-
公开(公告)号：CN110363399A
公开(公告)日：2019-10-22
申请号：CN201910554358.1
申请日：2019-06-25
Applicant: 广西大学
Abstract: 本发明提供一种混合深度对抗网络滚动强化学习博弈策略，该策略能解决目前能源分布和市场供求失衡问题，最大限度地实现供需均衡。本发明提出的混合深度对抗网络滚动强化学习算法框架，以基于深度对抗网络算法的智能体与多个基于强化学习算法的智能体进行博弈，并在多区域互联的能源系统中进行测试。本发明提出一种混合深度对抗网络滚动强化学习算法来探索一种长期的价格动态引导策略，动态地维持供电、供气、供暖、供冷、供氢和电气化交通等能源产消者之间的经济利益最大化。
-
公开(公告)号：CN109149659A
公开(公告)日：2019-01-04
申请号：CN201811168674.7
申请日：2018-10-08
Applicant: 广西大学
IPC: H02J3/48
Abstract: 本发明提出一种统一时间尺度有功实时经济调控松弛深度学习方法，该方法能解决目前电力系统以“机组组合+经济调度+自动发电控制+机组功率分配”多时间尺度形式的调度与控制方式来经济地控制系统中发电问题难以协调的问题。本发明提出了结合调度与控制“一体化”的实时经济发电调度控制框架，由该框架的发电控制问题提出了松弛深度学习算法，利用深度学习算法对系统进行学习，并利用松弛算子对其结果进行松弛以满足发电调度中各机组的约束。本发明提出统一时间尺度的松弛深度学习算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：CN114626415B
公开(公告)日：2024-08-09
申请号：CN202210245773.0
申请日：2022-03-14
Applicant: 广西大学
IPC: G06F18/2415 , G06F18/213 , G06F18/214 , G06F18/2321 , G06V10/774 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/0475 , G06N3/08 , G06N20/20 , F03D17/00
Abstract: 本发明提出一种基于人工智能的风电机组复合故障诊断方法，首先，该人工智能方法获取风电机组数据采集与检测系统中的数据样本，通过高斯混合模型的期望最大化聚类方法和懒惰矩阵处理脏数据样本；其次，利用卷积神经网络方法提取特征，建立样本属性空间，将广义零次学习方法用于生成未知故障样本，使用门控方法对样本进行预判分类；通过多元分类器和相似性评估分别完成对单一故障样本与复合故障样本的诊断；最后，通过基于堆叠的集成学习完成风电机组故障的最终诊断。所提人工智能方法能解决故障诊断模型样本需求量大的问题，实现风电机组复合故障的诊断，同时实现风电机组故障的全面诊断，提高风电机组复合故障的诊断精度和诊断速度。
-
公开(公告)号：CN118155379A
公开(公告)日：2024-06-07
申请号：CN202410301820.8
申请日：2024-03-17
Applicant: 广西大学
IPC: G08B21/10 , G08B25/10 , G08B25/08 , H04N7/18 , G06F18/241 , G06V10/764 , G06V10/82 , G06V10/96 , G06T7/13 , G06T7/62 , G06T7/11
Abstract: 本发明提出一种支持WAPI的多模态输电线路覆冰监测与预警方法，通过安装在输电杆塔上的可支持WAPI传输的覆冰监测设备加载WAPI通讯加密协议，与临近覆冰监测设备之间通过自动WAPI双向认证后进行无线连接，形成无线通讯链路；设备根据采集图像进行输电线路覆冰程度的模糊估计，并将预警信号和采集图像回传至数据中心进行输电线路覆冰程度的精确计算；数据中心将覆冰预警信息传输至目标临近基站进行除冰作业；所提多模态输电线路覆冰监测与预警设备能解决偏远地区通讯信号弱、覆冰监测易误报的问题，实现偏远地区杆塔与数据中心间的无线传输和对输电线路覆冰程度的准确监测，提高极端天气输电线路的安全性与端对端信息传输的可靠性。
-
公开(公告)号：CN118074110A
公开(公告)日：2024-05-24
申请号：CN202410189460.7
申请日：2024-02-20
Applicant: 广西大学
IPC: H02J3/00 , H02J3/46 , G06Q10/0631 , G06Q50/06 , G06F17/16 , G06F17/18 , G06N3/044 , G06N3/045 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明提出一种基于改进矩阵生成对抗网络的低碳概率经济调度方法，该方法基于多个连续时段的电网负荷值，确定多个不同时段的机组出力，将负荷值和机组出力结合作为矩阵，经过矩阵变换输入生成式对抗网络中并训练网络，同时将时间序列的负荷数据输入自回归递归神经网络中进行负荷预测，使用生成式对抗网络基于未来负荷概率分布生成大量数据，并经过矩阵反变换和松弛操作得到大量机组出力和对应的电网负荷的经济调度方案。所述的概率经济调度方法能解决新能源并网造成的经济调度求解时间长，无法在有限时间内提供最优方案的问题。
