-
公开(公告)号：CN112016240B
公开(公告)日：2023-03-31
申请号：CN202010683969.9
申请日：2020-07-16
Applicant: 广西大学
IPC: G06F30/27 , G06F119/04
Abstract: 本发明提供一种相似证据非完全降解设备剩余稳定使用寿命预测方法，该方法能对设备剩余稳定使用寿命进行预测，无需设备从开始使用到当前状态的所有数据，只需设备当前数据即可预测设备未来稳定使用寿命。本发明提出了结合证据相关性分析法，通过设备参数相关性分析计算得到相关参数类型、相关系数及其权重函数，本发明提出了表示设备使用稳定性的稳定因子概念，利用马尔科夫预测链对表示设备使用稳定性的稳定因子进行预测，通过设备证据构建反向传播神经网络得到设备使用寿命稳定性的稳定因子变化曲线，利用神经网络分析当前及未来时刻设备稳定因子的稳定性，从而得出未来非完全降解设备剩余稳定使用寿命。
-
公开(公告)号：CN113629768A
公开(公告)日：2021-11-09
申请号：CN202110934651.8
申请日：2021-08-16
Applicant: 广西大学
Abstract: 本发明提出一种差分进化变参数矢量情感深度强化学习发电控制方法，该方法由两个差分进化变参数情感深度强化学习分量构成，每个分量结合差分进化、人工情感和深度强化学习，用于综合能源系统的发电控制。首先，所提方法中差分进化用于跳出局部最优解。其次，所提方法中人工情感利用差分进化选择的变量计算情感输出值。然后，所提方法中深度强化学习利用情感输出值更新学习率和动作值。最后，两个深度强化学习分别对状态变量和储能装置输出有功功率进行学习，二者的输出经矢量运算后作为所提方法的结果。所提方法能解决深度强化学习易陷入局部最优解的问题，考虑储能可提高自动发电控制的调节精度，降低发电成本和碳排放量，加快碳中和目标的实现。
-
公开(公告)号：CN112202196A
公开(公告)日：2021-01-08
申请号：CN202010833105.0
申请日：2020-08-18
Applicant: 广西大学
Abstract: 本发明提供一种双馈风力发电机的量子深度强化学习控制方法，该方法能解决电网故障切除后以及在电网电压不对称骤升时的双馈风力发电机定子磁链变化的控制问题。所提方法为贝叶斯量子反馈控制、深度学习和强化学习结合的控制方法。贝叶斯量子反馈控制过程分为状态估计和反馈控制两步，且反馈的输入为历史测量和当前测量记录。贝叶斯量子反馈能有效控制固态量子比特中的消相干。深度学习部分采用卷积神经网络模型和反向传播方法。强化学习部分利用基于马尔科夫决策过程的Q学习作为所提方法整体的控制框架。本发明所提方法能有效提升双馈风力发电机的控制稳定性，提高风能利用效率。
-
Patent Agency Ranking
公开(公告)号：CN112016240A
公开(公告)日：2020-12-01
申请号：CN202010683969.9
申请日：2020-07-16
Applicant: 广西大学
IPC: G06F30/27 , G06F119/04
Abstract: 本发明提供一种相似证据非完全降解设备剩余稳定使用寿命预测方法，该方法能对设备剩余稳定使用寿命进行预测，无需设备从开始使用到当前状态的所有数据，只需设备当前数据即可预测设备未来稳定使用寿命。本发明提出了结合证据相关性分析法，通过设备参数相关性分析计算得到相关参数类型、相关系数及其权重函数，本发明提出了表示设备使用稳定性的稳定因子概念，利用马尔科夫预测链对表示设备使用稳定性的稳定因子进行预测，通过设备证据构建反向传播神经网络得到设备使用寿命稳定性的稳定因子变化曲线，利用神经网络分析当前及未来时刻设备稳定因子的稳定性，从而得出未来非完全降解设备剩余稳定使用寿命。
-
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：CN112103971B
公开(公告)日：2023-07-28
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：CN113629768B
公开(公告)日：2023-06-20
申请号：CN202110934651.8
申请日：2021-08-16
Applicant: 广西大学
Abstract: 本发明提出一种差分进化变参数矢量情感深度强化学习发电控制方法，该方法由两个差分进化变参数情感深度强化学习分量构成，每个分量结合差分进化、人工情感和深度强化学习，用于综合能源系统的发电控制。首先，所提方法中差分进化用于跳出局部最优解。其次，所提方法中人工情感利用差分进化选择的变量计算情感输出值。然后，所提方法中深度强化学习利用情感输出值更新学习率和动作值。最后，两个深度强化学习分别对状态变量和储能装置输出有功功率进行学习，二者的输出经矢量运算后作为所提方法的结果。所提方法能解决深度强化学习易陷入局部最优解的问题，考虑储能可提高自动发电控制的调节精度，降低发电成本和碳排放量。
-
公开(公告)号：CN112202196B
公开(公告)日：2022-04-29
申请号：CN202010833105.0
申请日：2020-08-18
Applicant: 广西大学
Abstract: 本发明提供一种双馈风力发电机的量子深度强化学习控制方法，该方法能解决电网故障切除后以及在电网电压不对称骤升时的双馈风力发电机定子磁链变化的控制问题。所提方法为贝叶斯量子反馈控制、深度学习和强化学习结合的控制方法。贝叶斯量子反馈控制过程分为状态估计和反馈控制两步，且反馈的输入为历史测量和当前测量记录。贝叶斯量子反馈能有效控制固态量子比特中的消相干。深度学习部分采用卷积神经网络模型和反向传播方法。强化学习部分利用基于马尔科夫决策过程的Q学习作为所提方法整体的控制框架。本发明所提方法能有效提升双馈风力发电机的控制稳定性，提高风能利用效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
