-
公开(公告)号：CN109784545A
公开(公告)日：2019-05-21
申请号：CN201811581070.5
申请日：2018-12-24
Abstract: 本发明提供一种基于多智能体的分布式能源枢纽调度方法，该方法包括：S1、将输出最多种类能源载体的枢纽设置为售电方智能体，其余枢纽设置为购电方智能体，并确定调度的目标函数；S2、购电方智能体确定是否接受售电方智能体确定的当前最优联合动作策略，若不接受，则执行S3；S3、购电方智能体确定其能源产量；S4、购电方智能体计算其能源产量对应的动作值，形成每一个购电方智能体的产量-动作对；S5、购电方智能体计算产量-动作对的奖励函数，并根据奖励函数更新知识矩阵；S6、购电方智能体根据更新的知识矩阵更新动作策略，与售电方智能体进行博弈。本发明能够在分布式能源枢纽中有效求得平衡点，并能有效提高最优解的精确性。
-
公开(公告)号：CN109712019A
公开(公告)日：2019-05-03
申请号：CN201811525316.7
申请日：2018-12-13
Abstract: 本发明提供一种多能楼宇实时能量管理的优化方法，该方法包括如下步骤：建立多能楼宇管理优化模型；将历史电价上下限区间分为若干个子区间，从若干个子区间中提取数据点形成源任务输入样本，并获取源任务输入样本对应的初始记忆矩阵；对源任务输入样本和对应的初始记忆矩阵进行机器学习，并根据多能楼宇管理优化模型获得每一个源任务输入样本对应的最优记忆矩阵；获取当前实时电价，计算当前实时电价与源任务输入样本的相似度，并根据相似度最高的源任务输入样本对应的最优记忆矩阵计算获得当前实时电价的初始记忆矩阵，并进行机器学习，计算获得多能楼宇管理优化系统的出力方案。本发明能够在实时电价的机制下，快速获得多能楼宇系统的出力方案。
-
公开(公告)号：CN103904641B
公开(公告)日：2016-05-04
申请号：CN201410097457.9
申请日：2014-03-14
Applicant: 华南理工大学 , 云南电网公司电网规划研究中心
Abstract: 本发明公开了基于相关均衡强化学习的孤岛微电网智能发电控制方法，步骤为：1、确定微电网状态离散集和联合控制动作集；2、针对各机组状态动作值函数和均衡策略进行初始化；3、采集微电网实时频率偏差和各机组功率偏差值；4、确定当前控制周期各机组立即奖励值；5、更新当前控制周期下各机组的状态动作值函数；6、求解相关均衡强化学习的线性规划，获取当前控制周期下相关均衡联合动作的最优均衡策略；7、选择各机组协作动作，控制各机组在下一个控制周期时按照该协作动作进行工作，进入下一控制周期，返回3。本发明在相关均衡强化学习的线性规划下获得最优均衡策略，能更好的适应孤岛运行模式下微电网系统的复杂工况，具有收敛快的优点。
-
公开(公告)号：CN105429185A
公开(公告)日：2016-03-23
申请号：CN201510900458.7
申请日：2015-12-08
Applicant: 华南理工大学
IPC: H02J3/48
CPC classification number: H02J3/48
Abstract: 本发明公开了一种具有鲁棒协同一致性的经济调度方法，所述方法的具体步骤如下：确定拉普拉斯矩阵L；获取总功率PD，并且对各台机组的发电功率进行初始化，计算功率偏差；实时修正拉普拉斯矩阵L；计算一致性增益函数c(k)；对领导者和跟随者的虚拟一致性变量进行更新；计算各机组的真实一致性变量；求解各台机组的发电功率PGi；求出功率偏差ΔP，并判断是否满足功率误差容限Perror；若满足，迭代结束，输出优化结果。该发明解决了传统的CCA算法对理想通信网络过度依赖的问题，具有对传输时延和噪声干扰的鲁棒性；解决了传统的CCA算法对机组从通信拓扑关键位置断开的脆弱性，兼顾了机组的即插即用特性。
-
公开(公告)号：CN103490413B
公开(公告)日：2015-09-02
申请号：CN201310451728.1
申请日：2013-09-27
Applicant: 华南理工大学
IPC: H02J3/00
Abstract: 本发明公开了一种基于智能体均衡算法的智能发电控制方法，包括以下步骤：步骤1、分析系统特性，确定状态离散集S；步骤2、确定联合动作离散集A；步骤3、在每个控制周期开始时采集各个区域电网的实时运行数据:Δf、ΔP，并计算各个区域ACEi(k)的瞬时值与CPSi(k)的瞬时值；步骤4、由当前状态s，获得区域电网i的立即奖励值Ri(k)；步骤5、由线性均衡和选定的均衡选择函数求取相关均衡联动策略；步骤6、对所有区域电网j执行相应操作；步骤7、在下一次控制周期到来时，返回步骤3。具有在控制过程中能找到更优的均衡点，提高了各区域电网协调发电的能力，显著提高了电力系统的稳定性与鲁棒性等优点。
-
Patent Agency Ranking
公开(公告)号：CN105023056B
公开(公告)日：2018-10-30
申请号：CN201510369060.5
申请日：2015-06-26
