“殷林飞”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果149个，建议您升级VIP下载更多相关专利

[发明专利]一种综合能源系统的结合比例与深度学习的智能控制方法-CN202310992903.1在审
发明人： 殷林飞;郑达;胡立坤 -专利权人：广西大学
申请日： 2023-08-09 - 公布日： 2023-10-27 - 主分类号： H02J3/48 文献下载
摘要：本发明提出一种综合能源系统的结合比例与深度学习的智能控制方法，该方法包括两个模块，第一个模块是以“比例‑积分‑微分”控制器为基础的实时频率控制模块，第二个模块是以深度学习为基础并融合用户行为的短时频率控制模块。该方法判断频率偏差幅值大小并确定控制方式，当频率偏差较小时采用第一个模块输出部分快速响应的自动发电控制机组发电指令，当频率偏差较大时采用第二个模块，以频率偏差及其微分和积分序列、区域控制偏差及其微分和积分序列、机组特性矩阵和用户行为为输入，输出全部自动发电控制机组发电指令。所提方法能解决综合能源系统中发电控制不合理问题，减小频率偏差，提高控制精度，节约发电成本，降低碳排放，减少网络损耗。
一种综合能源系统结合比例深度学习智能控制方法

[发明专利]一种多模态多目标分层分布式IES大规模加速解析调度方法-CN202310768478.8在审
发明人： 殷林飞;叶泳孜;卢泉 -专利权人：广西大学
申请日： 2023-06-28 - 公布日： 2023-10-24 - 主分类号： G06Q10/0631 文献下载
摘要：本发明提出一种多模态多目标分层分布式IES大规模加速解析调度方法，该方法将将解析式多模态多目标方法、分层分布式分组一致性方法和量子和模糊逻辑的全连接层嵌入式自关注网络加速方法进行结合，用于综合能源系统大规模的加速解析调度。本发明将综合能源系统划分为三个区域，对每一个子区域的内部再次划分为四个层级，随后将第四层的子区域分成两个小组，其中一组为发电机组，另一组为除发电机组外的其他能源。所述方法中分层分布式分组一致性方法利用分层的操作快速得到精确的大规模调度决策方案。所述多模态多目标分层分布式分组IES大规模加速解析调度方法能缩短综合能源系统大规模调度的时间，优化大规模调度的稳定性。
一种多模态多目标分层分布式 ies 大规模加速解析调度方法

[发明专利]一种多时间图谱卷积双向transformer的锅炉炉壁温度增量预测方法-CN202310944287.2在审
发明人： 殷林飞;周航 -专利权人：广西大学
申请日： 2023-07-30 - 公布日： 2023-10-17 - 主分类号： G06F30/27 文献下载
摘要：本发明提出一种多时间图谱卷积双向transformer的锅炉炉壁温度增量预测方法，该多时间图谱卷积双向transformer的锅炉炉壁温度增量预测方法的步骤为：首先对数据进行预处理，然后将预处理后的数据经皮尔逊相关系数分析，筛选出与输出温度关联性高的特征；锅炉1的数据被定义为数据集1，锅炉2的数据被定义为数据集2；数据集1用于训练卷积双向transformer网络，然后基于增量学习的方法，数据集2不断输入到增量卷积双向transformer得到预测值并更新网络参数。所述多时间图谱卷积双向transformer的锅炉炉壁温度增量预测方法能够精准预测数据集1锅炉炉壁的温度，并且在不用重新训练网络的情况下，在数据集2上能取得较高的精度，节约计算资源，提高能源利用率。
一种多时图谱卷积双向 transformer 锅炉炉壁温度增量预测方法

[发明专利]一种竞争条件生成式对抗网络的云储能双层优化控制方法-CN202110881691.0有效
发明人： 殷林飞;杨凯;韩昆仑;高放 -专利权人：广西大学
申请日： 2021-08-02 - 公布日： 2023-10-17 - 主分类号： G06Q30/0201 文献下载
摘要：本发明提出一种竞争条件生成式对抗网络的云储能双层优化控制方法。该方法将竞争学习方法融入条件生成式对抗网络方法，用于云储能的双层优化控制。首先，将竞争学习方法扩展到条件生成式对抗网络训练中，用来预测未来一天的负荷功率；其次，以预测的负荷为基础，建立最优云储能决策的双层模型；最后，采用滚动优化求解云储能最优控制决策。所提方法能能够较好地解决现有条件生成式对抗网络不稳定和模式崩溃的问题，实现电力负荷精确预测，最小化消费者云储能存储的总成本，并对云储能提供商所建设的储能进行合理分配充放电。
一种竞争条件生成对抗网络云储能双层优化控制方法

