排序方式: 共有37条查询结果,搜索用时 15 毫秒
1.
随着综合能源系统中间歇性能源和负荷不确定性的逐步增强,传统的调度方法局限于固定物理模型及参数设定,难以较好地动态响应源荷的随机波动。针对这一问题,提出了一种基于深度强化学习的综合能源系统动态调度方法。首先,以数据驱动方式构建面向综合能源系统的深度强化学习模型,通过智能体与综合能源系统的持续交互,自适应学习调度策略,降低对物理模型的依赖程度。其次,通过添加随机扰动的方式表征源荷不确定性变化特征,针对不确定性变化特征改进深度强化学习模型的状态空间、动作空间、奖励机制以及训练流程等关键环节,并经由近端策略优化算法优化求解,实现了综合能源系统的动态调度决策。最后,通过算例仿真验证了所提方法在不同时间尺度以及不确定性环境下的可行性和有效性。 相似文献
2.
3.
针对一种典型复合材料蜂窝夹芯结构,构建了光纤Bragg光栅传感系统,实时监测材料冲击响应信号,对信号进行了小波包分解获得其能量谱。结果表明,第16阶小波包能量对冲击敏感。利用能量幅值比进行冲击定位,平均误差为1.87cm。该方法能够有效判定冲击位置,为卫星结构健康监测提供了一定的依据。 相似文献
4.
为保证制导系统半实物仿真的实时性和准确性,缩短开发周期,本文基于VeriStand、Simulink和PharLap组合方式构建实时仿真平台.该平台通过VeriStand实现对仿真模型的在线管理和仿真试验的控制,以及对模型参数的在线显示和修改;采用PharLap实时操作系统保证仿真模型执行的实时性,通过Simulink对系统进行建模,达到快速仿真设计、降低开发周期、弱化人为影响的目的.制导半实物仿真试验表明:仿真平台工作可靠,实时性能好,能够提高半实物仿真试验的开发效率和可靠性. 相似文献
5.
为了改善蛋白质的功能特性,分析碱处理、超声处理、超声复合碱处理3种处理方式对Oleosin蛋白的结构及溶解性和乳化特性的影响,并深入探讨不同处理条件下蛋白聚集体的结构变化机理。采用原子力显微镜、动态激光散射、荧光光谱和圆二色光谱研究不同处理条件改性Oleosin蛋白的微观结构、流体动力学半径、内部结构特性和改性Oleosin蛋白空间结构的变化。结果表明:超声作用可以明显促进Oleosin蛋白的不溶性聚集体向可溶性聚集体转变,单独超声及超声复合碱处理使Oleosin蛋白溶解度相对于对照分别增加了124%和162%(P<0.05);圆二色光谱和荧光光谱结果表明,超声和碱作用均有助于蛋白质结构展开,从而促进更多的酪氨酸、色氨酸等疏水性基团暴露,与对照组相比,超声复合碱处理使Oleosin蛋白的α-螺旋相对含量增加17.7%,β-折叠相对含量减少9.2%;同时超声复合碱处理可降低Oleosin蛋白的颗粒粒径(286.0 nm)、提高乳化性(乳化稳定性指数575.0 g/m2、乳化活性指数605.4 min)。本研究可为后期形成不同功能的改性Oleosin蛋白提供参考。 相似文献
6.
“双碳”背景下,异质能源的耦合加剧迫使综合能源系统(integrated energy system, IES)拓扑朝着更复杂、更灵活的方向不断演变。然而,现有优化调度方法对非欧网络拓扑知识及其异质潮流约束考虑不足。针对这一问题,提出一种基于图强化学习的综合能源系统优化调度方法。首先,基于图理论在保证节点多样状态的情况下,将异质能源网络拓扑转换为网络图模型。其次,通过建立基于真实图映射的状态-动作-奖励的框架,利用图强化学习的方法学习图模型的非欧拓扑信息,将异质潮流知识加入系统节点运行状态,从而实现IES的安全优化调度。最后,利用某工业园区的真实数据进行仿真验证,所提方法相对于传统方法有效缓解了节点电压越限的问题。结果表明,所提方法能够在考虑IES真实拓扑运行状态信息和异质潮流安全的情况下实现IES的优化调度。 相似文献
7.
8.
随着传统能源互联系统逐步向能源互联网升级转化,仅基于机理建模的方法难以描述其高维性、非线性以及多能耦合性等特征。数字孪生技术可将真实系统精准映射到虚拟空间,对实现能源互联网的特征描述、运行分析、监控优化以及智能决策具有重要意义。首先,从数字孪生技术的发展出发,对能源互联网中的数字孪生技术体系进行分析,提出了涵盖“多源数据采集-模型构建-平台支撑-智能交互”的分层技术体系框架,细化了数字孪生技术在能源互联网中的应用价值;其次,详细阐述了数字孪生技术在能源互联网中的典型应用以及需要突破的难点,并给出了其当前的发展瓶颈;最后,对数字孪生技术在能源互联网中的发展路线进行了总结与展望。 相似文献
9.
在“双碳”背景下,综合能源系统多能耦合与梯级利用已成为助力“双碳”目标实现的重要手段。综合能源系统优化运行是一个涉及非线性、非凸的复杂问题,传统求解方法在获得全局优化调度策略上存在一定困难。同时,随着光伏、风电等可再生能源渗透率不断提高以及网络拓扑日趋复杂进一步加剧了该问题的求解难度。强化学习为解决上述问题提供了有效途径,然而目前大部分关于强化学习优化调度的研究较少考虑系统整体安全约束,因此,该文基于深度强化学习构建了考虑安全约束的综合能源系统优化调度模型。首先,将电网与热网潮流约束融入到传统综合能源系统优化调度模型中,实现了对调度策略的安全校验。其次,基于深度强化学习理论将物理调度问题转化为强化学习序贯决策问题,改进了智能体的状态空间、动作空间及奖励函数的设计方法。最后,在离线与在线环境中实现了优化调度决策的求解与应用,并通过算例对比与分析验证了所提方法的有效性与合理性。 相似文献
10.