申请/专利权人:南方电网科学研究院有限责任公司;中国南方电网有限责任公司;浙江大学
申请日:2024-03-15
公开(公告)日:2024-05-31
公开(公告)号:CN118114163A
主分类号:G06F18/2431
分类号:G06F18/2431;G06F18/22;G06N3/006;G06N3/092;G06N3/126
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.18#实质审查的生效;2024.05.31#公开
摘要:本发明公开了一种基于PSO和SAC的双馈式风机系统参数智能辨识方法,包括:将双馈式风机系统中DFIG参数的辨识问题转换为MDP,使用SAC智能体与作为环境模拟的DFIG模型进行交互,并确定SAC智能体的状态空间、动作空间和奖励函数;在训练SAC智能体的过程中,将SAC生成的辨识结果作为PSO的初始状态进行优化,使用PSO算法不断优化所选中DFIG模型坏参数,以模型响应曲线与实测曲线偏差最小为目标进行迭代优化,直到达到收敛;在模型参数辨识过程中,通过计算灵敏度来提取MDP问题的状态,将提取的状态输入训练好的SAC智能体,辨识得到DFIG参数中的坏参数,以辨识风电机组坏参数,提升坏参数辨识的性能。
主权项:1.一种基于PSO和SAC的双馈式风机系统参数智能辨识方法,其特征在于,包括以下步骤:1将双馈式风机系统中DFIG模型参数的辨识问题转换为马尔可夫决策过程MDP,使用SAC智能体与作为环境模拟的DFIG模型进行交互,并确定SAC智能体的状态空间、动作空间和奖励函数;其中,状态空间包括DFIG模型参数及动态仿真前系统信息,动作空间包括DFIG模型中需要调整参数的变化量;2在训练SAC智能体的过程中,将SAC生成的辨识结果作为PSO的初始状态来进行优化,然后,使用PSO算法不断优化所选中DFIG模型坏参数,以模型响应曲线与实测曲线偏差最小为目标进行迭代优化,直到达到收敛;3在模型参数辨识过程中,先通过计算灵敏度来提取MDP问题的状态,再将提取的状态空间输入训练好的SAC智能体,辨识得到DFIG参数中的坏参数。
全文数据:
权利要求:
百度查询: 南方电网科学研究院有限责任公司;中国南方电网有限责任公司;浙江大学 基于PSO和SAC的双馈式风机系统参数智能辨识方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。