基于深度强化学习的新能源电力系统弹性优化方法

    公开(公告)号:CN114330113B

    公开(公告)日:2024-09-06

    申请号:CN202111548873.2

    申请日:2021-12-17

    Abstract: 本发明提出了一种基于深度强化学习的新能源电力系统弹性优化方法,能够大幅减少了在调度过程中产生的人力成本,也避免了人工沟通的延时性带来的影响。本发明引入神经网络的深度强化学习可通过试错和探索在高度动态的随机环境中进行学习,互动情境使其具有较强的学习能力和适应能力,更适合用于解决具有复杂非线性和不确定性的新能源电力系统有功功率调度问题。深度强化学习兼具强化学习的决策能力和深度学习的计算能力,在新能源电力系统中的应用必将改变传统的能源利用模式,使系统更加智能化。

    一种基于二次规划的安全走廊优化生成方法及系统

    公开(公告)号:CN115933701B

    公开(公告)日:2023-06-06

    申请号:CN202310016913.1

    申请日:2023-01-06

    Abstract: 本发明涉及一种基于二次规划的安全走廊优化生成方法及系统,涉及无人驾驶领域,包括:利用无人车车辆中心的粗糙轨迹和无人车的多边形信息表示离散化的无人车运动轨迹;构建待求解的安全走廊模型并确定目标函数;利用障碍物几何中心运动轨迹和障碍物凸多边形信息表示离散化的障碍物运动轨迹;根据无人车和障碍物运动轨迹确定障碍物离无人车最近的顶点向量和无人车离障碍物最近的顶点向量;结合基于待求解安全走廊模型建立避障约束条件;根据避障约束条件和目标函数,建立二次规划模型并进行求解得到优化后的安全走廊。本发明将安全走廊约束问题描述成二次规划问题,在生成避障约束时考虑无人车外形和障碍物外形,提高安全走廊生成的效率和准确性。

    一种考虑车辆运动能力的多无人车运动规划方法和系统

    公开(公告)号:CN114995465A

    公开(公告)日:2022-09-02

    申请号:CN202210918687.1

    申请日:2022-08-02

    Abstract: 本发明涉及一种考虑车辆运动能力的多无人车运动规划方法和系统,属于运动规划技术领域。先建立多无人驾驶车辆三维时空运动走廊生成模型,包括目标函数、第一约束条件、第二约束条件、第三约束条件和第四约束条件。然后获取每一无人驾驶车辆的参考轨迹、车长、车宽和初始中心点的坐标。最后以所有无人驾驶车辆的参考轨迹、车长、车宽和初始中心点的坐标作为输入,利用多无人驾驶车辆三维时空运动走廊生成模型生成每一无人驾驶车辆的三维时空运动走廊,可以有效解决生成的三维时空运动走廊过小或者走廊台阶之间不连续的问题,能够实现多无人驾驶车辆有效的规划与控制。

Patent Agency Ranking