[发明专利]一种基于CMOA优化的TimesNet-BiLSTM光伏出力预测方法-CN202310976038.1在审
发明人： 殷林飞;张依玲;张林;黄振杰;农骏方 -专利权人：广西大学
申请日： 2023-08-04 - 公布日： 2023-10-13 - 主分类号： G06F18/20 文献下载
摘要：本发明公开了一种基于CMOA优化的TimesNet‑BiLSTM光伏出力预测方法，包括：首先，采集历史光伏出力数据并进行预处理；其次，搭建时序分析骨干网络TimesNet，构建时序分析骨干网络与双向长短期记忆网络组合模型TimesNet‑BiLSTM；最后，采用连续菌根优化自然启发方法CMOA确定时序分析骨干网络与双向长短期记忆网络组合模型TimesNet‑BiLSTM的超参数，并利用训练好的模型进行光伏出力预测。该方法中，时序分析骨干网络TimesNet能实现周期内和周期间的变化的呈现，从而解决了复杂的时间变化难以建模的问题；使用的双向长短期记忆网络BiLSTM能充分利用历史信息，获得更全面的时间序列表示，从而提高预测性能；通过连续菌根优化自然启发方法CMOA寻找最优参数，从而提高光伏出力预测的精确度。
一种基于 cmoa 优化 timesnet bilstm 出力预测方法

[发明专利]一种部分遮蔽光伏多峰的量子加速最大功率点跟踪方法-CN202310363796.6在审
发明人： 殷林飞;刘凤;贺晓宇 -专利权人：广西大学
申请日： 2023-04-07 - 公布日： 2023-10-13 - 主分类号： G05F1/67 文献下载
摘要：本发明提出一种部分遮蔽光伏多峰的量子加速最大功率点跟踪方法，该方法在光伏发电控制技术中利用MobileNet V3网络预测当前遮蔽情况下的光伏组件的最大功率点，通过Grover算法整定分数阶自抗扰控制器的参数从而实现最大功率点的跟踪，最终提高光伏发电效率。所提方法能解决现有的光伏最大功率跟踪技术存在的跟踪速度较慢，稳态振荡严重的问题，实现最大功率跟踪技术，优化寻找最大功率点的寻优过程和控制工作点跟踪最大功率点的控制过程，提高光伏发电效率。
一种部分遮蔽光伏多峰量子加速最大功率跟踪方法

[发明专利]一种基于模型预测与深度强化学习的热水系统控制方法-CN202210755343.3有效
发明人： 殷林飞;熊轶;胡立坤 -专利权人：广西大学
申请日： 2022-06-30 - 公布日： 2023-10-13 - 主分类号： G06N3/04 文献下载
摘要：本发明提出一种基于模型预测与深度强化学习的热水系统控制方法，该方法将监督学习与近端策略优化方法进行结合，用于控制热水系统。首先，所提方法中的监督学习包括循环门控单元、深度神经网络判别器和时间序列预测模块。输入是否外出信息与居住者的行为信息，来预测未来一天居住者行为信息，并输出未来一天近端策略优化方法接入热水系统的概率。若概率小于阈值，则采用两点控制策略并继续训练智能体；反之，则采用近端策略优化方法。其次，所提方法中的近端策略优化方法能学习居住者行为信息，无需特定调整即能应用在各种不同的居住场合，该方法能直接用于居住者家居，减少所需设备的安装与调试的时间，并且该方法的整体框架解释性比较优异。
一种基于模型预测深度强化学习热水系统控制方法

