广西大学殷林飞获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉广西大学申请的专利一种分布式平行多层模型预测控制的发电控制方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115562042B 。
龙图腾网通过国家知识产权局官网在2025-11-28发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211386662.8,技术领域涉及:G05B13/04;该发明授权一种分布式平行多层模型预测控制的发电控制方法是由殷林飞;黄莉婷;贺晓宇设计研发完成,并于2022-11-07向国家知识产权局提交的专利申请。
本一种分布式平行多层模型预测控制的发电控制方法在说明书摘要公布了:本发明提出一种分布式平行多层模型预测控制的发电控制方法,包括分布式平行系统和多层输入模型预测控制两个模块,分布式平行系统根据实际电力系统构建基于模型预测控制的多区域发电控制模型,形成分布式的多智能体虚拟系统,并与实际系统相互修正。区域控制偏差、频率偏差、疫情防控和健康管理信息、天气信息、四小时预测负荷值及日前调度构成模型预测控制模块的多层输入。所提分布式平行多层模型预测控制方法能解决现有的发电控制方法存在的问题,有效平衡发电控制系统的有功功率,减少频率偏差,充分发掘人工系统的潜力,并对复杂系统建立精确的数学模型的问题,优化实际系统与人工系统评估的状态之间的不同,提高实际系统和虚拟系统的拟合度。
本发明授权一种分布式平行多层模型预测控制的发电控制方法在权利要求书中公布了:1.一种分布式平行多层模型预测控制的发电控制方法,其特征在于,将分布式平行系统和多层输入模型预测控制结合,用于发电控制,具有利用虚拟控制系统预测模型的状态矩阵、输入矩阵、输出矩阵、扰动矩阵,从而计算出模型的最优控制序列,并将该序列应用于实际控制系统的功能;对控制对象起到优化作用,能排除安全隐患,使人工系统发挥主导作用,并能通过模拟仿真获得最优控制方案;所述发电控制方法能通过人工系统的计算实验,分析每个镜像虚拟系统的行为和反应,并对不同数学模型的效果进行评估,通过镜像虚拟系统和实际系统进行状态矩阵、输入矩阵、输出矩阵、扰动矩阵的相互修正,判断最优控制序列应用于虚拟智能体发电系统是否会出现异常,若出现异常,则将异常单元位置信息传输到虚拟系统控制器,使控制智能体系统的有关人员迅速掌握系统的各种情况并采取对应行动;在使用过程中,第k个平行系统的第i智能体的步骤为: 步骤1:建立4个与实际系统参数相同的平行系统; 步骤2:实际系统与每个平行系统建立基于模型预测控制的多区域发电控制模型; 步骤3:获取第k个平行系统的第i个区域接收各区域的频率偏差Δfi,k,区域控制偏差ACEi-j,k,四小时预测负荷值ΔPi,k,t=4h,日前调度ΔPi,k,t=24h,温湿度WSi,k,降雨量JYi,k,风向FXi,k,风速FSi,k,降雨量JYi,k,太阳光辐射强度QDi,k,风险区域类型LXi,k,人群居家管理信息XXi,k,病例数量SLi,k; 步骤4:构建第k个平行系统的第i个区域的模型预测控制模型; 第k个平行系统的第i个区域的模型预测控制模型为: 式中xi,k为状态变量,ui,k为输入变量,wi,k为扰动变量,Ai,k为系统的状态矩阵,Bi,k为系统的输入矩阵,Di,k为系统的扰动矩阵;表示微分;其中xi,k为: xi,kt=[Δfi,k,ACEi-j,k,ΔPi,k,t=4h,ΔPi,k,t=24h,WSi,k,JYi,k,FXi,k,FSi,k,JYi,k,QDi,k,LXi,k,XXi,k,SLi,k]T2 步骤5:输出第k个平行系统的第i个区域的模型预测控制的控制量; yi,kt=Ci,kxi,kt3 式中Ci,k为系统的输出矩阵,yi,k为发送到第k个平行系统的第i个发电机的功率ΔPi,k; 步骤6:对比4个平行系统的频率偏差Δfi,k,其中k=1,2,3,4,选择其中Δfi,k为最小值的平行系统对应的Ai,k,Bi,k,Ci,k,Di,k传递给实际系统作为实际系统的控制参数。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人广西大学,其通讯地址为:530004 广西壮族自治区南宁市大学东路100号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励