-
公开(公告)号：CN107147102A
公开(公告)日：2017-09-08
申请号：CN201710236625.1
申请日：2017-04-12
Applicant: 南京邮电大学 , 南京国电南自城乡电网自动化工程有限公司
CPC classification number: Y02B90/228 , Y04S20/18 , H02J1/10 , H02J1/102 , H02J13/0003
Abstract: 本发明公开了一种基于多智能体的直流微电网网络化分布式协调控制方法，构建两级多智能分布式协调控制架构；设计分布式协调二次控制策略；设计改进的外环下垂控制器；设计内环电压/电流控制器；其依托信息网络系统来决策和执行电压一致性控制和负荷比例分享。该发明所提出的分布式协调控制充分考虑了信息系统的网络拓扑切换性和传输时滞的不确定性，实现信息物理系统融合环境下的动态稳定性控制。
-
公开(公告)号：CN106777673A
公开(公告)日：2017-05-31
申请号：CN201611149792.4
申请日：2016-12-14
Applicant: 南京邮电大学
IPC: G06F17/50
Abstract: 本发明公开了一种微电网负荷协调控制仿真系统及建模方法，系统包括：微电网元件层、协调控制层、中间通信层、智能体节点层、控制决策层；方法包括：构建微电网仿真系统；对负荷模型进行优先级划分，且实时监测负荷模型的运行状态及参数和分布式电源模型运行状态及参数，并计算各自剩余发电能力；实时获取微电网的运行状态，并计算当前所有微电源的最大供电能力，将其与所需用电负荷比较得到可增加接入的最大负荷，及判断是否发送切除负荷指令；根据接收的切除负荷指令，按照预先对负荷模型划分的优先级对负荷模型执行切除操作。本发明可对负荷进行优先级划分，实现负荷的优化协调控制，更能适应微电网负荷协调控制仿真建模的实际需求。
-
公开(公告)号：CN110309978A
公开(公告)日：2019-10-08
申请号：CN201910615225.0
申请日：2019-07-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于二次动态调整的神经网络光伏功率预测模型及方法，预测模型基于资源分配神经网络，用历史数据离线训练资源分配网络学习规则，得到在线预测以及后台二次动态调节的初始神经网络预测模型；将初始预测模型投入实际光伏功率预测，以实时数据作为模型输入，记录预测结果偏差较大的样本；误差较大的预测结果再次出现时，将与缓冲区的数据进行匹配，若出现特征相似的输入数据，则增加当前类型的输入样本支持度；具有相似特征的输入样本满足出现支持度阈值时，启用二次动态调节，调整预测模型的结构以学习该类样本。本发明在解决神经网络预测模型单一依赖离线训练样本问题的同时，使预测模型具备在线学习能力，更适应光伏功率的特性。
-
公开(公告)号：CN110309978B
公开(公告)日：2022-07-22
申请号：CN201910615225.0
申请日：2019-07-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于二次动态调整的神经网络光伏功率预测模型及方法，预测模型基于资源分配神经网络，用历史数据离线训练资源分配网络学习规则，得到在线预测以及后台二次动态调节的初始神经网络预测模型；将初始预测模型投入实际光伏功率预测，以实时数据作为模型输入，记录预测结果偏差较大的样本；误差较大的预测结果再次出现时，将与缓冲区的数据进行匹配，若出现特征相似的输入数据，则增加当前类型的输入样本支持度；具有相似特征的输入样本满足出现支持度阈值时，启用二次动态调节，调整预测模型的结构以学习该类样本。本发明在解决神经网络预测模型单一依赖离线训练样本问题的同时，使预测模型具备在线学习能力，更适应光伏功率的特性。
-
-
-
Search Results
4
records
(took 0.021 seconds)
