-
公开(公告)号：CN118137457A
公开(公告)日：2024-06-04
申请号：CN202410072110.2
申请日：2024-01-17
Applicant: 杭州电子科技大学 , 杭州电子科技大学信息工程学院
Abstract: 本发明公开了一种基于SAC深度强化学习的输电断面功率调整方法，包括如下步骤：建立输电断面的电网模型；利用基于全纯函数嵌入的潮流计算方法来计算输电断面功率灵敏度，将灵敏度的绝对值按大到小排序，筛选出灵敏度排序在前30％‑50％的发电机，并计算HELM电压判稳指标；建立SAC模型，所述SAC模型包括基于pandapower的SAC算法计算环境和SAC智能体，并引入HELM电压判稳指标来设置奖励机制；通过SAC模型训练，得到断面功率调整的结果。SAC深度强化学习算法通过深度神经网络来学习非线性映射关系，从而更好地捕捉电网的行为特征。该算法结合了深度学习和强化学习的优点，有效提升了调整精度，并且大幅减少了人工干预的工作量，进而提高了电网运行的稳定性。
-
公开(公告)号：CN116611331A
公开(公告)日：2023-08-18
申请号：CN202310575969.0
申请日：2023-05-19
Applicant: 杭州电子科技大学 , 杭州电子科技大学信息工程学院
IPC: G06F30/27 , G06N3/006 , G06N3/126 , G06Q50/06 , H02J3/38 , H02J3/06 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种基于HELM灵敏度判据的分布式电源电压稳定预防控制方法，包括以下步骤：步骤一，建立分布式电源电压稳定预防控制模型，包括目标函数和约束条件；步骤二，利用HELM方法计算包含分布式电源的配电网潮流，作为分布式电源电压稳定预防控制的潮流约束条件；步骤三，利用HELM方法计算节点电压各阶灵敏度，作为分布式电源电压稳定预防控制的不等式约束条件及电压判稳指标，并筛选预想故障，计算各预选故障下的电压稳定指标；步骤四，利用遗传算法根据目标函数和约束条件，求解确定控制变量输出量、该方法能够用于电压稳定预防控制，解决了DG在配电网电压稳定预防控制时不易考虑其对电压稳定影响的问题，计算速度快，电压控制效果更好。
-
公开(公告)号：CN116796644A
公开(公告)日：2023-09-22
申请号：CN202310815003.X
申请日：2023-07-05
Applicant: 杭州电子科技大学 , 杭州电子科技大学信息工程学院
IPC: G06F30/27 , G06N3/045 , G06N3/084 , G06N3/092 , G06F111/10 , G06F113/06 , G06F119/06
Abstract: 本发明涉及基于多智能体SAC深度强化学习的风电场参数辨识方法，首先根据轨迹灵敏度辨识出主要参数，这种方法可减少参与辨识的参数数目，再通过BPA仿真软件搭建softactorcritic(SAC)多智能体的多工况下的训练样本环境，然后设定待辨识风机参数的范围，以此来确定SAC智能体在环境中的状态st的范围和动作at的范围。然后搭建SAC多智能体模型并开始训练和辨识，最后得出辨识结果。本发明将SAC多智能体深度强化学习在多工况下与风机参数辨识相结合，为风电场风机参数辨识提供一种新的方法。在多工况下用SAC多智能体模型来辨识风机参数，大大减少了工作量，而且也能保证参数预测结果的准确度，提高了辨识效率。
-
公开(公告)号：CN117150898A
公开(公告)日：2023-12-01
申请号：CN202311107536.9
申请日：2023-08-30
Applicant: 杭州电子科技大学 , 杭州电子科技大学信息工程学院
IPC: G06F30/27 , G06F18/243 , G06F18/214 , G06N5/01 , H02J3/06 , G06F113/04
Abstract: 本发明公开了一种基于参数优化集成学习的输电断面传输容量评估方法，所述方法包括以下步骤：利用电力系统软件DSATools中PSAT和TSAT，建立一个电网模型，并进行仿真生成样本数据；对样本数据做预处理；搭建XGBoost模型、LGBM模型、RF模型三个基模型；利用随机搜索对XGBoost模型、LGBM模型、RF模型三个基模型进行超参数优化，得到最佳超参数组合；构建stacking模型及训练和预测过程，所述stacking模型集成学习的基模型为LGBM模型、XGBoost模型、RF模型的组合，元模型采用LGBM模型。该方法考虑了系统暂态稳定性，最小阻尼比指标，电压稳定性和频率稳定性这四个指标，并进行子模型和超参数的优化，这种方法可以提高断面传输极限评估的速度和效率。
-
公开(公告)号：CN119940134A
公开(公告)日：2025-05-06
申请号：CN202510100691.0
申请日：2025-01-22
Applicant: 杭州电子科技大学
IPC: G06F30/27 , G06N3/0455 , G06N3/092 , G06N3/0442 , G06N3/048 , G06N3/084 , G06F113/04
