“黄天蔚”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6个，建议您升级VIP下载更多相关专利

[发明专利]一种平行多层蒙特卡罗双馈异步风机参数优化方法-CN201910858822.6有效
发明人：殷林飞;黄天蔚;罗仕逵;吴云智;谢佳兴;孙志响;高放 -专利权人：广西大学
申请日： 2019-09-11 - 公布日： 2022-08-12 - 主分类号： G06F30/20 文献下载
摘要：本发明提供一种平行多层蒙特卡罗双馈异步风机参数优化方法，该方法通过平行多层的仿真系统来减少群体智能决策的时间，其核心是在每层仿真系统中灵活运用多区域多粒度蒙特卡方法，每层每区域所使用方法的参数不同，通过使用不同的参数来寻求系统最优化的参数，从而进行必要的决策。本方法的技术效果是：即可实现快速的参数寻优决策，又可以避免一般的蒙特卡罗方法寻优所遇到的“维数灾害”问题。本发明能够对双馈异步风机的比例积分微分控制器参数进行优化。
一种平行多层蒙特卡罗双馈异步风机参数优化方法

[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
发明人：殷林飞;黄天蔚;马晨骁;高放 -专利权人：广西大学
申请日： 2020-09-24 - 公布日： 2022-06-21 - 主分类号： G06F17/18 文献下载
摘要：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]一种快速的解析式分布式多目标多微网经济调度优化方法-CN201910801887.7有效
发明人：殷林飞;孙志响;黄天蔚;罗仕逵;吴云智;谢佳兴;高放 -专利权人：广西大学
申请日： 2019-08-28 - 公布日： 2021-04-20 - 主分类号： H02J3/00 文献下载
摘要：本发明提供一种快速的解析式分布式多目标多微网经济调度优化方法，该方法可以在保证微网安全可靠及其电能质量的前提下，使整个微网能耗和运行费用最低，从而获得最大的经济效益。本发明采用了广义Benders分解算法(GBD)将原多目标多微网主动配电系统的经济调度优化问题分解成多个子区域对应的优化问题，各个子区域之间独立完成各自子问题的优化，区域间通过联络线交换边界变量和目标变量。本发明提出的方法在有效地解决多目标多微网经济调度优化问题同时，不仅能解决目前传统集中式优化中设备私密性和系统运行可靠性的问题，也能够有效地减少计算所需的内存从而加快计算速度。
一种快速解析分布式多目标多微网经济调度优化方法

[发明专利]一种拒识深度微分动态规划实时发电调度与控制算法-CN201910554335.0有效
发明人：殷林飞;赵陆林;罗仕逵;高放;黄天蔚;孙志响;谢佳兴;吴云智 -专利权人：广西大学
申请日： 2019-06-25 - 公布日： 2020-12-01 - 主分类号： H02J3/46 文献下载
摘要：本发明所提一种拒识深度微分动态规划实时发电调度与控制算法，该算法能有效解决传统“经济调度+自动发电控制+功率指令分配”组合式算法难以协调控制的问题。本发明所提算法由深度模型网模块、“深度评价网1”模块、“深度评价网2”模块和深度执行网模块组成，其中每个模块的核心均为深度神经网络。本发明所提拒识操作是将微电网系统输出的发电功率指令进行限制操作：当发电功率指令大于拒识阈值时则输出结果；而当发电功率指令小于或等于拒识阈值时，输出传统的比例积分微分算法的结果。本发明所提算法，是利用深度微分动态规划算法对该系统进行学习，使得系统具有较强的泛化能力，可以很好地解决微电网中的发电调度与控制问题。
一种深度微分动态规划实时发电调度控制算法

[发明专利]一种灵活电源的深度斯坦伯格自适应动态博弈方法-CN201910859368.6在审
发明人：殷林飞;吴云智;黄天蔚;罗仕逵;谢佳兴;孙志响;高放 -专利权人：广西大学
申请日： 2019-09-11 - 公布日： 2019-12-20 - 主分类号： G06Q10/06 文献下载
摘要：本发明提出一种灵活电源的深度斯坦伯格自适应动态博弈方法，该方法将斯坦伯格博弈模型作为框架，以深度自适应动态规划算法作为核心算法，并将深度神经网络替换了自适应动态规划算法中原有的神经网络。本发明中的深度自适应动态博弈算法布置于灵活电源中，同时考虑传统发电厂和负荷消费者(用户)对灵活电源的影响，可以有效解决微电网在运行中存在的能量分布不合理、整体效益较低的问题。本发明提出的方法可以通过让每个灵活电源与传统发电厂和负荷消费者在共同的微电网之间进行博弈，从而设计出合理的利益引导策略，在追求灵活电源自身效益最大化的同时，实现微电网中供给侧与需求侧的双赢。
电源微电网灵活自适应动态规划博弈神经网络自适应算法发电厂效益最大化博弈模型博弈算法核心算法能量分布有效解决整体效益替换

[发明专利]一种多时空长短记忆深度网络精准预测方法-CN201910801527.7在审
发明人：殷林飞;谢佳兴;吴云智;罗仕逵;高放;黄天蔚;孙志响 -专利权人：广西大学
申请日： 2019-08-28 - 公布日： 2019-12-06 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种多时空长短记忆深度网络精准预测方法，该方法能解决目前电力系统由于不同时间尺度和空间尺度的电力负荷波动较大而导致负荷预测精度较低的问题。本发明提出了结合电力系统负荷的多时空分布特性进行预测的思想，利用长短记忆深度神经网络对不同时间尺度和空间尺度的电力负荷数据进行学习，该神经网络是一种时间循环网络，有着很强的时间序列记忆能力，十分适用于电力系统负荷预测。本发明提出的一种多时空长短记忆深度网络精准预测方法，能根据实际所需预测地区的负荷分布特性的不同，改变预测模型的输入和输出个数，并对不同时间尺度和空间尺度的电力负荷进行精准预测。能替代用于负荷预测的传统统计模型和普通的机器学习模型。
空间尺度时间尺度预测负荷预测神经网络电力系统负荷预测电力负荷波动电力负荷数据电力系统负荷机器学习模型时空传统统计电力负荷电力系统负荷分布记忆能力时间序列时间循环时空分布预测模型网络输出替代学习