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10个,建议您升级VIP下载更多相关专利
  • [发明专利]一种严格控制碳排放的燃煤电站CO2-CN202110646396.7有效
  • 李明亮;廖霈之 - 江苏舜高智能科技有限公司
  • 2021-06-10 - 2023-10-27 - G05B17/02
  • 本发明适用于热工自动控制技术领域,提供了一种严格控制碳排放的燃煤电站CO2捕集系统灵活调控方法,包括如下步骤:步骤S1:选取大型燃煤电站CO2捕集系统的被控变量及控制变量;步骤S2:在开环情况下,对给煤量、给水流量、主蒸汽阀门开度、贫液流量及再沸器抽汽流量输入M序列信号;步骤S3:利用MATLAB辨识工具箱中的n4sid算法获得燃煤电站CO2捕集系统状态空间模型;通过建立基于扩增状态空间模型的预测控制器,能有效处理燃煤电站CO2捕集系统强耦合、大延迟和强系统约束的控制难题,提高动态调节品质,同时,本发明对性能指标增加了输出变量的软约束,使得系统捕集率维持在[ymin,ymax]之间,大幅度降低了CO2捕集率的波动,实现了碳排放的严格控制。
  • 一种严格控制排放燃煤电站cobasesub
  • [发明专利]一种基于人工智能的大型燃煤电站CO2-CN202110646133.6有效
  • 李明亮;廖霈之 - 江苏舜高智能科技有限公司
  • 2021-06-10 - 2023-08-04 - G05B13/04
  • 本发明适用于热工过程优化调度技术领域,提供了一种基于人工智能的大型燃煤电站CO2捕集系统优化调度方法,包括以下步骤:利用深度置信网络(Deepbeliefnetwork,DBN)等人工智能方法构建大型燃煤电站CO2捕集系统数据驱动稳态模型;考虑大型燃煤电站CO2捕集系统机组发电量、CO2排放、运行成本,构建能充分反映整体系统经济性指标和运行约束的目标函数;根据电价、碳价等相关信息,利用贝叶斯优化方法(Bayesianoptimization,BO)实现目标函数的高效实时求解。本发明能兼顾燃煤电站CO2捕集系统在经济性、安全性以及环保方面的运行要求,找到满足总运行成本最低的优化调度方式,实现大型燃煤电站CO2捕集系统优化运行。
  • 一种基于人工智能大型燃煤电站cobasesub
  • [发明专利]基于BP神经网络的大型燃煤电站CO2-CN201910952786.X有效
  • 吴啸;廖霈之;沈炯;李益国 - 东南大学
  • 2019-10-09 - 2022-11-18 - G05B13/04
  • 本发明公开了基于BP神经网络的大型燃煤电站CO2捕集系统预测控制方法,输入控制、调节的技术领域。该方法根据燃煤电站CO2捕集系统的运行特性,将贫液流量、再沸器抽汽流量和吸收塔入口烟气流量作为主要输入变量,将吸收塔捕集率和再沸器温度作为主要输出变量,利用BP神经网络技术,建立大型燃煤电站CO2捕集系统神经网络模型;其后,将该神经网络模型作为预测模型,建立大型燃煤电站CO2捕集系统预测控制方法,从而可以预测燃煤电站CO2捕集系统输出特性,有效处理CO2捕集系统的大延迟特性,提高输出测的动态调节品质,使得控制系统适应工业现场需要。
  • 基于bp神经网络大型燃煤电站cobasesub
  • [发明专利]一种基于大型燃煤电站CO2-CN202110646402.9在审
  • 李明亮;廖霈之 - 江苏舜高智能科技有限公司
  • 2021-06-10 - 2021-09-07 - G05B13/04
  • 本发明适用于热工自动控制技术领域,提供了一种基于大型燃煤电站CO2捕集系统经济性预测控制方法,包括捕集系统,包括如下步骤:首先确定捕集系统的输入变量和输出变量;获取不同运行工况下,输出变量的动态响应数据;设置长短期记忆网络(Long short term memory network,LSTMN)网络结构,建立捕集系统的LSTMN动态模型;构建捕集系统的经济性能指标;设置经济性预测控制器相关参数,包括输入权值矩阵Rf和输出权值矩阵Pv;设置粒子群(Particle swarm optimization,PSO)求解器相关参数;采用暖启动方法,将当期时刻最优输入量增益作为下Δu(k)一时刻PSO求解器的初始种群;计算当前时刻的最佳控制量;输出最佳控制量u(k),采集捕集系统的输出y(k),本发明能够在满足稳定性与系统约束的条件下,实现捕集系统的动态经济最优运行。
