基于双层强化学习的多能园区调度方法及系统

    公开(公告)号:CN111181201A

    公开(公告)日:2020-05-19

    申请号:CN202010108574.6

    申请日:2020-02-21

    Abstract: 本发明提供的基于双层强化学习的多能园区调度方法及系统,包括获取综合能源系统中的调度可控对象,即源侧单元、负荷侧单元、能量转化单元与存储单元;构建双层优化决策模型,包括上层强化学习子模型和下层混合整数线性规划子模型;上层强化学习子模型获取存储单元在当前时刻的状态变量信息下的动作变量信息,并传输至下层混合整数线性规划子模型;下层混合整数线性规划子模型获取对应的奖励变量和存储单元在下一时刻的状态变量信息,并反馈至上层强化学习子模型;迭代执行上述步骤直至调度结束。本发明实施例通过数据驱动的强化学习方法,仅需根据当前状态进行决策,而无需对未来信息的预测,决策时效性高、决策效果优,能实现实时趋优决策。

    基于双层强化学习的多能园区调度方法及系统

    公开(公告)号:CN111181201B

    公开(公告)日:2021-06-11

    申请号:CN202010108574.6

    申请日:2020-02-21

    Abstract: 本发明提供的基于双层强化学习的多能园区调度方法及系统,包括获取综合能源系统中的调度可控对象,即源侧单元、负荷侧单元、能量转化单元与存储单元;构建双层优化决策模型,包括上层强化学习子模型和下层混合整数线性规划子模型;上层强化学习子模型获取存储单元在当前时刻的状态变量信息下的动作变量信息,并传输至下层混合整数线性规划子模型;下层混合整数线性规划子模型获取对应的奖励变量和存储单元在下一时刻的状态变量信息,并反馈至上层强化学习子模型;迭代执行上述步骤直至调度结束。本发明实施例通过数据驱动的强化学习方法,仅需根据当前状态进行决策,而无需对未来信息的预测,决策时效性高、决策效果优,能实现实时趋优决策。

    基于大语言模型的电力系统数字孪生体交互方法及系统

    公开(公告)号:CN119442853A

    公开(公告)日:2025-02-14

    申请号:CN202411447582.8

    申请日:2024-10-16

    Abstract: 本发明提供一种基于大语言模型的电力系统数字孪生体交互方法及系统,该方法包括:将大语言模型接入电力系统的仿真平台,以执行仿真平台的基础元件生成任务;根据数字孪生体的仿真模型,使用大语言模型生成基于拓扑关系的元件代码;数字孪生体包括多个基础元件;基于大语言模型构建多智能体系统,以使用多智能体系统进行数字孪生体的仿真模型的交互。本发明将大语言模型应用于新型电力系统数字孪生体的仿真交互中,利用大语言模型的自然语言文本的处理能力,依托仿真平台进行基础元件生成、拓扑关系代码生成、智能交互操作,能够满足新型电力系统的需求,具有重要的理论和实践意义。

    含电动公交配电网韧性恢复的方法和装置

    公开(公告)号:CN113675867B

    公开(公告)日:2025-02-07

    申请号:CN202110808860.8

    申请日:2021-07-16

    Abstract: 本发明提供一种含电动公交配电网韧性恢复的方法和装置,其中,方法包括:构建拓扑结构为辐射状的配电网模型和配电网韧性恢复过程中的电动公交模型;基于所述配电网模型和所述电动公交模型构建含电动公交的配电网韧性恢复调度的函数模型;通过获取所述函数模型的最优值,确定调动电动公交对配电网进行供电的数量、电动公交对充电站的充电功率或者电动公交的运营负荷。本发明通过构建电网与电动公交的联合网络,帮助电网实现韧性恢复,同时通过构建恢复调度的函数模型,确定函数最优解情况下的调度方案,实现电网韧性恢复和电动公交运营效用总和的最大化。

Patent Agency Ranking