专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果15个,建议您升级VIP下载更多相关专利
  • [发明专利]一种电网调频型飞轮储能系统的矢量强化学习控制方法-CN202010900512.9有效
  • 殷林飞;李钰;马晨骁;高放 - 广西大学
  • 2020-09-01 - 2023-07-28 - H02J3/24
  • 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。
  • 一种电网调频飞轮系统矢量强化学习控制方法
  • [发明专利]一种量子迁移平行多层蒙特卡罗双馈风机参数优化方法-CN202011016328.4有效
  • 殷林飞;黄天蔚;马晨骁;高放 - 广西大学
  • 2020-09-24 - 2022-06-21 - G06F17/18
  • 本发明提出一种量子迁移平行多层蒙特卡罗双馈风机参数优化方法,该方法包括基于量子位概率幅的种群编码方法和迁移平行多层蒙特卡罗方法优化方法;同时提出双馈风机转子侧控制器比例积分微分参数的优化框架。首先,基于量子位概率幅的种群编码方法生成蒙特卡罗随机点,可在种群数不变的情况下提高种群的多样性。然后,通过多层多粒度的平行多层蒙特卡罗方法获得多组比例积分微分参数以及体现控制器性能的适应度值。其次,通过迁移学习来学习以往的经验知识,以提高优化计算速度。最后,再通过多层多粒度的平行多层蒙特卡罗优化方法获得控制性能良好的双馈风机转子侧控制器的比例积分微分参数。
  • 一种量子迁移平行多层蒙特卡罗双馈风机参数优化方法
  • [发明专利]一种双馈风力发电机的量子深度强化学习控制方法-CN202010833105.0有效
  • 殷林飞;雷嘉明;李钰;马晨骁;高放 - 广西大学
  • 2020-08-18 - 2022-04-29 - H02J3/38
  • 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。
  • 一种风力发电机量子深度强化学习控制方法
  • [发明专利]一种混合同构异构深度图神经网络的充电时空预测方法-CN202011394571.X有效
  • 殷林飞;陈培文;马晨骁;高放 - 广西大学
  • 2020-12-03 - 2022-04-12 - G06Q10/04
  • 本发明所提一种混合同构异构深度图神经网络的充电时空预测方法,该方法包含深度神经网络模块、多步自适应动态规划模块、图形神经网络模块和混合同构异构模块;深度神经网络模块实现从自动语言翻译到图像识别的功能,通过多层非线性变换对高复杂性数据建模;多步自适应动态规划模块包含自适应动态规划和自适应多步校正方法,用于解决大规模复杂非线性系统优化控制问题;图形神经网络模块构建电动汽车充电时空预测模型;混合同构异构模块包含同构网络和异构网络,其作用为处理同类和不同类信息;该方法能够有效地解决电动汽车充电负荷在时间和空间具有随机性难以预测的问题。
  • 一种混合同构深度神经网络充电时空预测方法
  • [发明专利]一种双层分布式的多区域配电网经济调度的优化方法-CN202010900513.3有效
  • 殷林飞;孙志响;马晨骁;高放 - 广西大学
  • 2020-09-01 - 2022-04-12 - H02J3/00
  • 本发明提出一种双层分布式的多区域配电网经济调度的优化方法,该方法不仅包括区域分解的母线撕裂法和子区域优化的分布式一致性方法,同时也提出了考虑风电、光伏等新能源的双层分布式多区域配电网经济调度优化框架。首先,母线撕裂法一方面能将大规模电力系统分为若干子区域系统,从而解决大系统复杂度高、计算慢的问题;另一方面区域之间通过共享边界虚拟节点部分信息可实现区域间分布式优化,能很好保护区域之间的信息安全。其次,分布式一致性方法能有效地解决每个子区域配电网内部的信息私密性问题。最后,在大规模互联电力系统中,双层分布式优化方法可以快速、安全且有效地获得多区域配电网的经济调度指令。
  • 一种双层分布式区域配电网经济调度优化方法
  • [发明专利]一种平行并行量子人工情感深度学习的多层电压控制方法-CN202110074022.2有效
  • 殷林飞;张辰微;马晨骁;高放 - 广西大学
  • 2021-01-20 - 2022-04-08 - G06F30/27
  • 本发明提出一种平行并行量子人工情感深度学习的多层电压控制方法,该方法将量子行走搜索方法与基于人工情感的深度神经网络进行结合,用于电力系统多层电压控制。首先,量子行走方法作为平行控制系统中的人工控制模型对历史电压数据进行概率统计,用于量子快速获取目标控制策略,同时获取更多的原始电压数据。其次,基于人工情感的深度神经网络方法利用量子行走方法产生的电压数据以及历史电压数据提取特征,实现对电压的精准预测。最后,电力系统决策优化模型根据预测的电压实现最优控制。所提方法能有效解决电力系统电压数据样本不足的问题,实现电网电压的精准控制;采用并行式数据流传输,高效地完成平行系统间的数据交换。
  • 一种平行并行量子人工情感深度学习多层电压控制方法
  • [发明专利]一种法医调查强化多步模型预测的非均匀光伏发电方法-CN202011250405.2在审
  • 殷林飞;苏志鹏;马晨骁;高放 - 广西大学
  • 2020-11-11 - 2021-02-19 - G06N3/04
  • 本发明提供一种法医调查强化多步模型预测的非均匀光伏发电方法,该方法能解决非均匀光照下光伏发电系统难以快速跟踪最大功率点的问题。本发明所提方法的框架由法医调查模块、深度强化学习模块和强化多步模型预测模块构成。其中,强化多步模型预测模块包括强化预测环节和强化计算环节。本发明所提方法利用法医调查方法在非均匀光照条件下快速搜索最大功率点参考值。本发明所提方法中的深度强化学习模块可调整强化多步模型预测模块的参数。强化多步模型预测模块在强化预测环节预测系统未来状态并在强化计算环节寻找出最优控制量。本发明所提方法能有效解决非均匀光照条件下光伏发电最大功率点跟踪问题。
  • 一种法医调查强化模型预测均匀发电方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top