-
Patent Agency Ranking
公开(公告)号：CN118014162A
公开(公告)日：2024-05-10
申请号：CN202410353260.0
申请日：2024-03-26
Applicant: 广西大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/0499 , G06N3/08 , G06F17/16 , G06F17/18
Abstract: 本发明提出一种多分数阶双通道注意力卷积网络的风电预测方法，该方法的步骤有：首先将采集到的27维的原始风电数据利用多分数阶积分处理，再利用模糊熵辅助奇异谱分解，将模糊熵最大的3个奇异谱分量进行软阈值收缩并重构，再将处理好的数据转化成图片采样样本分别输入到多轴视觉变换器网络和双密度循环全连接卷积网络进行训练，将两个网络的结果进行特征融合并利用全连接层输出得到该区域风电预测结果。所述方法能够从空间隐藏特征和时间前后依赖关系两种角度对输入特征进行深层特征提取，优化风电预测过程中因风能不确定性带来的预测误差，提高风电预测的精确度。
-
公开(公告)号：CN117914198A
公开(公告)日：2024-04-19
申请号：CN202410102483.X
申请日：2024-01-24
Applicant: 广西大学
Abstract: 本发明提出一种基于定子磁链的感应电机双转矩分层线性控制方法，该方法包括以下结构：机端电压和电流信号采集部分、速度和磁链外层PI控制器、双转矩内层PI控制器，定子磁链估计、有功、无功转矩的计算和解耦线性化部分。其中引入由定子磁链和定子电流的标积表示的无功转矩ηs，随着无功转矩的引入，将快时间尺度的转矩与慢时间尺度的磁链分离，直接对转矩进行控制，取代了电流内环。所述控制方法能提高转矩的响应速度并抑制转矩、电流的纹波，增加参数变化的鲁棒性和提升系统的快速性。
-
公开(公告)号：CN117764111A
公开(公告)日：2024-03-26
申请号：CN202311233973.5
申请日：2023-09-23
Applicant: 广西大学
IPC: G06N3/044 , G06N3/0442 , G06N3/045 , G06N3/0464 , H02J3/00
Abstract: 本发明提出一种风电功率及其概率的预测方法，该方法的结构首先是将输入数据进行预处理，然后，将处理后的信号通过基于自适应噪声完备集成经验模态分解模块进行分解，得到多种时间序列信号；接下来，将模态分解后的信号分别传递到自回归递归网络的概率预测和动态蛇形卷积核，其中传输到动态蛇形卷积核的信号经过拉直处理后，再传输到可解释时间序列预测的神经基扩展分析；最后，将自回归递归网络的概率预测和可解释时间序列预测的神经基扩展结果输入到深度全连接层，得到预测的风电功率和风电功率对应的概率。所提的风电功率及其概率的预测方法能解决模型计算复杂问题，实现风电功率对应的概率预测，优化预测拟合度，提高概率预测的精度。
-
公开(公告)号：CN117708536A
公开(公告)日：2024-03-15
申请号：CN202311743163.4
申请日：2023-12-18
Applicant: 广西大学
IPC: G06F18/20 , G06N3/0442 , G06N3/0499 , G06N3/084 , G06N3/048 , G06N3/096
Abstract: 本发明提出一种可解释性增量Transformer的风电场出力量子迁移平行预测方法，该方法由可解释性多头注意力网络、量子前馈神经网络、变量选择网络、平行系统以及长短期记忆网络编码器和解码器等组件组成。该方法中的量子前馈神经网络能够准确捕捉数据的非线性变化规律，对风电出力进行精准预测。当风向、风速等气候环境发生变化时，该方法通过增加可解释性多头注意力网络的头数实现增量学习，以适应变化后的环境，从而提高实时适应能力。通过对该方法框架中最后两层的量子前馈神经网络和全连接层进行微调，实现迁移学习从而在数据有限的情况下高效利用已有数据，提高泛化能力。此外，平行系统的引入有助于找到最优的模型参数，提高预测性能和鲁棒性。
-
公开(公告)号：CN117575392A
公开(公告)日：2024-02-20
申请号：CN202311539842.X
申请日：2023-11-19
Applicant: 广西大学
IPC: G06Q10/0639 , G06Q50/06 , G06N3/0475 , G06N3/094
Abstract: 本发明提出一种IES多模态分层多目标生成式对抗一致性优化加速方法，该方法将多模态问题优化方法、量子和模糊逻辑的生成式对抗网络加速方法和多层多目标分布式复制者动态一致性方法进行结合；应用多层多目标分布式复制者动态一致性方法，在多个优化目标相互博弈的情况下寻找出使博弈演化稳定均衡的最优解；引入小生境策略和二元锦标赛选择机制赋予帕累托解集多模态的特性；在方法的迭代过程中加入量子和模糊逻辑的生成式对抗网络提高方法速度。IES多模态分层多目标生成式对抗一致性优化加速方法能解决综合能源系统的多目标优化问题，实现高速获得综合能源系统的解决目标博弈问题的多目标多模态的帕累托解集的功能。
-
-
-
-
-
-
-
-
-
Search Results
244
records
(took 0.064 seconds)