Abstract: 本发明公开了基于Transformer‑PPO深度强化学习的光伏电站参数辨识方法，该方法首先获取光伏电站的实测数构建辨识训练数据集，建立与光伏电站实测曲线运行环境相同的等值数学模型。其次建立基于BPA软件的Transformer深度强化学习环境。最后Transformer深度强化学习环境中，根据等值数学模型，搭建Transformer‑PPO智能体模型，并输入辨识训练数据集进行参数辨识训练，得到最终辨识结果。本发明根据光伏电站模型，将深度强化学习算法PPO与Transformer深度学习模型架构相结合，来筛选参数并进行准确、快速的辨识。
-
Patent Agency Ranking
公开(公告)号：CN116203991A
公开(公告)日：2023-06-02
申请号：CN202310390192.0
申请日：2023-04-13
Applicant: 杭州电子科技大学
IPC: G05D1/10
Abstract: 本发明提供一种基于轨迹参数通信的无人机集群控制方法及系统，本发明首先由领航无人机划分轨迹并计算当前分段轨迹参数；其次领航无人机将当前分段轨迹参数按照设定的通信消息格式封装，并向其通信范围内的跟随无人机发布轨迹参数消息；然后跟随无人机订阅来自领航无人机的轨迹参数消息，并向领航无人机通信范围之外的跟随无人机转发轨迹参数消息；最后跟随无人机根据接收的轨迹参数计算本机飞行轨迹；并依据该飞行轨迹行驶。本发明通过传递飞行路径参数，不仅能够减少通信的数据量，也能够减少信息交换的频次。跟随无人机接收到领航无人机的信息后，仅需要简单的计算，即可完成一段时间内的路径规划，分布式地实现编队控制，维持集群轨迹一致性。
-
公开(公告)号：CN114740730A
公开(公告)日：2022-07-12
申请号：CN202210447654.3
申请日：2022-04-26
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明的基于卷积神经网络的SVG控制器参数辨识方法，通过BPA仿真软件得到各个SVG参数的不同组合和与之对应输出的无功、电压、电流曲线数据，并进行筛选，得到最终数据集；然后依据获取到的数据集搭建可以依据无功动态曲线数据逆推出SVG参数的神经卷积网络模型；最后以RTDS实测曲线数据作为模型输入，即可快速辨识出SVG参数值。本方法将卷积神经网络与SVG控制器参数辨识相结合，为SVG控制器参数辨识提供一种新的方法，保证了参数预测结果的准确度，也提高了辨识效率。
-
公开(公告)号：CN113363990B
公开(公告)日：2022-04-22
申请号：CN202110691838.X
申请日：2021-06-22
Applicant: 杭州电子科技大学
IPC: H02J3/06
Abstract: 本发明公开了考虑PI节点的HELM潮流计算方法。该方法首先建立包含PQ和PI节点的配电网数学模型，然后根据HELM方法构造PI节点对应的全纯函数，最后根据递推方法推导出PI节点全纯函数递推公式来计算包含PI节点的配电网潮流。本发明利用HELM法考虑了PI节点数学模型，推导出PI节点全纯函数递推公式，可以计算包含PI节点的配电网潮流，可用于包含PI分布式电源的配电网潮流计算和电压分析控制。
-
公开(公告)号：CN111160639B
公开(公告)日：2022-04-15
申请号：CN201911332196.3
申请日：2019-12-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于用户出行时空分布特性的电动汽车充电负荷预测方法。首先利用Bass回归分析模型，预测了规划区电动汽车保有量。构建了融合道路类型、实时道路拥堵程度和区域连接关系的等效道路模型，并考虑不同类型日、不同出行时间、驻留时间和实时路况对用户出行的影响，采用Dijkstra路径寻优算法得到了用户出行最优路径和日出行链。此外，采用蒙特卡洛法得到多次充电负荷预测的结果，并利用非参数核密度估计和高斯拟合得到对应的充电负荷概率密度函数，概率最高的充电负荷即为对应的电动汽车充电负荷预测值。本发明能够有效的描述规划区内日充电负荷的具体分布范围，并取最大概率密度的充电负荷作为预测结果更接近实际。
-
公开(公告)号：CN113406434A
公开(公告)日：2021-09-17
申请号：CN202110529831.8
申请日：2021-05-14
Applicant: 杭州电子科技大学
IPC: G01R31/08
Abstract: 本发明公开了一种基于参数故障特性的SVG动态参数分段优化辨识方法。本发明提出首先根据轨迹灵敏度辨识出主要参数。这种方法可减少参与辨识的参数数目。其次根据参数对于故障特性的影响，选择分段数据分别优化参数，确定参数的大概范围，这样不会因为参数范围设置不对而使得辨识错过实际的参数，选择分段曲线辨识减少了计算量，既可以提高参数辨识速度，又减少了其他参数对仿真结果的影响。然后根据参数范围再全体寻优精确辨识，解决传统算法中经常出现的稳定性较差和难以收敛的问题，减少参数辨识的复杂度，提高对控制器影响较大的参数的辨识精度，提高辨识效率。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.029 seconds)
