-
公开(公告)号：CN114784823B
公开(公告)日：2024-12-10
申请号：CN202210399513.9
申请日：2022-04-15
Applicant: 华中科技大学
Abstract: 本发明公开了基于深度确定性策略梯度的微电网频率控制方法及系统，属于电力系统频率控制领域。包括将微电网系统的频率偏差及其的积分作为训练数据，采用双延迟深度确定性策略梯度算法训练智能体；将训练好的智能体应用于带有新能源的微电网系统，将当前系统的状态信息输入AC框架，选取最佳动作，转换为实际指令用于同步发电机的调节器阀门开度，控制微电网频率。本发明利用无模型的深度强化学习算法，训练智能体自适应学习电网频率变动，因含有新能源的微电网具有随机性和间歇性的特点，本发明不需要依赖与真实环境存在较大偏差的理想数学模型，只需要系统的输入和奖励值进行不断学习迭代，从而对微电网有更好的控制效果。
-
公开(公告)号：CN114123260B
公开(公告)日：2023-10-03
申请号：CN202111352087.5
申请日：2021-11-16
Applicant: 华中科技大学
Abstract: 本发明公开了面向可再生能源的多能源微电网共享储能控制方法及系统，属于新能源消纳领域。包括以所有参与共享储能的多能源微电网和混合储能系统的总能源成本最小化为目标函数；以微电网和混合储能系统之间的能量流为决策变量；以微电网从外部购买的电量和天然气量以及单个微电网内部的能量流动为决策变量，混合储能系统储能损耗成本、混合储能系统的充放电速度以及混合储能系统的热电转换为决策变量，对各决策变量构建约束条件，以构建混合储能系统共享储能优化控制模型；采用分布式优化对混合储能系统共享储能优化控制模型求解，获得多个微电网对单个混合储能系统共享的控制方案。
-
公开(公告)号：CN112766590B
公开(公告)日：2022-09-20
申请号：CN202110108000.3
申请日：2021-01-27
Applicant: 华中科技大学
Abstract: 本发明公开一种居民典型电力消费模式的提取方法与系统，属于智能电表应用领域。包括：获取对象M天电力消费数据，得到M条日负荷曲线；对每条日负荷曲线数据进行标准化处理；对每条标准化后日负荷曲线，采用符号化聚合近似将日负荷曲线转化为符号时间序列；采用带噪声的基于密度的空间聚类算法将M个符号时间序列分类，剔除异常值；将每个符号时间序列还原为电力消费水平时间序列；对所有电力消费水平时间序列中相同时段电力消费水平计算平均值，得到居民的典型电力消费模式。本发明消除干扰性的电力特征，使得用户分类结果中簇内具有更高相似性，簇间差异更显著；消除居民电力消费模式中的异常值，使得提取出的居民典型电力消费模式更具代表性。
-
公开(公告)号：CN114200833A
公开(公告)日：2022-03-18
申请号：CN202111404956.4
申请日：2021-11-24
Applicant: 华中科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于观测器的机器人网络动态区域覆盖的控制方法，设计了利用基函数信息和传感器测量信息近似出任务区域的环境密度函数的观测器，以解决环境信息不完全已知的问题。然后基于近似的环境密度函数，设计了机器人的控制器来驱动机器人网络实时变化位置配置，使得机器人网络能够在任务区域存在可移动目标的情况下实现良好的区域覆盖效果。通过设计观测器和机器人网络的控制器，并进行相关理论的分析和证明，实现机器人网络对动态区域覆盖监测效果的优化，达到良好的覆盖效果，能够解决机器人网络对存在可移动目标且可移动目标的特性未知引起的区域信息不完全已知的动态区域的覆盖控制问题。
-
公开(公告)号：CN110561417B
公开(公告)日：2021-03-26
申请号：CN201910718263.9
申请日：2019-08-05
Applicant: 华中科技大学
Abstract: 本发明涉及一种多智能体无碰撞轨迹规划方法，包括：分别为每个智能体和障碍物建立在智能体运动平面上的投影模型，模型为一个安全半径下的圆面，安全半径使智能体或障碍物在该面上的投影位于圆内；基于外部罚函数法，将无碰撞约束条件转换为碰撞惩罚项并纳入持续监控目标函数，无碰撞约束条件包括任两个代表智能体的圆面不相交以及任两个分别代表智能体和障碍物的圆面不相交；以最小化目标函数为目标，采用最优控制理论和梯度下降法得到每个智能体的无碰撞轨迹。本发明依据圆面的建模方式及基于外部罚函数法的目标函数制定，既减少了模型对各种形状的智能体和障碍物的依赖，又驱使最终优化轨迹远离碰撞现象的发生，最终获得无碰撞的最优监控轨迹。
-
Patent Agency Ranking
公开(公告)号：CN112381449A
公开(公告)日：2021-02-19
申请号：CN202011377795.X