  • 一种基于大型燃煤电站cobasesub
  • [发明专利]一种大型燃煤电站CO2-CN202110646400.X在审
  • 李明亮;廖霈之 - 江苏舜高智能科技有限公司
  • 2021-06-10 - 2021-09-03 - G05B13/04
  • 本发明适用于燃煤排放技术领域,提供了一种大型燃煤电站CO2捕集整体系统扰动抑制方法,包括如下步骤:选取被控变量y(k)和控制变量u(k);建立相对状态空间模型;建立无穷时域性能指标设置控制器相关参数;考虑控制变量的约束条件,构建目标函数;优化无穷时域性能指标的上界,计算满足系统稳定运行要求的控制变量umpc(k);考虑不可测扰动以及测量噪声对系统的影响;通过补偿增益对当前时刻控制变量umpc(k)进行修正;输出当前时刻控制量u(k),采集燃煤电站CO2捕集整体系统的输出y(k),本发明有效处理工业过程中广泛存在的噪声以及不可测扰动问题,使得控制系统满足工业现场实际需求。
  • 一种大型燃煤电站cobasesub
  • [发明专利]一种基于神经网络逆控制的大型燃煤电站CO2-CN201910276056.2有效
  • 吴啸;廖霈之;李益国;沈炯 - 东南大学
  • 2019-04-08 - 2021-07-09 - G05B13/02
  • 本发明公开了一种基于神经网络逆控制的大型燃煤电站CO2捕集系统及前馈控制方法,将燃煤电站CO2捕集系统看作为五输入‑五输出的多变量系统,选取主蒸汽压力、汽水分离器出口焓值、机组发电量、CO2捕集率及再沸器温度为主要被控变量,选取机组给煤量、给水量、主蒸汽阀门、贫液流量及再沸器蒸汽流量为相对应的控制变量。本发明采用BP神经网络技术,建立大型燃煤电站CO2捕集系统的逆模型,从而可以根据给定值计算出所需要的控制变量,实现提前控制,能够有效处理整体系统的大延迟特性,提高输出侧的动态调节品质;此外,通过增加PID控制补偿器实现对神经网络逆模型的修正,从而增强其抗扰动和不确定性能力,使得控制系统适应工业现场需要。
  • 一种基于神经网络控制大型燃煤电站cobasesub
  • [发明专利]一种有效的燃烧后CO2-CN201810627447.X有效
  • 吴啸;廖霈之;沈炯;李益国 - 东南大学
  • 2018-06-19 - 2021-01-26 - G05B19/418
  • 本发明公开了一种有效的燃烧后CO2捕集燃煤发电系统运行控制方法,本发明在原有燃煤发电机组协调系统3×3控制系统的基础上增加贫液流量控制CO2捕集率、蒸汽阀门开度控制再沸器温度两个控制回路,并配置比例积分控制器,构造5×5的反馈控制回路;在线运行时利用整体系统的稳态模型,根据想要达到的被控量设定值计算前馈控制量,并与反馈控制系统结合,实现对燃烧后CO2捕集燃煤发电系统的控制。本发明通过整体稳态模型和前馈设计将发电系统和碳捕集系统深度结合,充分利用捕集系统“抽汽脱碳”的特性,改进原有发电系统变负荷调峰的能力,平衡系统在发电和碳减排之间的关系;亦可增强捕集系统对于燃煤发电系统变负荷时烟气变化的适应能力。
  • 一种有效燃烧cobasesub
  • [发明专利]一种基于状态观测器的冷热电三联供系统预测控制方法-CN201610142068.2有效
  • 廖霈之;李益国;沈炯;刘西陲;吴啸 - 东南大学
  • 2016-03-11 - 2018-04-24 - G05B13/04
  • 本发明公开了一种基于状态观测器的冷热电三联供系统预测控制方法,包括以下的步骤S1获取微型燃气轮机冷热电三联供对象的阶跃响应模型;S2确定联供对象的状态空间模型;S3设置控制器参数,并对联供系统的未来状态进行预测;S4对控制器进行初始化;S5计算偏差;S6对状态量进行在线修正;S7对未来输出进行预测;S8计算下一时刻燃料量、回热阀门开度和高压冷剂蒸汽阀门开度的最佳控制增量;S9计算下一时刻燃料量、回热阀门开度和高压冷剂蒸汽阀门开度的最佳控制量;S10输出最佳控制量,根据测量信号计算并更新下一时刻的输出预测值;然后在每个采样周期内,重复执行步骤S5‑S10。本发明能够改善控制品质。
  • 一种基于状态观测器热电三联系统预测控制方法

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