-
公开(公告)号：CN119921398A
公开(公告)日：2025-05-02
申请号：CN202411988462.9
申请日：2024-12-31
Applicant: 湖州师范学院
Abstract: 本发明提供一种基于行为克隆的光伏并网逆变器控制方法，其预训练过程包括：预设一控制器参数的自适应更新策略；初始化M个具有相同结构的策略神经网络；启动逆变器，根据自适应更新策略动态选择PI控制器的控制器参数；实时提取多组PI控制器的输入、输出数据组成示教数据并存入示教数据库，通过梯度下降法更新每个策略神经网络的权重参数；将示教数据库每组数据中的输入数据输入更新后的策略神经网络以获取计算结果，将每个计算结果和示教数据库中对应的输出数据进行比对，若两者差值小于预设阈值，则将该组数据投入在线训练过程。本发明采用数据驱动方法，先行为克隆预训练，随后深度强化学习的DDPG阶段，利用学习模型替代PI控制器。
-
Patent Agency Ranking
公开(公告)号：CN118468020A
公开(公告)日：2024-08-09
申请号：CN202410425576.6
申请日：2024-04-10
Applicant: 湖州师范学院
IPC: G06F18/214 , G06F18/21 , G06F18/2411 , G06N3/084 , G06N20/20
Abstract: 本发明涉及基于堆叠集成学习的碳捕集吸收塔CO2浓度预测方法及应用。所述方法包括：获取化学吸收法捕集CO2工艺过程数据，构建吸收塔内部CO2浓度预测样本数据集；对样本数据集进行规范化处理，获得总训练数据集；将所述训练数据集发送至支持向量回归、多元线性回归、决策树和岭回归四种基础学习算法模型，获得吸收塔CO2浓度预测基础学习器模型；将四个基础学习器的预测结果输出分配权重后传至多层感知机，通过多层感知机反向传播更新权重，构建堆叠集成预测模型；利用所述堆叠集成模型对吸收塔CO2浓度进行预测，获得预测结果。该方法通过过程数据实现对吸收塔内CO2浓度预测，预测精度高，利于实现发电厂的高效运行和环境保护。
-
公开(公告)号：CN116305904A
公开(公告)日：2023-06-23
申请号：CN202310230809.2
申请日：2023-03-11
Applicant: 湖州师范学院
IPC: G06F30/20 , G06F18/214 , G06F17/10 , G06F119/02
Abstract: 本发明公开了一种基于知识与数据双驱动的厂级分布式过程监测方法，首先通过工艺流程中的过程知识来确定变量之间的因果关系，通过变量之间因果关系得到知识因果图，通过知识因果图对工艺流程进行建模，并将流程中的变量划分为几个有物理意义的子块，使过程变量分解具有可解释性，然而若只将变量之间的因果关系作为衡量分块的唯一指标则不能保证后续故障检测性能达到最优，针对此，在基于知识因果图分块的基础上引入标准化互信息得到子块内变量之间的数据相关性，并将相关性高的变量进一步划分成单独的子块，最终的划分结果既有可解释性也在数据上相关性更高。在故障检测阶段才用先局部检测后全局融合的方法，具有全局发现问题快速定位子块的优势。
-
公开(公告)号：CN116031450A
公开(公告)日：2023-04-28
申请号：CN202211597792.6
申请日：2022-12-12
Applicant: 湖州师范学院
IPC: H01M8/04992 , H01M8/04746 , H01M8/04089 , H01M8/0432 , H01M8/0444 , H01M8/04537
Abstract: 本发明涉及一种固体氧化物燃料电池的优化控制系统及其控制方法，在固体氧化物燃料电池上设置第一反馈控制模块用于保证固体氧化燃料电池整体运行的稳定性、安全性，以及快速跟踪控制设定功率变化；接着设置第二反馈控制模块控制第三被控变量来调节第二被控变量的设定值，经第一反馈控制模块的调节，初步优化调控第一流量控制阀和第二流量控制阀；同时设置第三反馈控制模块进一步调节第三被控变量的设定值，补偿第三被控变量设定值的不确定性，经第二反馈控制模块和第一反馈控制模块实现第一流量控制阀和第二流量控制阀的最优控制，从而提高燃料电池的运行效率，降低运行成本，同时降低二氧化碳排放量。
-
公开(公告)号：CN114609993B
公开(公告)日：2024-11-05
申请号：CN202210154037.4
申请日：2022-02-20
Applicant: 湖州师范学院
IPC: G05B23/02
Abstract: 本发明公开了一种基于互k近邻的过程监控方法，属于工业过程监控与故障检测领域，主要用于解决工业过程存在离群点时的故障检测问题。本发明同时实现了离群点的剔除和故障检测，提高了故障检测性能。具体来说，在训练阶段之前，训练样本中的部分离群点被消除，使得离群点不再影响建立模型时阈值的确定；在故障检测阶段，本发明比k近邻方法使用了更有价值和可靠的信息，并且消除了伪近邻的影响。此外，本发明解决了离群点的互保问题，使得过程监控性能进一步提高。
-
公开(公告)号：CN114609993A
公开(公告)日：2022-06-10
申请号：CN202210154037.4
申请日：2022-02-20
Applicant: 湖州师范学院
IPC: G05B23/02
Abstract: 本发明公开了一种基于互k近邻的过程监控方法，属于工业过程监控与故障检测领域，主要用于解决工业过程存在离群点时的故障检测问题。本发明同时实现了离群点的剔除和故障检测，提高了故障检测性能。具体来说，在训练阶段之前，训练样本中的部分离群点被消除，使得离群点不再影响建立模型时阈值的确定；在故障检测阶段，本发明比k近邻方法使用了更有价值和可靠的信息，并且消除了伪近邻的影响。此外，本发明解决了离群点的互保问题，使得过程监控性能进一步提高。
-
-
-
-
-
Search Results
6
records
(took 0.03 seconds)
