公开(公告)号：CN117421991A

公开(公告)日：2024-01-19

申请号：CN202311523075.3

申请日：2023-11-14

Applicant: 重庆大学

Inventor： 李珂 ,  杨庆山 ,  罗桢智 ,  陈增顺 ,  吴腾 ,  胡钢

IPC: G06F30/27 ,  G06N3/092 ,  G06N3/045

Abstract: 本发明公开了一种基于深度强化学习的数值风洞入口风速智能控制方法，用于对数值风洞入口边界的风扇阵列进行智能控制，适用于智能风洞设计领域，基于深度确定性策略梯度算法原理构建神经网络，通过与流动环境不断交互，实时输出可在多点位生成目标风速的最优控制方法；具体的，基于观测点位的目标风速和观测风速设计强化学习的奖励函数，计算分析实际观测风速与目标风速的差异，动态学习和调整决策智能体中的人工神经网络权重，建立从多点位的流动状态到控制动作的映射关系，从而获得主动流动控制器，以执行多点位生成时程风速序列的最优策略。

公开(公告)号：CN117744709A

公开(公告)日：2024-03-22

申请号：CN202311734604.4

申请日：2023-12-15

Applicant: 重庆大学

Inventor： 李天 ,  杨庆山 ,  李杭 ,  吴腾 ,  权顺德

IPC: G06N3/0455 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094 ,  G06Q50/06 ,  H02J3/00

Abstract: 本发明公开了基于生成对抗式网络模型的风电场尾流及功率预测方法，包括如下步骤：1)基于transformer模型和条件生成对抗式网络构建单风机尾流预测模型；2)基于卷积神经网络构建多风机尾流叠加预测模型，通过解析尾流模型和数值模拟生成训练数据集训练并验证上述两模型；3)根据所述单风机尾流预测模型和多风机尾流叠加预测模型对风电场尾流的尾流场和功率进行预测。本发明通过采用深度学习模型技术，在保证高效计算的同时可达到接近数值模拟的尾流预测精度，依靠数据驱动的模型训练方法，可使其快速部署在各类不同的风电场中；其次，还可通过风电场的实测数据来进一步提升预测性能，避免传统的参数识别步骤，应用更加高效。

公开(公告)号：CN117744709B

公开(公告)日：2025-03-11

申请号：CN202311734604.4

申请日：2023-12-15

Applicant: 重庆大学

Inventor： 李天 ,  杨庆山 ,  李杭 ,  吴腾 ,  权顺德

IPC: G06N3/0455 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094 ,  G06Q50/06 ,  H02J3/00

Abstract: 本发明公开了基于生成对抗式网络模型的风电场尾流及功率预测方法，包括如下步骤：1)基于transformer模型和条件生成对抗式网络构建单风机尾流预测模型；2)基于卷积神经网络构建多风机尾流叠加预测模型，通过解析尾流模型和数值模拟生成训练数据集训练并验证上述两模型；3)根据所述单风机尾流预测模型和多风机尾流叠加预测模型对风电场尾流的尾流场和功率进行预测。本发明通过采用深度学习模型技术，在保证高效计算的同时可达到接近数值模拟的尾流预测精度，依靠数据驱动的模型训练方法，可使其快速部署在各类不同的风电场中；其次，还可通过风电场的实测数据来进一步提升预测性能，避免传统的参数识别步骤，应用更加高效。