龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：东南大学
摘要：本发明公开了一种深度学习增强的数据驱动库普曼方法的变量‑模态参与因子辨识的方法与系统，首先基于库普曼理论，考虑状态变量与代数变量对系统模态的贡献，推导增广库普曼观测子表达式；接着基于库普曼算子理论性质，推导数据驱动库普曼算子方法的变量参与因子；最后考虑观测子函数难以选取的问题，提出深度学习增强的库普曼观测子函数选取方法。本发明方法侧重于消除强非线性电力系统中运行点局部线性化的参与因子辨识方法的不准确性，在保证库普曼观测子有效选取的前提下获得系统全局变量‑模态参与因子。
主权项：1.一种深度学习增强的数据驱动库普曼方法的变量-模态参与因子辨识方法，其特征在于，所述方法包括如下步骤：S1：基于库普曼算子理论，使用EDMD数值算法，其中库普曼理论将非线性状态空间映射到有限维近似的线性库普曼空间中，使得系统模型全局线性化；S2：考虑系统代数方程对系统模态的贡献，将代数方程嵌入库普曼算子理论中，推导增广库普曼算子；S3：考虑增广库普曼算子中观测子函数难于选取，基于深度学习模型学习系统历史数据，融合EDMD数值算法，从而在神经网络隐空间中得到所需的库普曼观测子函数与增广库普曼算子；S4：基于求取的增广库普曼算子，推导数据驱动的变量-模态参与因子表达式，实现神经网络增强的参与因子辨识。
全文数据：
权利要求：
百度查询： 东南大学 一种深度学习增强的数据驱动库普曼方法的变量-模态参与因子辨识的方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号