-
公开(公告)号：CN120069979A
公开(公告)日：2025-05-30
申请号：CN202510030243.8
申请日：2025-01-08
Applicant: 三峡大学
IPC: G06Q30/0283 , G06Q40/04 , G06Q50/06 , G06F18/20 , G06F18/214 , G06N3/006
Abstract: 基于P2P与深度强化学习的互联微电网群能源交易方法，包括：建立包含光伏、风机、燃机轮机、储能系统及负荷单元的微电网数学模型，构建互联微电网群能源交易架构；基于连续双向拍卖策略建立P2P能源交易的定价机制；基于动态平滑因子、融合噪声及双重经验采样策略改进MADDPG算法的软更新机制、动作探索策略及优先经验回放机制；构建互联微电网群能源交易的部分可观测马尔科夫决策模型；基于改进的MADDPG算法对智能体进行训练，得到各微电网的最优能源交易方案。该方法能够有效优化互联微电网群的能源交易策略，提高系统的稳定性和经济性及能源利用效率，同时增强智能体的学习和决策能力。
-
公开(公告)号：CN120073853A
公开(公告)日：2025-05-30
申请号：CN202510004129.8
申请日：2025-01-02
Applicant: 三峡大学
IPC: H02J3/38 , H02J3/28 , H02J3/00 , G06Q10/0631 , G06Q50/06 , G06N7/01 , G06N3/0442 , G06N3/047 , G06N3/08
Abstract: 基于改进MAPPO算法的微网群低碳优化运行方法，包括：以单个微电网运行周期内总成本最小为目标函数，构建微网群优化运行模型；构建微电网优化运行的部分可观测马尔科夫决策过程，建立各微网智能体对应的观测空间、动作空间和奖励函数；在奖励函数中引入碳治理成本的非线性约束以及微网间的协同奖励，在MAPPO算法中引入负采样经验共享框架；将LSTM网络嵌入到MAPPO算法中，并设计差异化学习率衰减策略以进一步提高LSTM‑MAPPO模型训练速度；基于改进MAPPO算法对智能体进行训练，得到最优微网群低碳优化运行方案。本发明所提优化方法可以有效降低各微网运行成本，同时降低系统碳排放。
-
Patent Agency Ranking
公开(公告)号：CN120073754A
公开(公告)日：2025-05-30
申请号：CN202510016889.0
申请日：2025-01-06
Applicant: 三峡大学
Abstract: 基于IBWO‑DDPG的孤岛微电网低频减载方法，包括：以孤岛微电网减载过程中的频率波动幅值、减载成本之和最小为目标函数，构建孤岛微电网减载模型；将孤岛微电网减载模型描述为一个马尔科夫决策过程MDP；基于IBWO‑DDPG算法求解马尔科夫决策过程MDP；基于IBWO‑DDPG算法对智能体进行离线训练，并在线应用于孤岛微电网中，输出最优减载策略。该方法能够对孤岛微电网中出现的频率偏差问题进行及时调整，在考虑负荷节点拓扑重要性的情况下，以较低的减载成本对负荷进行切除，保障孤岛微电网频率的稳定性。
-
公开(公告)号：CN119906025A
公开(公告)日：2025-04-29
申请号：CN202411852577.5
申请日：2024-12-16
Applicant: 三峡大学
Abstract: 基于弹性步长深度Q网络的微电网优化运行方法，包括：构建以运行总成本和环境成本最小化为目标的多目标优化模型；将微电网多目标优化问题转换为马尔可夫博弈过程；结合隐藏特征聚类驱动机制和基于近邻的可变密度聚类算法，设计弹性步长调整机制，根据状态相似性调整深度强化学习的步长，以缓解Q值高估问题；利用ES‑DQN方法对微电网智能体进行优化。本发明所提方法通过结合弹性步长机制与深度强化学习，并利用聚类分析有效判断状态相似性，缓解了传统DQN中的Q值过估问题的同时提高了优化效率，使微电网优化调度更精准。
-
公开(公告)号：CN119128454A
公开(公告)日：2024-12-13
申请号：CN202411006457.3
申请日：2024-07-25
Applicant: 三峡大学
IPC: G06F18/21 , G06F18/214 , G06N3/006 , G06Q50/06
Abstract: 基于改进Adaboost的单三相混联微网群孤岛检测方法，包括以下步骤：收集在公共耦合点(Point of Common Coupling，PCC)处测得的单三相混联微网群中不同电气特征量的样本数据；基于偏最小二乘法(Partial Least Squares，PLS)对公共耦合点处测得的各类电气特征量进行了相关性分析，筛选出强相关电气特征量，并组成训练集和测试集；基于黏菌优化算法(Slime Mould Algorithm，SMA)和GSN权重学习方式对Adaboost学习器进行改进，以提高分类能力、减弱扰动影响和缩短检测耗时。基于改进Adaboost学习器构建微网群的孤岛检测模型，根据PCC处的实时测试集数据，输出孤岛检测结果。该方法能够不受扰动信号和系统三相不平衡度的影响进行准确的孤岛检测，具有较高的抗干扰性、准确性和泛化能力。
-
公开(公告)号：CN119341027A
公开(公告)日：2025-01-21
申请号：CN202411222272.6
申请日：2024-09-02
Applicant: 三峡大学
Abstract: 一种融合多类负荷关联因素的孤岛微电网一体化低频减载方法，构建以故障扰动后孤岛微电网的频率波动幅值、减载成本、系统三相不平衡度同时最小为目标的孤岛微电网一体化减载模型；将孤岛微电网一体化减载模型描述为一个马尔可夫决策过程MDP问题，利用智能体学习最优减载决策；基于双延迟深度确定性策略梯度(TD3)框架，提出一种集成softmax和双回放缓冲区的双延迟深度确定性策略梯度(DBR‑SD3)方法解决马尔可夫决策过程MDP问题；经过充分学习的DBR‑SD3能够根据微电网运行环境自适应生成最优的一体化减载决策。该方法方法能够防止系统频率的快速跌落，实现了以较低减载成本保证重要负荷供电可靠性的同时修正了系统运行中的三相不平衡问题。
-
公开(公告)号：CN119231640A
公开(公告)日：2024-12-31
申请号：CN202411085805.0
申请日：2024-08-08
Applicant: 三峡大学
IPC: H02J3/46 , H02J3/28 , H02J3/38 , H02J3/48 , H02J3/50 , H02J3/14 , G06F18/2453 , G06F18/21 , G06N3/045 , G06N3/092
Abstract: 基于DASAC的微电网故障恢复方法，包括：建立计及DG出力和负荷需求时变的微电网故障恢复模型；将微电网的故障恢复问题转化为带约束的非线性规划问题，并以微电网故障恢复成本最小为目标，构建双智能体强化学习模型，为动作空间中不同的动作类型分配离散和连续的双智能体进行控制；提出一种DASAC方法，对双智能体强化学习模型进行高效地自适应训练学习，提高故障恢复效率以满足微电网运行的需求。本发明提出了一种基于DASAC的微电网故障恢复方法，通过分别处理离散和连续动作，提高了故障恢复效率，简化了训练过程，增强了系统的鲁棒性和适应性。
-
-
-
-
-
-
Search Results
7
records
(took 0.013 seconds)
