-
公开(公告)号：CN119647896A
公开(公告)日：2025-03-18
申请号：CN202411872041.X
申请日：2024-12-18
Applicant: 河南大学
IPC: G06Q10/0631 , G06Q50/06 , G06F17/10
Abstract: 本发明提出了一种基于交通‑配电网中电动汽车充电时空灵活性的经济调度策略，包括步骤：设计经济调度总目标，建立三层架构模型；收集多个充电站的配电网数据、电动汽车详细数据及电动汽车充电要求、交通网数据；聚合电动汽车充电要求并建立电动汽车充电灵活性模型；根据经济调度总目标、电动汽车充电灵活性模型和配电网数据建立第一层调度模型；根据经济调度总目标和电动汽车详细数据建立第二层调度模型；根据经济调度总目标、第三层调度模型和交通网数据建立第三层调度模型；基于第一层调度模型、第二层调度模型和第三层调度模型为电动汽车用户提供充电调度方案。本发明减轻充电负荷对主电网的冲击，还降低了电动汽车用户的总成本。
-
公开(公告)号：CN118826246A
公开(公告)日：2024-10-22
申请号：CN202410855018.3
申请日：2024-06-28
Applicant: 河南大学
Abstract: 本发明提出了一种基于模型预测控制的混合储能系统控制延时补偿方法，用以解决带有可再生能源的直流微电网中储能系统的控制延迟问题。通过该控制方法可以减少可再生能源的波动和负载突变对微电网的影响，从而保证微电网的持续稳定运行。在第一层控制方法中求解出储能系统的总功率，再通过低通滤波器分配给相应的储能系统，在第二层控制方法中得出各储能的充放电行为。与传统的模型预测控制方法相比，本发明对大量计算造成的延时进行了补偿，在第二层控制方法中通过对状态空间方程中下一时刻状态变量获取方法的改进，补偿了由于大量计算造成的延时问题。从而在可再生能源波动和负载突变时，微电网母线电压波动更小。
-
公开(公告)号：CN118570016A
公开(公告)日：2024-08-30
申请号：CN202410378193.8
申请日：2024-03-29
Applicant: 河南大学
IPC: G06Q50/06 , G06Q10/0631 , G06F30/28 , G06F119/14 , G06F113/08
Abstract: 本发明提出了一种基于交通网和配电网深度融合下具有能耗感知的电动汽车全过程经济充电导航方法：S1：建立双层架构模型，设计充电导航总目标；S2：根据上层模型交通状况计算全过程中的交通成本；S3：随机选择满足剩余电量约束的充电站，制定交通成本最低的路线；S4：下层获取充电站所处微电网各项历史数据，预测未来24小时微电网内的电力负荷状态；S5：构建充电站优化调度策略目标函数；S6：制定满足充电需求的充电规划；S7：得到动态电价，计算充电成本；S8：计算全过程导航成本；S9：更换充电站选择，得到最优全过程经济充电导航方案。本发明适用于为电动汽车用户提供全过程经济充电导航方案，降低电动汽车用户充电导航的综合成本，提升行驶效率。
-
公开(公告)号：CN118518123A
公开(公告)日：2024-08-20
申请号：CN202410366426.2
申请日：2024-03-28
Applicant: 河南大学
IPC: G01C21/34 , G01C21/00 , G01C21/20 , G01D21/02 , G01S19/42 , G06Q10/047 , G06Q10/0835 , G06N3/006 , G06N3/126
Abstract: 本发明提出了一种考虑V2V充电的电动物流车双层路径规划方法，具体步骤包括：S1：建立考虑V2V充电的电动物流车双层路径规划模型，确定客户节点信息，加载电动物流车的初始信息；S2：建立上层电动物流车路径规划需求的综合优化目标，基于强化学习的白鲸优化算法规划出配送总成本最低的行驶路径；S3：建立下层模型优化目标，根据电动物流车到达每个客户节点的实时电量选择满足小型电动汽车的V2V充电需求；S4：分别计算对电动物流车考虑V2V充电前后的配送总成本，最终选择配送总成本最低的配送方案。本申请考虑V2V充电的电动物流车双层路径规划模型可以有效结合电动物流车的配送路径问题与行驶过程中随机产生的小型电动汽车电量需求问题。
-
公开(公告)号：CN114371728B
公开(公告)日：2023-06-30
申请号：CN202111525070.5
申请日：2021-12-14
Applicant: 河南大学
IPC: G05D1/10
Abstract: 本发明的目的是提供一种基于多智能体协同优化的无人机资源调度方法，优化多无人机系统的协同调度能力，首先以任务环境中智能体状态st作为多智能体系统输入，然后通过策略网络输出动作at并由评价网络评估，最后输出由连续动作组成的调度策略π；针对连续覆盖和持续性服务两个目标，提出了特殊状态空间和动作空间，通过动作评估机制确定最优调度策略，构造了合理的动作奖励函数rt，使低能耗和连续覆盖的策略成为多智能体系统更好的选择，在算法中设置的经验回放单元随状态和动作空间的更新而改变，通过误差和损失函数L(θQ)来训练输出高评估值动作at，并以此方式共同更新其他智能体，对任务环境中其他智能体的策略进行联合评估，提高多无人机系统的协同调度能力。
-
Patent Agency Ranking
公开(公告)号：CN118504769A
公开(公告)日：2024-08-16
申请号：CN202410700018.6
