-
公开(公告)号：CN105071421B
公开(公告)日：2019-03-15
申请号：CN201510504486.7
申请日：2015-08-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供的办公建筑能耗管理方法，包括：获取用电需求信息；构造神经网络；根据所述用电需求信息对所述神经网络进行训练确定性能指标函数和控制策略；判断所述训练是否满足收敛精度；如果所述训练满足所述收敛精度，则根据所述性能指标函数获取控制策略，并计算用电费用。本发明可以降低能耗，并减少用电花费。
-
公开(公告)号：CN104573818B
公开(公告)日：2017-06-13
申请号：CN201410828012.3
申请日：2014-12-25
Applicant: 中国科学院自动化研究所
IPC: G06N3/08
Abstract: 本发明公开了一种基于神经网络的办公建筑房间分类方法，包括以下步骤：数据预处理，对办公建筑房间的插座、照明和空调三种用电数据进行筛选、剔除、补充，获得完整的用电数据；网络初始化，构造与预处理三类用电数据对应的三个回声状态网和一个极限学习机，并对各神经网络的参数进行初始化；网络训练，利用预处理的房间用电数据训练各回声状态网，重建房间的用电模式，并利用重建后的房间用电模式以及已知的房间类别训练极限学习机；房间分类，给定新的办公建筑房间三种用电数据作为分类数据，利用训练好的三个回声状态网重建房间的用电模式，并利用训练好的极限学习机获取房间的类型。
-
公开(公告)号：CN103324085B
公开(公告)日：2016-03-02
申请号：CN201310232043.8
申请日：2013-06-09
Applicant: 中国科学院自动化研究所
IPC: G05B13/02
Abstract: 本发明提出一种基于监督式强化学习的最优控制方法，包括步骤：步骤1，初始化控制器和评价器的人工神经网络的权值等参数，及一组训练数据集；步骤2，选择一组系统状态开始迭代；步骤3，监督式控制器产生初始稳定的控制策略，控制器通过调整自身权值逼近该控制策略；步骤4，控制器生成相应的控制动作，并附加一定的随机噪声作为探索；步骤5，将带有噪声的控制动作施加到被控制的系统上，观测下一时刻系统的状态和回报；步骤6，调整控制器和评价器的人工神经网络的权重；步骤7，判断当前状态是否满足终止条件，是则进入步骤8，否则回到步骤3；步骤8，判断初始的系统状态数据是否已经全部用于训练，是则输出最终的控制器，否则回到步骤2。
-
公开(公告)号：CN104318316A
公开(公告)日：2015-01-28
申请号：CN201410528151.4
申请日：2014-10-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种用户用电实时测量方法，其包括步骤S1：对采集用户的用电实时数据进行预处理，获得完整的用电数据；步骤S2：对完整的用电数据参数进行初始化，获得计算所需的初始化聚类类别数、概率上界参数、概率下界参数；步骤S3：采用K-均值聚类算法对用电数据的初始化聚类类别数、概率上界参数、概率下界参数进行聚类，获取不同类别的用电数据；步骤S4：对不同类别的用电数据进行统计计算，得到并对各用电类别的均值及概率处理与计算，获得剔除低概率类、保留高概率类符合实际用户用电的实时预测结果。
-
公开(公告)号：CN102799748A
公开(公告)日：2012-11-28
申请号：CN201210291386.7
申请日：2012-08-15
Applicant: 中国科学院自动化研究所
CPC classification number: Y02E20/18
Abstract: 本发明公开了一种煤气化炉的控制方法，该方法包括依次执行的如下步骤：S1、建立与煤气化炉相应的煤气化炉仿真模型，该仿真模型包含若干模型参数；S2、采集煤气化炉在某段时间内的输入数据和输出数据，所述输入数据和输出数据是指煤气化炉的输入、输出物质的成分与含量以及各项工作参数；S3、根据所采集的输入数据和输出数据，计算仿真模型的模型参数的值；S4、采集煤所化炉的实时输入数据和实时输出数据，通过仿真模型计算模拟输出数据与实时输出数据之间的差值，当该差值不在误差范围时，返回步骤S2，否则继续下一步骤；S5、利用仿真模型计算煤气化炉内在当前时刻起的一段时间内的工作状态参数，据此监控和调节煤气化炉的工作状态。本发明能够高效、实时、精确地调整和监控煤气化炉。
-
Patent Agency Ranking
公开(公告)号：CN106532691A
公开(公告)日：2017-03-22
