最优潮流计算方法及系统,其方案为:提出基于凸和非凸二次近似的数据驱动最优潮流模型,并给出两种模型协作应用的框架。所提出的基于数据驱动的凸近似模型,利用数据驱动方法生成二次型凸包络来逼近原二次型方程,在遵循物理规律基础上凸化原可行域。所提出的基于数据驱动的非凸近似模型,利用数据驱动生成二次型非凸方程来逼近原二次型方程,在保持可行域精度基础上保留非凸性。基于数据驱动的凸近似模型和基于数据驱动的非凸近似模型的协同框架可实现两种模型的互补利用。最后,在标准最优潮流算例中验证了所提模型在最优性、可行性、可解释性方面均优于当前的最优潮流计算方法。

    一种电磁与机电实时混合仿真方法及装置

    公开(公告)号:CN118211552B

    公开(公告)日:2024-09-03

    申请号:CN202410619739.4

    申请日:2024-05-20

    Applicant: 山东大学

    Abstract: 本发明提供一种电磁与机电实时混合仿真方法及装置,属于电力系统仿真技术领域,所述方法步骤如下:搭建电磁暂态仿真平台和机电暂态仿真平台,并建立两仿真平台的网络连接;将完整的电力系统仿真网络划分为机电暂态子网络和电磁暂态子网络,并对两暂态子网络进行等效得到两仿真模型;通过两仿真模型结合计算数据交互量;使用外插法对仿真步长大的仿真工具进行仿真值预测,实现两仿真工具的仿真步长同步;在动态仿真过程中使用功能模拟接口在两仿真平台之间传输数据交互量。本发明实现电磁与机电混合仿真模型的实时仿真,仿真效率高,并能弥补两仿真工具的步长差距,混合仿真稳定性高,避免浪费计算资源,导出标准化文件实现混合仿真的通用性。

    风电场分群尾流优化方法及系统

    公开(公告)号:CN117967499B

    公开(公告)日:2024-06-25

    申请号:CN202410391204.6

    申请日:2024-04-02

    Applicant: 山东大学

    Abstract: 本发明涉及风力发电技术领域,具体提供一种风电场分群尾流优化方法及系统,包括:根据风机之间的气动耦合水平将整个风电场划分为多个子系统;将尾流优化构建为马尔科夫决策过程,并分别为每个子系统构建深度确定性策略梯度网络;对深度确定性策略梯度网络进行离线预训练,获取各子系统的最佳风机偏航角控制策略;基于最佳风机偏航角控制策略对相应子系统的风机偏航角进行在线调整。本发明不依赖风电场的机理模型,可以避免由于机理模型精度较低、建模存在误差导致的优化效果差等问题。

    网络攻击下基于强化学习的微电网运行优化方法及系统

    公开(公告)号:CN117808174B

    公开(公告)日:2024-05-28

    申请号:CN202410231339.6

    申请日:2024-03-01

    Applicant: 山东大学

    Abstract: 本发明属于电力系统自动化技术领域,提供了网络攻击下基于强化学习的微电网运行优化方法及系统,其技术方案为:将智能体的奖励函数分解为多个子奖励函数并进行独立优化,使每个子奖励函数都达到帕累托最优,避免出现单一奖励函数的局部最优。将智能体选择的动作是否满足相关指标作为子奖励函数的一部分,若动作满足指标,则反馈给智能体额外的奖励值,从而使智能体倾向于选取满足设定指标的动作。在外界网络攻击存在的情况下,构建蜜罐服务器作为一种安全防护措施,起到保护作用的同时最小化攻击损失,具备一定的现实意义。

    基于数据驱动的多能源网络数字孪生实时仿真系统及方法

    公开(公告)号:CN116700049B

    公开(公告)日:2024-05-28

    申请号:CN202310855287.5

    申请日:2023-07-12

    Applicant: 山东大学

    Abstract: 本发明提供了一种基于数据驱动的多能源网络数字孪生实时仿真系统及方法,所述方案包括物理系统模块,其由多能源网络构成;数字孪生模块,其用于接收从物理系统模块测量的环境数据和系统数据,并基于接收的测量数据进行实时仿真;应用模块,其用于接收从物理系统模块测量的环境数据和系统数据,以及来自数字孪生模块的实时仿真结果,并基于获得的测量数据和实时仿真结果产生相应的控制指令,对所述物理系统模块的运行进行相关控制。

Patent Agency Ranking