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综合能源系统的多尺度多组认知智能调度与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：CN115459351B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202211271500.X，技术领域涉及：H02J3/466；该发明授权一种综合能源系统的多尺度多组认知智能调度与控制方法是由殷林飞;郑达;胡立坤;梁贤哲;梁理茂;胡之晨;廖得富设计研发完成，并于2022-10-18向国家知识产权局提交的专利申请。

本一种综合能源系统的多尺度多组认知智能调度与控制方法在说明书摘要公布了：本发明提出一种综合能源系统的多尺度多组认知智能调度与控制方法，该方法包括一个多时间尺度融合的控制框架和两个模块，第一个模块是以自适应噪声完备集合经验模态分解和时间序列预测为基础的控制模块，第二个模块是以自适应噪声完备集合经验模态分解和双向长短期记忆网络预测为基础并且融合人工行为认知知识矩阵的调度模块。该方法以综合系统的频率偏差序列、区域控制偏差序列、用户行为和气候因素作为输入，经过控制模块和调度模块分别输出每4秒钟更新的自动发电控制机组控制指令和每5分钟以及60分钟更新的非自动发电控制机组的调度指令。所提方法能解决综合能源系统中发电控制和经济调度不协调的问题，提高控制精度，减小频率偏差。

本发明授权一种综合能源系统的多尺度多组认知智能调度与控制方法在权利要求书中公布了：1.一种综合能源系统的多尺度多组认知智能调度与控制方法，其特征在于，在使用过程中的步骤为： 步骤1：在区域A中，获取一段时间内的综合能源系统的频率偏差序列和与区域之间的综合能源系统区域控制误差序列，其中；获取时刻用户的行为信息、温度、湿度、风向、风速、降水和气压； 步骤2：运用自适应噪声完备集合经验模态分解对频率偏差序列进行处理，设定迭代次数为，将组成对的正负高斯白噪声分别加入到原始信号中，一共为个新信号，第次添加白噪声后的新信号序列为： 1 式中，为噪声的标准差；为第个满足标准正态分布的高斯白噪声； 对每一个进行经验模态分解，在第次经验模态分解后得到第个模态分量，分解出来的个模态分量进行加总平均，得到: 2 式中，为第1个本征模态分量； 计算第1个残余分量： 3 在中加入组成对的正负高斯白噪声经过经验模态分解后的辅助噪声信号： 4 式中，为第次添加辅助噪声后的新信号；为进行经验模态分解的函数； 对每一个进行经验模态分解，在第次经验模态分解后得到第个模态分量，分解出来的个模态分量进行加总平均，得到: 5 式中，为第2个本征模态分量； 计算第2个残余分量： 6 步骤3：重复步骤2的计算直到残余分量不能够再进行经验模态分解，在进行次迭代后得到的本征模态分量的数量为，则原始信号被分解为： 7 式中，为第个本征模态分量；为第个残余分量； 步骤4：将所有和作为输入，采用时间序列预测方法对输入信号进行次预测；时间序列预测神经网络的循环体单元中有重置门和更新门两个门控机构，在第次预测中，以中时刻的值为输入，重置门时刻的输出为： 8 式中，为重置门时刻的输出；为sigmoid函数；为重置门的状态权重；为重置门的输入权重；为重置门的偏置；为步长；为循环体单元上一时刻的隐含层状态； 更新门时刻的输出为： 9 式中，为更新门时刻的输出；为更新门的状态权重；和为更新门的输入权重；为更新门的偏置； 循环体单元时刻隐含层的激活状态为： 10 式中，为循环体单元时刻隐含层的激活状态；为激活函数；为Hadamard积；为隐含层的输入权重；为隐含层的权重；为隐含层的偏置； 计算一个循环体单元时刻的输出： 11 式中，为循环体单元时刻的输出，也作为下一时刻的隐含层状态； 步骤5：重复步骤4的过程，一共得到个预测信号，记第个预测信号为，将按照波动大小进行分类，在相同的时间内，如果函数图像的极值点个数大于或等于设定值，则分类为大波动信号；如果函数图像的极值点个数小于设定值，则分类为小波动信号；对于个大波动信号，采用“状态-动作-奖励-状态-动作”学习方法进行强化学习；对于个小波动信号，因为函数变化较为缓慢，所以采用分数阶“比例-积分-微分”方法进行学习跟随；在“状态-动作-奖励-状态-动作”强化学习方法中，状态下执行动作的奖励期望： 12 式中，为状态下执行动作的奖励期望；为期望运算函数；为时刻的折扣因子；为时刻的奖励；为时刻的状态；为时刻的动作；为强化学习状态即系统频率偏差；为系统动作即机组功率输出指令； 大波动信号经过“状态-动作-奖励-状态-动作”强化学习后输出大波动信号的处理信号； 在分数阶“比例-积分-微分”方法中，传递函数为： 13 式中，为比例调节系数；为积分调节系数；为微分调节系数；为积分阶次；为微分阶次并且； 小波动信号的处理信号为： 14 式中，为小波动信号的处理信号；为拉普拉斯反变换函数；为小波动信号的拉普拉斯变换； 步骤6：将和相加后作为机组功率输出指令，每4秒钟对自动发电控制机组的出力进行实时控制； 步骤7：将步骤1中得到的与区域之间的综合能源系统区域控制误差序列作为输入，进行自适应噪声完备集合经验得到分解信号，对分解信号使用双向长短期记忆网络进行预测；长短期记忆神经网络的循环体单元中有遗忘门、输入门和输出门三个门控单元，以第一个分解信号中时刻的值为输入，遗忘门时刻的输出为： 15 式中，为遗忘门时刻的输出；为遗忘门的输入权重；为遗忘门的状态权重；为上一时刻的外部状态和输出；为遗忘门的偏置； 输入门时刻的输出为： 16 式中，为输入门时刻的输出；为输入门的输入权重；为输入门的状态权重；为输入门的偏置； 候选状态时刻的输出为： 17 式中，为候选状态时刻的输出；为候选状态的输入权重；为候选状态的状态权重；为候选状态的偏置； 输出门时刻的输出为： 18 式中，为输出门时刻的输出；为输出门的输入权重；为输出门的状态权重；为输出门的偏置； 时刻的内部状态为： 19 式中，为时刻的内部状态；为上一时刻的内部状态； 最后，时刻的外部状态和输出为： 20 式中，为时刻的外部状态和输出，同时也作为下一时刻的输入； 步骤8：重复步骤7的过程，得到以作为最初输入的预测信号，对预测信号运用一致性等微增率准则得到调度指令，每5分钟对非自动发电控制机组进行一次调度指令更新； 一致性等微增率准则的出力分配公式为： 21 式中，为时刻机组分配的负荷；为时刻系统的耗量微增率；和为机组的耗量特性曲线系数； 步骤9：将在时刻的值、用户的行为信息、温度、湿度、风向、风速、降水和气压作为矩阵元素组成一个信息矩阵； 22 构造一个的人工行为认知知识矩阵，其中为非自动发电控制机组的个数，并且使用交替方向乘子法对人工行为认知知识矩阵中的每一个参数进行更新； 将信息矩阵与人工行为认知知识矩阵相乘得到输出矩阵： 23 输出矩阵中的每一个元素作为调度指令对相应的非自动发电控制机组进行控制，每60分钟进行调度指令更新。

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：530005 广西壮族自治区南宁市西乡塘区大学东路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。