申请号：CN201611104714.2
申请日：2016-12-05
Applicant: 中国科学院自动化研究所
IPC: H02J3/00
CPC classification number: H02J3/00 , H02J2003/007
Abstract: 本发明涉及一种基于自适应动态规划的单区域电力系统频率复合控制方法。其中，该方法包括：获取如下测量信号：单区域电力系统调速器时间常数、发电机时间常数、区域负荷时间常数、区域负荷增益、单区域电力系统频率偏差；利用比例积分控制器和自适应动态规划控制器，然后，根据测量信号生成比例积分控制信号和自适应动态规划控制信号，并将二者叠加，得到复合控制信号；再将复合控制信号应用到单区域电力系统中，进行频率控制。本发明通过将PI控制量与自适应动态规划控制量相加，构成复合控制量，解决了包含调速器、发电机和当地负荷的单区域电力系统在随机负荷变化情况下，系统实际频率偏离标称值的技术问题，消除了频率偏差。
-
公开(公告)号：CN103679292B
公开(公告)日：2017-01-11
申请号：CN201310695793.9
申请日：2013-12-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种智能微电网双电池电能协同优化方法，其包括：对双电池电能协同优化方法进行相关参数初始化；开启全局循环，初始化评判网络权值；开启外循环，初始化电池控制策略，并根据实际用电情况对所述电池控制策略进行调整；开启内循环，利用采集到的系统状态与调整后的电池控制策略循环修正评判神经网络权值，并利用该评判网络权值评测当前电池控制策略的性能；判断当前内循环是否完成，如果尚未完成，则返回内循环，否则判断当前外循环是否完成，如果尚未完成，则返回外循环，否则判断当前全局循环是否完成，如果尚未完成，则返回全局循环；搜索程序完全运行之后，根据所评判得到的性能保存最优的电池控制策略并计算用电成本。
-
公开(公告)号：CN103217899B
公开(公告)日：2016-05-18
申请号：CN201310036976.X
申请日：2013-01-30
Applicant: 中国科学院自动化研究所
IPC: G05B13/04
Abstract: 本发明提出一种基于数据的Q函数自适应动态规划方法解决最优控制问题。所述方法主要包括：步骤1，初始化稳定的控制策略；步骤2，用已有的控制策略初始化控制器(actor)、评价器(critic)神经网络的权重；步骤3，根据当前控制策略和当前时刻系统状态，生成被控制系统的控制动作并施加到被控制对象上，观测下一时刻的系统状态；步骤4，调整控制器、评价器神经网络的权重；步骤5，判断当前迭代周期是否已经结束，是则进入步骤6，否则回到步骤3；步骤6，判断最近两个迭代周期产生的神经网络权重是否有明显变化，是则用新产生的控制器、评价器神经网络进入步骤2，否则输出最终的控制器神经网络控制器。
-
公开(公告)号：CN103529699B
公开(公告)日：2016-01-06
申请号：CN201310516852.1
申请日：2013-10-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种煤气化炉系统的炉温自学习控制方法，其包括：构建一个基于数据的煤气化炉系统炉温自学习系统模型，用于确定煤气化炉炉温变化；利用三层BP神经网络构建输入煤中元素含量比例的煤质模型，用于确定煤质；利用三层BP神经网络构建输入量参考控制模型，用于确定煤气化炉系统输入参考量；将构建的煤气化炉系统炉温自学习系统模型误差、煤质模型误差和输入量参考控制模型误差与系统外部扰动转化为煤气化炉系统炉温自学习系统控制模型的扰动控制变量；基于迭代自适应动态规划自学习最优控制方法，在所述扰动控制变量对所述系统温度控制误差影响最大的情况下建立求解最优控制的函数，最终获得系统控制。
-
公开(公告)号：CN105071421A
公开(公告)日：2015-11-18
申请号：CN201510504486.7
申请日：2015-08-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供的办公建筑能耗管理方法，包括：获取用电需求信息；构造神经网络；根据所述用电需求信息对所述神经网络进行训练确定性能指标函数和控制策略；判断所述训练是否满足收敛精度；如果所述训练满足所述收敛精度，则根据所述性能指标函数获取控制策略，并计算用电费用。本发明可以降低能耗，并减少用电花费。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.026 seconds)
