-
公开(公告)号：CN114362187B
公开(公告)日：2022-12-09
申请号：CN202111415562.9
申请日：2021-11-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多智能体深度强化学习的有源配电网协同调压方法及系统，包括获取高比例可再生能源配电网协同电压控制模型；将协同电压控制模型设计为与每个分布式电源逆变器控制相关的马尔可夫博弈问题；采用多智能体注意力近端策略优化算法以及专家知识求解马尔可夫博弈问题，最终得到每个分布式电源逆变器的本地有功功率和无功功率最优控制策略；将训练获得的最优控制策略部署进行在线协同调压，与现有方法相比，本发明方法可实现配电网电压安全前提下具有更强的可再生能源消纳能力。
-
公开(公告)号：CN114362187A
公开(公告)日：2022-04-15
申请号：CN202111415562.9
申请日：2021-11-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多智能体深度强化学习的有源配电网协同调压方法及系统，包括获取高比例可再生能源配电网协同电压控制模型；将协同电压控制模型设计为与每个分布式电源逆变器控制相关的马尔可夫博弈问题；采用多智能体注意力近端策略优化算法以及专家知识求解马尔可夫博弈问题，最终得到每个分布式电源逆变器的本地有功功率和无功功率最优控制策略；将训练获得的最优控制策略部署进行在线协同调压，与现有方法相比，本发明方法可实现配电网电压安全前提下具有更强的可再生能源消纳能力。
-
公开(公告)号：CN115986750A
公开(公告)日：2023-04-18
申请号：CN202211721686.4
申请日：2022-12-30
Applicant: 南京邮电大学 , 国网电力科学研究院有限公司
Abstract: 本发明公开了一种分层多智能体深度强化学习配电网电压调节方法，包括如下步骤：建立多类型混杂设备配电网电压调节优化模型；根据调控设备时间尺度的不同，构建快、慢时间尺度双层马尔科夫博弈；上层马尔科夫博弈采用离散注意力多智能体深度强化学习算法求解，下层马尔科夫博弈采用连续注意力多智能体深度强化学习算法求解，上、下两层多智能体通过奖励信息的交互实现不同时间尺度多类型设备的高效协同，最终得到离散、连续以及快慢时间尺度下的协同电压调节策略。本发明可实现上层慢时间尺度离散设备的协同，下层快时间尺度连续设备的协同，以及快、慢时间尺度混杂设备的协同，能在维持电压安全范围的前提下有效降低网损。
-
Patent Agency Ranking
公开(公告)号：CN115986750B
公开(公告)日：2024-05-17
申请号：CN202211721686.4
申请日：2022-12-30
Applicant: 南京邮电大学 , 国网电力科学研究院有限公司
Abstract: 本发明公开了一种分层多智能体深度强化学习配电网电压调节方法，包括如下步骤：建立多类型混杂设备配电网电压调节优化模型；根据调控设备时间尺度的不同，构建快、慢时间尺度双层马尔科夫博弈；上层马尔科夫博弈采用离散注意力多智能体深度强化学习算法求解，下层马尔科夫博弈采用连续注意力多智能体深度强化学习算法求解，上、下两层多智能体通过奖励信息的交互实现不同时间尺度多类型设备的高效协同，最终得到离散、连续以及快慢时间尺度下的协同电压调节策略。本发明可实现上层慢时间尺度离散设备的协同，下层快时间尺度连续设备的协同，以及快、慢时间尺度混杂设备的协同，能在维持电压安全范围的前提下有效降低网损。
-
公开(公告)号：CN119577883A
公开(公告)日：2025-03-07
申请号：CN202411511639.6
申请日：2024-10-28
Applicant: 南京邮电大学
IPC: G06F30/13 , G06F30/27 , G06N3/04 , G06N3/08 , G06Q10/101 , G06Q50/08 , G06F111/04 , G06F119/08 , G06F119/14
Abstract: 本发明公开了一种贡献度感知的电网交互型居民建筑协同运行优化方法，包括以下步骤：(1)分别建模电网交互型高效居民建筑在正常运行阶段的运行成本最小化问题和电网服务阶段的协同运行双层优化问题；(2)提出基于物理一致性神经网络辅助分层模型预测控制方法求解上述运行成本最小化问题；(3)提出基于物理一致性神经网络辅助分层模型预测控制引导二分搜索的分布式协同运行优化算法求解上述协同运行双层优化问题；(4)将所提协同运行优化方法部署于实际系统。与现有方法相比，本发明方法可识别每个居民建筑参与提供电网服务的贡献并为相应的经济补偿提供依据，可在维持高用户舒适性的前提下降低建筑能量成本和提升电网服务能力。
-
公开(公告)号：CN119472282A
公开(公告)日：2025-02-18
申请号：CN202411530830.5
申请日：2024-10-30
Applicant: 南京邮电大学
IPC: G05B13/04
Abstract: 本发明公开了一种离网模式下含氢建筑能源系统可靠经济运行优化方法，包括以下步骤：(1)在维持室内舒适环境的前提下，建立离网模式下含氢建筑能源系统运行优化问题；(2)提出基于物理嵌入式神经网络的建筑室内环境动力学模型；(3)提出基于物理嵌入式神经网络辅助分层模型预测控制的含氢建筑能源系统运行优化方法求解上述建模问题；(4)将所提含氢建筑能源系统运行优化方法部署于实际运行系统。与现有方法相比，本发明方法考虑了电、热、冷三种能源需求下的室内用户舒适控制，可有效降低系统运行成本并提升系统可靠性。
-
公开(公告)号：CN114330649B
公开(公告)日：2023-02-28
申请号：CN202111517104.6
申请日：2021-12-13
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于进化学习和深度强化学习的电压调节方法及系统，属于人工智能与控制系统交叉技术领域，包括：获取实时检测到的环境状态，将其输入已训练的策略网络，得到电压调节策略；根据电压调节策略调动调压资源完成电压调节；所述策略网络通过以下方法训练：对策略网络进行多阶段递进式多节点深度强化学习的训练，每阶段训练中应用进化学习，通过已训练的策略网络之间的交叉使已训练的策略网络数量翻倍，在进行交叉操作的下一个阶段中对已训练的策略网络进行变异操作，直至已训练的策略网络数量达到预设目标；每个节点对应一个策略网络；适用于多节点的配电网协同电压调节，促进网络训练过程的多样性，具有强大的可拓展性。
-
公开(公告)号：CN114330649A
公开(公告)日：2022-04-12
申请号：CN202111517104.6
申请日：2021-12-13
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于进化学习和深度强化学习的电压调节方法及系统，属于人工智能与控制系统交叉技术领域，包括：获取实时检测到的环境状态，将其输入已训练的策略网络，得到电压调节策略；根据电压调节策略调动调压资源完成电压调节；所述策略网络通过以下方法训练：对策略网络进行多阶段递进式多节点深度强化学习的训练，每阶段训练中应用进化学习，通过已训练的策略网络之间的交叉使已训练的策略网络数量翻倍，在进行交叉操作的下一个阶段中对已训练的策略网络进行变异操作，直至已训练的策略网络数量达到预设目标；每个节点对应一个策略网络；适用于多节点的配电网协同电压调节，促进网络训练过程的多样性，具有强大的可拓展性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
