-
公开(公告)号：CN117851176A
公开(公告)日：2024-04-09
申请号：CN202410029944.5
申请日：2024-01-09
申请人： 东南大学
摘要： 本发明公开了一种基于设备特性迁移的数据中心能耗评估方法及系统，涉及机器学习技术领域，包括：接收现有局点的大规模样本库，将现有局点能效评估神经网络模型和现有局点的大规模样本库输入至预先构建的基于监督学习算法的拟合器内进行训练，得到训练后的现有局点能效评估神经网络模型；接收新建局点的小规模样本库，将部分初始化后的新建局点能效评估神经网络模型以及新建局点的小规模样本库输入至基于监督学习算法的拟合器进行训练，得到训练后的新建局点能效评估神经网络模型；采用增量学习算法，对训练后的新建局点能效评估神经网络模型中的权重参数进行更新，利用参数更新后的新建局点能效评估神经网络模型进行数据中心能耗评估。
-
公开(公告)号：CN112968458A
公开(公告)日：2021-06-15
申请号：CN202110126641.1
申请日：2021-01-29
申请人： 东南大学 , 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司电力科学研究院
摘要： 本发明公开一种直流控制器主导参数识别与辨识方法，所述主导参数识别与辨识方法如下：待分析的直流控制器参数θj通过直流输电模型控制系统进行仿真，获得时长为Tc的仿真结果，仿真结果包括直流输电系统整流侧直流电压Vrec、逆变侧直流电压Vinv和直流电流Id，根据仿真结果计算出直流控制器参数θj的平均灵敏度Aj。本发明主导参数识别与辨识方法通过提出综合灵敏度评价指标，来筛选直流控制器的主导参数，从而降低待测辨直流控制器参数的维度，通过提出一种测辨效果综合评价指标，并利用粒子群算法实现直流控制器主导参数的测辨，提高了参数测辨结果的准确性。
-
公开(公告)号：CN116245334B
公开(公告)日：2024-04-16
申请号：CN202310249825.6
申请日：2023-03-15
申请人： 东南大学
IPC分类号： G06Q10/0631 , G06Q10/0635 , G06Q50/06 , G06N7/01 , G06N3/04 , G06N3/092
摘要： 本发明公开了一种基于深度强化学习的电力系统风险感知实时调度方法，涉及电网经济调控技术领域，包括：构建单断面的电力系统单步场景库并求解各场景风险成本，依据场景库训练运行风险快速评估模型；然后生成5分钟间隔的日内场景库，构建调控环境以及状态、动作、奖励接口，最后构建风险调控为问题框架，并通过深度强化学习求解，在应用中，以系统负荷大小，新能源出力上限为条件变量，通过利用深度强化学习智能体构建调度策略依据条件变量决策可调控设备出力等组成的控制变量，并依据构建的风险快速感知模型评估决策后的系统运行风险，指导调控智能体训练，最终实现基于深度强化学习的风险感知在线安全经济调度。
-
公开(公告)号：CN116245334A
公开(公告)日：2023-06-09
申请号：CN202310249825.6
申请日：2023-03-15
申请人： 东南大学
IPC分类号： G06Q10/0631 , G06Q10/0635 , G06Q50/06 , G06N7/01 , G06N3/04 , G06N3/092
摘要： 本发明公开了一种基于深度强化学习的电力系统风险感知实时调度方法，涉及电网经济调控技术领域，包括：构建单断面的电力系统单步场景库并求解各场景风险成本，依据场景库训练运行风险快速评估模型；然后生成5分钟间隔的日内场景库，构建调控环境以及状态、动作、奖励接口，最后构建风险调控为问题框架，并通过深度强化学习求解，在应用中，以系统负荷大小，新能源出力上限为条件变量，通过利用深度强化学习智能体构建调度策略依据条件变量决策可调控设备出力等组成的控制变量，并依据构建的风险快速感知模型评估决策后的系统运行风险，指导调控智能体训练，最终实现基于深度强化学习的风险感知在线安全经济调度。
-
公开(公告)号：CN114153821A
公开(公告)日：2022-03-08
申请号：CN202111510601.3
申请日：2021-12-11
申请人： 东南大学
IPC分类号： G06F16/21 , G06F16/22 , G06F16/2458 , G06F16/36 , G06F16/901
摘要： 本发明公开一种基于图论的电量图数据库构建及搜索方法，涉及电力系统技术领域，该方法首先提出一种基于图论的电量数据的图数据库构建方法，将数据提取为“实体—关系—实体”的三元组形式，并由索引矩阵、邻接矩阵以及用户‑时间‑电量的二维浮点数值矩阵进行存储。其次，构建基于自建数据库的智慧搜索方法；使用邻接矩阵性质以及可达矩阵原理对数据实现包括精确搜索、广域搜索、广域统计、上级与次级统计在内的多种功能智慧搜索。最后通过实施例验证运用所述方法能够有效管理大体量电量数据，实现比传统网上电网更丰富的搜索功能，并在大幅缩减了搜索时间，在搜索的时间效率上明显优于开源数据库Neo4j，具有良好的实际应用和推广价值。