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于群智能强化学习的电网最优碳能复合流获取方法，步骤为：S1、建立多目标最优碳能复合流模型目标函数；S2、根据目标函数设置奖励函数；S3、根据资格迹来更新每个主体的Qi值矩阵；S4、计算每个主体的贪婪动作；S5、更新每个主体的动作概率矩阵；S6、随机选择每个主体当前状态下的预判动作；S7、协同输入多个主体，求解群体最优动作；S8、更新得到修正后的动作值；S9、确定控制变量矩阵，进行潮流计算；S10、潮流计算后，判断Q值矩阵是否收敛，若是，将最后一次潮流计算得到结果作为电网最优碳能复合流；否则回S2。本发明方法使电网中的能量流和碳排放流损耗量达到最小，在保证较好全局寻优能力的同时，明显提高算法的收敛速度。
-
公开(公告)号：CN104037761B
公开(公告)日：2017-01-11
申请号：CN201410295167.5
申请日：2014-06-25
Applicant: 南方电网科学研究院有限责任公司 , 海南电网公司 , 华南理工大学
IPC: H02J3/00
Abstract: 本发明公开了一种基于改进TOPSIS-Q的AGC功率多目标随机优化分配方法，其步骤为：(1)确定状态离散集和动作离散集；(2)对各个状态-动作值函数以及状态-动作概率矩阵进行初始化；出有功功率；(4)获得各个优化目标的立即奖励值；(5)更新各优化目标的状态-动作值函数；(6)采用极差变换法对状态-动作值矩阵进行归一化处理，求解出各个最优权重系数；(7)求解出当前状态下的贪婪动作，更新状态-动作概率矩阵；(8)根据当前的状态-动作概率矩阵选择动作，并在下一个控制周期到来时，返回步骤(3)。本发明多目标优化方法结合了改进TOPSIS多目标决策方法，能满足实时性要求很高的AGC闭环控制系统的动态多目标随机优化需求。(3)采集当前控制周期区域电网各机组的实时输
-
公开(公告)号：CN103683337B
公开(公告)日：2016-01-06
申请号：CN201310656811.2
申请日：2013-12-05
Applicant: 华南理工大学
Abstract: 本发明公开了一种互联电网CPS指令动态分配优化方法，包括以下步骤：步骤1、确定控制目标；步骤2、确定状态离散集S；步骤3、选择平衡机组并确定联合动作离散集A；步骤4、计算该区域ACE(k)的瞬时值与CPS(k)的瞬时值；步骤5、获得每个智能体的立即奖励值Ri(k)；步骤6、由线性均衡和均衡选择函数求取相关均衡联动策略；步骤7、对所有机组j执行相应操作；步骤8、在下一次控制周期到来时，返回步骤4。具有能有效降低各类机组的频繁调节次数，提高了AGC系统的CPS控制性能，特别适用于火电占优、机组组合复杂的互联电网CPS指令动态分配优化等优点。
-
公开(公告)号：CN104037761A
公开(公告)日：2014-09-10
申请号：CN201410295167.5
申请日：2014-06-25
Applicant: 南方电网科学研究院有限责任公司 , 海南电网公司 , 华南理工大学
IPC: H02J3/00
Abstract: 本发明公开了一种基于改进TOPSIS-Q的AGC功率多目标随机优化分配方法，其步骤为：(1)确定状态离散集和动作离散集；(2)对各个状态-动作值函数以及状态-动作概率矩阵进行初始化；(3)采集当前控制周期区域电网各机组的实时输出有功功率；(4)获得各个优化目标的立即奖励值；(5)更新各优化目标的状态-动作值函数；(6)采用极差变换法对状态-动作值矩阵进行归一化处理，求解出各个最优权重系数；(7)求解出当前状态下的贪婪动作，更新状态-动作概率矩阵；(8)根据当前的状态-动作概率矩阵选择动作，并在下一个控制周期到来时，返回步骤(3)。本发明多目标优化方法结合了改进TOPSIS多目标决策方法，能满足实时性要求很高的AGC闭环控制系统的动态多目标随机优化需求。
-
公开(公告)号：CN103904641A
公开(公告)日：2014-07-02
申请号：CN201410097457.9
申请日：2014-03-14
Applicant: 华南理工大学 , 云南电网公司电网规划研究中心
Abstract: 本发明公开了基于相关均衡强化学习的孤岛微电网智能发电控制方法，步骤为：1、确定微电网状态离散集和联合控制动作集；2、针对各机组状态动作值函数和均衡策略进行初始化；3、采集微电网实时频率偏差和各机组功率偏差值；4、确定当前控制周期各机组立即奖励值；5、更新当前控制周期下各机组的状态动作值函数；6、求解相关均衡强化学习的线性规划，获取当前控制周期下相关均衡联合动作的最优均衡策略；7、选择各机组协作动作，控制各机组在下一个控制周期时按照该协作动作进行工作，进入下一控制周期，返回3。本发明在相关均衡强化学习的线性规划下获得最优均衡策略，能更好的适应孤岛运行模式下微电网系统的复杂工况，具有收敛快的优点。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.035 seconds)
