-
公开(公告)号:CN118735069A
公开(公告)日:2024-10-01
申请号:CN202410868518.0
申请日:2024-06-28
Applicant: 无锡学院
IPC: G06Q10/04 , G06Q50/06 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本发明公开了一种基于条件生成对抗网络的短期负荷预测方法,涉及电力系统负荷预测技术领域,针对目前的短期负荷预测算法无法处理复杂非线性负荷数据之间的底层关系,导致算法预测的准确性不足等问题,本发明依次进行数据预处理、构建条件生成对抗网络CGAN、采用生成模型G和判别模型D交替训练的方法来训练CGAN网络模型以及评价指标四个步骤,通过对抗网络的博弈训练,可以学习到潜在的关系在复杂的非线性序列数据之间生成新的数据;实验结果表明,本方法训练的模型在不同场景下具有较高的预测精度,同时训练效率高,泛化能力强,网络结构清晰,可解释性强,对负荷预测领域具体良好效果。
-
公开(公告)号:CN117340876A
公开(公告)日:2024-01-05
申请号:CN202311273174.0
申请日:2023-09-27
Applicant: 无锡学院
IPC: B25J9/16
Abstract: 本发明公开了一种盲六足机器人运动策略的训练方法,属于六足机器人运动控制的技术领域;该方法基于盲六足机器人的内传感器获取本体感知信号,该信号可以满足盲六足机器人正常行走的最低要求,并可忽略恶劣天气的影响。使用近端策略优化算法训练盲六足机器人的运动策略,验证了盲六足机器人的马尔可夫性证明算法的可行性。本发明通过Mujoco建立了盲六足机器人在非结构化地面运动的环境,并在环境中通过强化学习算法训练得到运动策略,使盲六足机器人能根据当前环境做出自适应运动;证明该方法能使盲六足机器人在恶劣天气影响下也能稳定行走和简单避障,并通过非结构化地面。
-
公开(公告)号:CN119029973A
公开(公告)日:2024-11-26
申请号:CN202411081229.2
申请日:2024-08-07
Applicant: 无锡学院
Abstract: 本发明公开了一种基于预测控制的微电网液流电池储能调峰方法,涉及微电网储能技术领域,通过系统建模和简化、预测控制和优化、性能评估和优化以及构建仿真模型进行验证分析,在传统的固定控制方法的基础上,引入了预测控制方法的策略,有效地解决了电网传输能量损失过多以及供需两方面的不确定性造成的负面影响,如电网效率低下、可持续性低、缺乏弹性等问题;与传统的固定控制方法相比,所提出的预测控制方法具有优越的智能性和灵活性,能够无缝适应微电网系统的动态功率需求;通过显著提高钒氧化还原液流电池VRFB效率和降低运营成本,本实施例方法有望提高微电网基础设施的可持续性和弹性。
-
公开(公告)号:CN118889458A
公开(公告)日:2024-11-01
申请号:CN202410919933.4
申请日:2024-07-10
Applicant: 无锡学院
Abstract: 本发明公开一种平抑功率波动对电网稳定性影响的控制方法,包括以下步骤:建立模糊规则库,监测电网的频率偏差和负荷变化;监测发电机组的频率偏差和负荷变化;去模糊化输出;电网控制系统发出相应指令,调整系统参数,通过控制发电机组对发电机的转速、功率输出、电压和频率进行电网稳定性控制。本发明在面对新能源波动时,响应时间更快,超调量更小。增强系统频率稳定性和互联线路功率平衡的维护。此外,在增强电力系统稳定性的同时,无缝适应可再生能源发电固有的波动性。
-
公开(公告)号:CN119134440A
公开(公告)日:2024-12-13
申请号:CN202411158800.6
申请日:2024-08-22
Applicant: 无锡学院
Abstract: 本发明公开了一种考虑储能与需求响应的有源配电网安全提升方法,涉及智能电网技术领域,分为预防、纠正和恢复阶段,有效降低了计算负担并降低了复杂性;通过严重事件建模、制定安全指标和利用可用资源,通过基于IGDT的鲁棒优化方法进行求解,得到不确定风险下的最优解决方案;优化模型分为两个阶段:第一阶段建模ADN可能发生的严重事件,并提出表征网络弹性和微电网安全性的定量指标;第二阶段将网络分解为多个微电网集群,利用可用资源和网络重构技术来增强ADN的安全性,并采用鲁棒优化方法来限制严重事件带来的不确定性风险;从而通过有效利用储能和灵活需求响应来提高系统的安全性,显著提高系统的弹性和可靠性。
-
公开(公告)号:CN117474049A
公开(公告)日:2024-01-30
申请号:CN202311365851.1
申请日:2023-10-20
Applicant: 无锡学院
IPC: G06N3/0464 , G06N3/092 , G06N3/047
Abstract: 本发明公开了一种基于SAC算法的六足机器人运动策略的训练方法,属于六足机器人运动控制的技术领域;包括以下步骤:S1、构建六足机器人和地形模型;S2、获取六足机器人的本体感知信号;S3、构建策略网络和价值网络;S4、构建SAC算法,通过价值网络来评估六足机器人当前动作和状态的价值,根据价值评估结果对策略网络进行迭代;S5、构建奖励函数,通过最大化奖励的方式来指导策略网络的训练和参数优化。本发明使用SAC算法对步态进行训练,该算法在目标函数中增加了熵项,对于复杂的任务有着出色的探索能力;本发明还优化了SAC算法中的策略网络,使其适应六足机器人的结构空间关系,并优化了强化学习算法中的奖励函数,可以生成优秀的移动策略。
-
-
-
-
-