-
公开(公告)号：CN117851176B
公开(公告)日：2024-08-06
申请号：CN202410029944.5
申请日：2024-01-09
申请人： 东南大学
摘要： 本发明公开了一种基于设备特性迁移的数据中心能耗评估方法及系统，涉及机器学习技术领域，包括：接收现有局点的大规模样本库，将现有局点能效评估神经网络模型和现有局点的大规模样本库输入至预先构建的基于监督学习算法的拟合器内进行训练，得到训练后的现有局点能效评估神经网络模型；接收新建局点的小规模样本库，将部分初始化后的新建局点能效评估神经网络模型以及新建局点的小规模样本库输入至基于监督学习算法的拟合器进行训练，得到训练后的新建局点能效评估神经网络模型；采用增量学习算法，对训练后的新建局点能效评估神经网络模型中的权重参数进行更新，利用参数更新后的新建局点能效评估神经网络模型进行数据中心能耗评估。
-
公开(公告)号：CN117895485A
公开(公告)日：2024-04-16
申请号：CN202311765228.5
申请日：2023-12-20
申请人： 东南大学
IPC分类号： H02J3/00 , G06F18/22 , G06F18/23 , G06F17/11 , G06Q50/06 , H02J3/46 , H02J3/50 , H02J3/48 , H02J3/26 , H02J13/00
摘要： 本发明公开了一种考虑多种因素变化的分布式光伏关键节点筛选方法，其包括：在广域分布式光伏配电网中，随配电网运行工况变化进行聚类划分并筛选出关键社团，实现大规模网络降维；针对关键社团，根据电压灵敏度指标分析配电网中薄弱环节；进一步结合微气象因素，对光伏出力和气象因子之间的相关性特征进行分析，选择微气象敏感的位置作为关键节点，最终根据广域光伏网络内的薄弱环节和微气象关键节点配置监测装置，实现光伏出力精准预测。本发明方法从运行工况和微气象两种变化出发筛选广域分布式光伏系统关键节点，通过合理安装监测装置，能够有效解决广域分布式光伏配网中气象监测数据不足的问题，提高装置配置的经济性和可靠性。
-
公开(公告)号：CN117851175A
公开(公告)日：2024-04-09
申请号：CN202410029710.0
申请日：2024-01-09
申请人： 东南大学
摘要： 本发明公开了一种基于数据机理融合的数据中心能耗优化方法及系统，涉及智能控制技术领域，包括：接收数据中心冷却系统效果评估样本库，将预先建立的数据中心冷却系统效果评估深度神经网络以及数据中心冷却系统效果评估样本库输入至预先建立的基于监督学习算法构建的拟合器进行训练，输出得到训练后的数据中心冷却系统效果评估深度神经网络；将预先建立的数据中心冷却系统模糊逻辑控制器、训练后的数据中心冷却系统效果评估深度神经网络以及数据中心冷却系统效果评估样本库输入预先建立的基于强化学习算法构建的优化器进行训练，输出得到训练后的数据中心冷却系统模糊逻辑控制器，并将训练后的数据中心冷却系统模糊逻辑控制器部署应用。
-
公开(公告)号：CN118446087A
公开(公告)日：2024-08-06
申请号：CN202410526362.8
申请日：2024-04-29
申请人： 东南大学
IPC分类号： G06F30/27 , G06N3/0455 , G06N3/09 , H02J3/00 , G06F111/08
摘要： 本发明公开了一种基于自动编码器的电磁暂态模型参数辨识方法及系统，涉及电力系统模型测辨技术领域，包括：通过电磁暂态仿真计算得到电磁暂态模型内电磁暂态模型端口电压、有功功率响应曲线，整合生成电磁暂态模型参数‑响应数据样本库；将参数‑响应解码器神经网络模型和电磁暂态模型参数‑响应数据样本库输入至基于监督学习算法的拟合器内进行训练，输出得到训练后的参数‑响应解码器神经网络模型；将得到的再输入至预先构建的基于自编码器算法的拟合器内进行训练，输出得到训练后响应‑参数编码器神经网络模型；将受扰后完整电压、有功功率响应曲线输入至训练后响应‑参数编码器神经网络模型内，得到电磁暂态模型待辨识参数估计值。
-
公开(公告)号：CN117851175B
公开(公告)日：2024-07-30
申请号：CN202410029710.0
申请日：2024-01-09
申请人： 东南大学
摘要： 本发明公开了一种基于数据机理融合的数据中心能耗优化方法及系统，涉及智能控制技术领域，包括：接收数据中心冷却系统效果评估样本库，将预先建立的数据中心冷却系统效果评估深度神经网络以及数据中心冷却系统效果评估样本库输入至预先建立的基于监督学习算法构建的拟合器进行训练，输出得到训练后的数据中心冷却系统效果评估深度神经网络；将预先建立的数据中心冷却系统模糊逻辑控制器、训练后的数据中心冷却系统效果评估深度神经网络以及数据中心冷却系统效果评估样本库输入预先建立的基于强化学习算法构建的优化器进行训练，输出得到训练后的数据中心冷却系统模糊逻辑控制器，并将训练后的数据中心冷却系统模糊逻辑控制器部署应用。
-
-
-
-
-
-
-
-
-
搜索结果
21 条记录 (耗时 0.02 秒)