申请日：2024-05-31
Applicant: 河南大学
IPC: G06Q10/04 , G06N7/01 , G06N3/092 , G06N3/0455 , G06Q50/06 , G06F17/10 , G06F18/20 , G06Q30/0201
Abstract: 本发明提出了一种基于informer多智能体强化学习的复杂场景电动汽车充电引导方法，方法步骤包括：S1：综合获取电动汽车‑充电站‑交通道路交互信息；S2：基于电动汽车‑充电站‑交通道路交互信息，构建电动汽车引导多目标优化函数；S3：以充电站为智能体，将电动汽车引导多目标优化函数建立为马尔可夫决策问题，构建多智能体强化学习电动汽车充电引导框架；S4：基于多智能体强化学习电动汽车充电引导框架设计基于informer网络的行动者‑评论家算法，并通过最小化损失对行动者‑评论家算法更新；S5：计算智能体的优势函数，限制行动者‑评论家算法的更新幅度。本发明方法充分考虑了复杂场景下的信息交互，实现高效实时在线的电动汽车充电引导。
-
公开(公告)号：CN118234015A
公开(公告)日：2024-06-21
申请号：CN202410461147.4
申请日：2024-04-17
Applicant: 河南大学
Abstract: 本发明提出了一种基于重心坐标的3D水下传感器网络分布定位方法，步骤为：S1、构建水下无线传感器网络：根据各传感器节点是否位于水面可分为锚节点集和非锚节点集，根据各个传感器节点的空间位置坐标将三维水下传感器网络投影到二维平面；S2、在二维平面上，结合非锚节点的三角剖分集通过重心坐标计算非锚节点的水平位置；S3、对非锚节点的水平位置进行分布式迭代定位算法，实现对水下非锚节点集的分布式定位。本发明是完全分布式的，只需要少量的在线计算即可实现整个水下无线传感器网络的定位，避免了能源损耗的风险；可以充分利用邻居节点的信息，与集中式定位方法相比有更好的鲁棒性，适合复杂的水下定位环境。本发明仅需要少量的水面锚节点就可以实现对水下大规模的非锚节点的准确定位。
-
公开(公告)号：CN114371728A
公开(公告)日：2022-04-19
申请号：CN202111525070.5
申请日：2021-12-14
Applicant: 河南大学
IPC: G05D1/10
Abstract: 本发明的目的是提供一种基于多智能体协同优化的无人机资源调度方法，优化多无人机系统的协同调度能力，首先以任务环境中智能体状态st作为多智能体系统输入，然后通过策略网络输出动作at并由评价网络评估，最后输出由连续动作组成的调度策略π；针对连续覆盖和持续性服务两个目标，提出了特殊状态空间和动作空间，通过动作评估机制确定最优调度策略，构造了合理的动作奖励函数rt，使低能耗和连续覆盖的策略成为多智能体系统更好的选择，在算法中设置的经验回放单元随状态和动作空间的更新而改变，通过误差和损失函数L(θQ)来训练输出高评估值动作at，并以此方式共同更新其他智能体，对任务环境中其他智能体的策略进行联合评估，提高多无人机系统的协同调度能力。
-
公开(公告)号：CN120033654A
公开(公告)日：2025-05-23
申请号：CN202510176999.3
申请日：2025-02-18
Applicant: 河南大学
IPC: H02J1/14 , H02J1/10 , H02J7/34 , H02J3/28 , H02J3/32 , H02J3/00 , H02J3/24 , H02J15/00 , G06F30/20 , G06Q50/06 , G06F119/08 , G06F119/14 , G06F119/04 , G06F113/04
Abstract: 本发明提出了一种基于双层模糊映射的电氢耦合储能系统功率分配控制方法，步骤为：采集电池储能系统中的电池电流，通过单层模糊映射得到电池的新映射；对氢能储能系统进行仿真，利用氢气状态通过单层模糊映射机制得到新映射；根据瞬态电解槽能量转换效率及电解槽电流的变化判断瞬态时刻的电解槽工作区域，考虑电解槽能量转换效率，通过双层模糊映射机制得到电解槽的新映射；利用电池的新映射和电解槽的新映射作为自适应调节下垂系数，通过下垂控制得到参考电压，从而实现不同情况下的功率分配。本发明能够实现电氢耦合微电网在运行时延长电池寿命、保证储氢罐的安全状态及电解槽在工作过程中以较高的能量转换效率运行，在合理分配功率时保证系统稳定运行。
-
公开(公告)号：CN118826245A
公开(公告)日：2024-10-22
申请号：CN202410853130.3
申请日：2024-06-28
Abstract: 本发明提出了一种基于强化学习的混合储能系统无差拍控制方法，具体步骤为：S1：建立微电网混合储能系统模型；S2：基于actor‑critic网络构建深度确定性策略梯度智能体并进行训练参数设计；S3：利用深度确定性策略梯度智能体对混合储能系统的参考电流值进行补偿；S4：通过直流微电网产生大量数据对深度确定性策略梯度智能体算法进行训练，得到训练的模型；S5：将训练的模型加入到无差拍控制器中，得到准确的参考电流；S6：分别得到电池和超级电容双向转换器下一时刻的控制占空比。通过本申请所提出的方法能够避免对系统损耗进行复杂的数学建模，在不增加在线运算负担的情况下保证直流母线电压的稳定。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.05 seconds)
