-
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
4
records
(took 0.016 seconds)
