一种基于可解释深度强化学习的电网调度决策方法

    公开(公告)号:CN119813390A

    公开(公告)日:2025-04-11

    申请号:CN202510301374.5

    申请日:2025-03-14

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于可解释深度强化学习的电网调度决策方法,属于电力系统与人工智能相结合的技术领域,包括:获取新能源出力数据、负荷数据及灵活性资源状态数据,构建电网多源数据集;针对电网安全运行要求,构造电力系统与灵活性资源的运行约束;面向电网调度决策需求,建立基于马尔可夫决策过程的电网调度模型;采用可解释深度强化学习理论,训练电网调度决策智能体;通过训练得到的可解释深度强化学习调度决策智能体,滚动生成电网实时调度策略。该方法在实现调度策略高效生成的同时增强了决策过程的可解释性,可以更好地支撑新型电力系统的安全可靠运行。

    一种柔性多向弯曲传感器的制备方法

    公开(公告)号:CN118913078A

    公开(公告)日:2024-11-08

    申请号:CN202410956962.8

    申请日:2024-07-17

    Applicant: 浙江大学

    Abstract: 本发明公开了一种柔性多向弯曲传感器的制备方法;该方法包括制备与弯曲传感器的柔性基底形状适配的刚性模具;将制备所述柔性基底的柔性材料溶化后倒入到所述刚性模具内;所述柔性材料冷却后形成所述柔性基底,将制备所述弯曲传感器的传感单元的液态金属设置到所述柔性基底的对应位置处;形成所述传感单元;通过所述柔性材料对所述柔性基底的侧面进行封装;形成所述弯曲传感器。本发明将制备柔性基底的柔性材料溶化后倒入到所述刚性模具内,制成柔性基底,使柔性基底能够适应于不同关节。之后再将液态金属设置到柔性基底上,与第一电极和第二电极行程传感单元,最后再通过柔性材料进行封装,最终使得弯曲传感器具有较好的性能。

Patent Agency Ranking