[发明专利]一种IES多模态分层多目标复制者动态一致性优化加速方法-CN202310867807.4在审
发明人： 殷林飞;丁文宇 -专利权人：广西大学
申请日： 2023-07-16 - 公布日： 2023-09-29 - 主分类号： G06Q10/04 文献下载
摘要：本发明提出一种IES多模态分层多目标复制者动态一致性优化加速方法，该方法将多模态问题优化方法、量子和模糊逻辑的全连接层嵌入式自关注网络加速方法和多层多目标分布式复制者动态一致性方法进行结合；应用多层多目标分布式复制者动态一致性方法，在多个优化目标相互博弈的情况下寻找出使博弈演化稳定均衡的最优解；引入小生境策略和二元锦标赛选择机制赋予帕累托解集多模态的特性；在方法的迭代过程中加入量子和模糊逻辑的全连接层嵌入式自关注网络提高方法速度。IES多模态分层多目标复制者动态一致性优化加速方法能解决综合能源系统的多目标优化问题，实现高速获得综合能源系统的解决目标博弈问题的多目标多模态的帕累托解集的功能。
一种 ies 多模态分层多目标复制动态一致性优化加速方法

[发明专利]一种双向门控循环网络及量子Transformer网络的路径规划方法-CN202310747753.8在审
发明人： 殷林飞;韦春有;胡立坤 -专利权人：广西大学
申请日： 2023-06-25 - 公布日： 2023-09-19 - 主分类号： G01C21/20 文献下载
摘要：本发明提出一种双向门控循环网络及量子Transformer网络的路径规划方法，用于解决多移动机器人人的路径规划问题。该方法使用双向门控循环网络匈牙利方法来解决任务分配问题。量子计算方法被结合到Transformer神经网络中形成量子Transformer神经网络。量子Transformer神经网络与强化学习的决策过程相结合，形成基于量子Transformer神经网络的多智能体深度强化学习方法。基于量子Transformer神经网络的多智能体深度强化学习方法为已经分配任务的移动机器人规划路径。所述双向门控循环网络及量子Transformer神经网络的路径规划方法能够提高多移动机器人系统的任务分配方案的准确度，缩短训练时间，能给出准确度高的路径规划动作，优化移动机器人的路径，减少不同移动机器人之间出现碰撞。
一种双向门控循环网络量子 transformer 路径规划方法

[发明专利]一种基于人工情感预测强化学习的智能电网电压控制方法-CN202310738195.9在审
发明人： 殷林飞;吴虹臻 -专利权人：广西大学
申请日： 2023-06-21 - 公布日： 2023-09-19 - 主分类号： H02J3/12 文献下载
摘要：本发明提出一种基于人工情感预测强化学习的智能电网电压控制方法，该方法将Transformer时间序列方法、Grover量子搜索方法与基于人工情感的置信域策略优化深度强化学习方法进行结合，用于电力系统统一时间尺度的电压控制。首先，使用Transformer时间序列方法对历史电压数据进行建模，预测电压的动态变化趋势，为电压控制提供未来时刻的电压数据。其次，基于人工情感的置信域策略优化深度强化学习方法构建智能体模型，获取更加准确、智能、高效的控制策略。最后，使用Grover量子搜索方法对策略更新过程进行优化加速。所述方法能有效解决电压控制系统由于时间尺度不同而存在的控制不协调风险问题，提高电压控制的精度和效率。
一种基于人工情感预测强化学习智能电网电压控制方法

[发明专利]一种学习用户画像与深度强化学习的热水系统控制方法-CN202310752083.9在审
发明人： 殷林飞;熊轶 -专利权人：广西大学
申请日： 2023-06-25 - 公布日： 2023-09-19 - 主分类号： F24H15/156 文献下载
摘要：本发明提出一种学习用户画像与深度强化学习的热水系统控制方法，该学习用户画像与深度强化学习方法的主要步骤包括收集大量用户的历史多源异构数据、利用多通道卷积对多源异构数据进行特征融合与提取、采用K‑Means方法对融合提取后的特征数据生成用户的热水使用画像和使用在线式的深度强化学习方法与用户进行实时交互，来不断改进策略模型。所提学习用户画像与深度强化学习方法能解决热水系统中数据驱动方法无法快速投入使用的问题，实现用户个性化的热水控制，优化能源利用效率，提高用户的舒适度，具有很好的可扩展性和适应性，并且整体框架解释性比较优异。
一种学习用户画像深度强化热水系统控制方法