申请日：2020-11-30
Applicant: 华中科技大学 , 国网湖北省电力有限公司
Abstract: 本发明公开了一种异构远洋孤岛微电网系统及其分布式能源交易方法，属于远洋孤岛微电网能源管理领域，系统包括：发电岛、生产岛和负荷岛，方法包括：采用鲁棒优化方法处理可再生能源发电的不确定性问题，通过动态非合作博弈框架来实现发电岛、生产岛和负荷岛中聚合器之间的双向交互过程，并设计分布式迭代算法找到纳什均衡策略，即找到发电岛的最优供电量和最优电价，生产岛的最优购电量、最优供氢量和供水量、最优氢价和水价，以及负荷岛的最优购电量、购氢量和购水量、最优负荷能耗量，同时使得发电岛、生产岛和负荷岛中每个聚合器总成本最小。如此，本发明能有效解决远洋孤岛微电网多能源供应的问题，保证异构远洋孤岛微电网系统经济高效运行。
-
公开(公告)号：CN110717402A
公开(公告)日：2020-01-21
申请号：CN201910869949.8
申请日：2019-09-16
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于层级优化度量学习的行人再识别方法，属于行人再识别领域。本发明提出层次优化策略，利用批量梯度下降法优化深度神经网络参数，通过数学上的转换实现映射矩阵凸优化。分级优化模式能够有效的实现深度度量学习与传统度量学习优势互补，进而提升算法性能，提升了行人识别的性能。提出构建强样本约束，即只利用距离最远的同标签样本与距离最近的异标签样本来构建样本约束，有效减少样本约束的数量，保证每个样本约束的有效性，实现模型快速优化。提出新正则项，通过对参数向量求余弦值来衡量参数向量的差异性，给出的正则形式为参数向量的内积与其范数归一损失的求和，能够在训练过程中避免参数趋同，提高多样性。
-
公开(公告)号：CN110705722A
公开(公告)日：2020-01-17
申请号：CN201910866231.3
申请日：2019-09-12
Applicant: 华中科技大学
Abstract: 本发明公开了一种工业设备故障诊断的诊断模型及其构建方法和应用，构建方法包括：采用变分模式分解法分解训练工业设备的每个原始振动信号，得到多个子模态分量，从多个子模态分量中选出一个最佳子模态分量；采用贝叶斯优化的一维快速非局部均值法，对所有最佳子模态分量去噪；基于所有去噪后的最佳子模态分量，采用度量学习改变分类器中的样本距离度量函数并训练，得到工业设备故障诊断的诊断模型。本发明采用变分模态分解从原始振动信号中分离出故障特征；进一步引入去噪性能高的非局部均值去噪算法，并对参数进行贝叶斯优化，实现对高信噪比振动信号的良好降噪效果。最后将度量学习应用于分类器的训练。本发明方法诊断精确度高且适用范围广。
-
公开(公告)号：CN110443298A
公开(公告)日：2019-11-12
申请号：CN201910700002.4
申请日：2019-07-31
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于云-边缘协同计算的DDNN及其构建方法和应用，应用于物联网多视角图像下目标分类，DDNN包括：边缘侧，其采用特征袋模型对提取到的多张特征图像进行相似性度量并统计得到每个视角的直方图向量；对各个视角直方图向量进行特征加权融合，基于融合后的直方图向量得到边缘侧目标分类，若该分类精度不够，将提取到的每个视角的特征图像传输至云端；云端，用于对所有特征图像进行特征加权融合，对融合特征图像进行卷积、分类操作，得到云端的目标分类。本发明在边缘侧引入特征袋模型，减少参数量；另外，多视角加权特征融合减少了多视角冗余特征、增加特征表达能力的有效性。本发明减少了DDNN的参数量及云-边缘通信量并提高了DDNN整体性能。
-
公开(公告)号：CN109583753A
公开(公告)日：2019-04-05
申请号：CN201811440289.3
申请日：2018-11-27
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于区域内部交易的智能电网监控系统及其控制方法，其中系统包括：区块链模块和智能计算模块；区域内部的所有用户、所有发电模块和所有热电联产模块均独立于主电网，热能和电能尽在区域内交换和消纳；区块链模块，用于获取区域内部各个用户的用电需求和供热需求、各个发电模块的发电量以及各个热电联产模块的用气需求、发电量和发热量；智能计算模块，用于利用区块链模块的信息，以智能电网监控系统的经济利益最大为目的，得到各个用户的购电量和购热量、各个发电模块的售电量以及各个热电联产模块的购气量、售电量和售热量。本发明运行可靠、不会用户隐私泄露，新能源发电实现本地消纳。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.024 seconds)
