公开(公告)号：CN115659804A

公开(公告)日：2023-01-31

申请号：CN202211322008.0

申请日：2022-10-27

Applicant: 广西大学

Inventor： 殷林飞 ,  莫难 ,  胡立坤 ,  农海斌 ,  韦玲玲 ,  熊奕锦 ,  莫昕瑜

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/092 ,  H02J3/14 ,  H02J3/24 ,  H02J3/38 ,  G06Q50/06 ,  G06F113/04

Abstract: 本发明提出一种基于预测分数阶强化学习智能电网电压控制方法，该方法运用双向门控循环单元对时间序列进行双向预测以及考虑多维的信息，能够更加准确的预测未来电网电压，从而实现对电网电压更准确的控制；该方法运用卷积神经网络对预测后的信号形成的图片进行特征提取，提取得到的两个特征结果作为分数阶比例积分微分控制器的比例系数和积分系数，能够使控制器的控制精度更高，控制更灵活；该方法将分数阶比例积分微分控制器与状态‑动作‑奖励‑状态‑动作强化学习方法进行结合，能够优化控制器的控制指令，提高对电网电压的控制精度，降低电压的偏差，稳定电压水平，提高电力系统的稳定性。

公开(公告)号：CN115513971A

公开(公告)日：2022-12-23

申请号：CN202211197872.2

申请日：2022-09-29

Applicant: 广西大学

Inventor： 殷林飞 ,  樊柏岭 ,  胡立坤 ,  李大江 ,  彭俊锋 ,  农海斌 ,  莫昕瑜 ,  熊奕锦

IPC: H02J3/24 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明提出一种卷积网络软演员评论家的低频和超低频振荡抑制方法，该方法将卷积神经网络和软演员评论家强化学习方法进行结合，用于低频振荡和超低频振荡的分类和抑制。首先，所提方法中卷积神经网络方法根据得到的频率偏差波形，通过训练完成的神经网络实现振荡和超低频振荡的分类问题。其次，所提方法中软演员评论家强化学习方法发出控制指令，调节调速器中的参数，进而抑制低频或超低频振荡。所提卷积网络软演员评论家的低频和超低频振荡抑制方法能够对于水电机组占比大的电网中存在的低频振荡和超低频振荡问题进行分类，并根据得到的分类结果，通过强化学习的控制方法，实现快速频率调节，从而保证电网运行的可靠性和安全性。