[发明专利]一种面向隔离病区的多智能体调度控制方法及系统-CN202310759604.3在审
发明人：胡立坤;覃健翔;王一飞;殷林飞;卢泉;李勇 -专利权人：广西大学
申请日： 2023-06-26 - 公布日： 2023-09-15 - 主分类号： G06Q10/0631 文献下载
摘要：本发明提出一种面向隔离病区的多智能体调度控制方法及系统，该方法包括：建立基于多智能体的多隔离区域目标任务点请求配送调度目标函数；各隔离区域目标任务点依据需求向系统提出配送请求；系统依据调度目标函数调度智能体完成配送作业任务。所提群控调度方法能解决调度分配任务不合理的问题，实现结合配送调度系统对多智能体配送任务调度的功能，优化了传统调度多智能体方法消耗时间过长以及消耗能量过大的不足，提升了在多任务多区域密集环境下多智能体的配送效率。
一种面向隔离病区智能调度控制方法系统

[发明专利]一种多分数阶积分注意卷积的超级电容剩余寿命分类方法-CN202310504284.7在审
发明人： 殷林飞;剧文居;卢泉 -专利权人：广西大学
申请日： 2023-05-07 - 公布日： 2023-09-15 - 主分类号： G06F18/241 文献下载
摘要：本发明提出一种多分数阶积分注意卷积的超级电容剩余寿命分类方法，该方法将多分数阶积分方法与变换卷积网络结合，用于超级电容的剩余使用寿命预测。首先，所述方法中的多分数阶积分方法用于处理超级电容的容量数据，捕获超级电容容量数据中的时序依赖关系，同时将多分数阶积分处理后的数据作为注意力机制的输入，增强变化卷积网络长距离的重要特征提取能力。其次，所述方法中变换卷积网络用于挖掘超级电容容量数据中的深层特征。所述多分数阶积分注意卷积的超级电容剩余寿命分类方法能捕捉超级电容充放电容量数据中的时序依赖关系，增强特征提取能力，提高超级电容剩余使用寿命预测准确率。
一种分数积分注意卷积超级电容剩余寿命分类方法

[发明专利]一种解析式多模态多目标分层分布式分组IES调度方法-CN202310701445.1在审
发明人： 殷林飞;叶泳孜;卢泉 -专利权人：广西大学
申请日： 2023-06-14 - 公布日： 2023-09-12 - 主分类号： H02J3/46 文献下载
摘要：本发明提出一种解析式多模态多目标分层分布式分组IES调度方法，该方法将解析式多模态多目标方法和分层分布式分组一致性方法进行结合，用于综合能源系统的大规模调度。本发明将综合能源系统划分为三个区域，对每一个子区域的内部再次划分为四个层级，随后将第四层的子区域分成两个小组，其中一组为发电机组，另一组为除发电机组外的其他能源。所述方法中解析式多模态多目标方法用于得到多样性的多模态大规模调度多目标方案。所述方法中分层分布式分组一致性方法利用分层的操作快速得到精确的大规模调度决策方案。所述解析式多模态多目标分层分布式分组IES调度方法能解决综合能源系统大规模调度多模态的问题，优化大规模调度的稳定性。
一种解析式多模态多目标分层分布式分组 ies 调度方法

[发明专利]一种多模态分布式多目标分层智能大规模IES加速调度方法-CN202310751915.5在审
发明人： 殷林飞;叶泳孜;卢泉 -专利权人：广西大学
申请日： 2023-06-25 - 公布日： 2023-09-08 - 主分类号： H02J3/46 文献下载
摘要：本发明提出一种多模态分布式多目标分层智能大规模IES加速调度方法，该方法将多层分布式多目标一致性方法、量子和模糊逻辑的全连接层嵌入式自关注网络加速方法和多模态多目标智能方法进行结合，用于大规模综合能源系统IES的加速调度。本发明将大规模综合能源系统IES划分为三个区域，对每一个子区域的内部再次划分为四个层级，随后将第四层的子区域分成2个小组，其中一组为参与调度的发电机组，另一组为参与调度的除发电机组外的其他综合能源。所提方法中多层分布式多目标一致性方法能够用于解决大规模综合能源系统IES规模增大和智能体数量增多时系统的鲁棒性和信息私密性问题。所提方法能够加速大规模综合能源系统IES的调度速度。
一种多模态分布式多目标分层智能大规模 ies 加速调度方法

1
2
3
4
5
6
7
8
9
10
下一页»
尾页
共 149 条