[发明专利]基于深度学习的直流供电系统及供电方法有效

专利信息
申请号: 202110493977.1 申请日: 2021-05-07
公开(公告)号: CN113328427B 公开(公告)日: 2022-12-06
发明(设计)人: 王福谭;王冠旻;周鹏林;林兆乐;邵华波;路全中 申请(专利权)人: 华能青岛热电有限公司
主分类号: H02J1/10 分类号: H02J1/10;H02J3/38;H02J5/00;H02J13/00;H02M7/66
代理公司: 深圳市中原力和专利商标事务所(普通合伙) 44289 代理人: 胡国良
地址: 266409 山东省*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 深度 学习 直流 供电系统 供电 方法
【权利要求书】:

1.一种基于深度学习的直流供电系统,其特征在于,包括:

多个分布式能源发电装置;

分布式能源互补控制器,根据所述多个分布式能源发电装置的工作状态动态调整所述分布式能源发电装置的工作状态,生成第一直流电压信号;

第一调度模组,采用深度学习智能调度所述多个分布式能源发电装置的发电功率;

交流输入/输出端;

双向转换模组,对来自所述交流输入/输出端的第一交流电压信号转换为第二直流电压信号;

直流储能装置,接收所述第一直流电压信号和第二直流电压信号,储存来自所述多个分布式能源发电装置及所述双向转换模组的电能;

多个直流负载支路,接收来自所述直流储能装置的电能;

或者所述直流储能装置将所储存的直流电经所述双向转换模组转换为第二交流电压信号输出至所述交流输入/输出端;

第二调度模组,采用深度学习智能调度所述直流储能装置向所述多个直流负载支路的配电;及

服务器,接收来自所述第二调度模组的用电功耗参数,并根据所述第二调度模组的功耗参数反馈控制信号驱动所述第一调度模组,进而控制所述多个分布式能源发电装置协调工作;

所述第一调度模组和所述第二调度模组均包括深度学习网络架构,所述深度学习网络架构是生成对抗网络,所述第一调度模组和所述第二调度模组的生成对抗网络包括生成模型和判别模型,所述第一调度模组的生成对抗网络的生成模型分别接收来自所述多个分布式能源发电装置的发电功率参数、所述直流储能装置向所述多个直流负载支路的配电参数及对应的判别结果,所述第二调度模组的生成对抗网络的生成模组接收不同耗电支路的用电时长和用电功耗参数,其中,所述生成对抗网络的损失函数满足如下公式:

公式一:

公式二:

公式三:

公式四:

其中:GAB是分布式能源发电装置的输出信号生成模组,X是所述多个分布式能源发电装置的发电效率值,GAB(x)表示所述多个分布式能源发电装置的发电效率值经过生成模组GAB生成的第一直流电压信号;

GBA是所述直流负载电路输出信号生成模组,y是直流负载电路的耗电参数,GBA(y)表示直流负载电路的耗电参数经过所述直流负载电路输出信号生成模组GBA生成的直流储能模组的智能输出值;

DB是直流储能模组的智能输出判别模组,用来判别生成的直流储能模组的智能输出值和直流负载电路的耗电参数的真伪;

DA是分布式能源发电装置的第一电压信号输出判别模组,用来判别生成的第一电压信号输出值和所述分布式能源发电装置的发电效率值的真伪;

Log是对数运算,E表示分布函数期望值;

LGAN(GAB,DB,X,Y),LGAN(GBA,DA,Y,X)表示对抗损失;

Lcyc(GAB,GBA,X,Y)表示循环一致性损失。

2.根据权利要求1所述的基于深度学习的直流供电系统,其特征在于,所述第一调度模组包括第一数据采集模组、第一深度学习模型和第一驱动控制模组,所述第一数据采集模组分别采集所述分布式能源发电装置的实时发电效率,所述第一深度学习模型根据所述第一数据采集模组的采集结果生成发电方案,并通过所述第一驱动控制模组动态控制所述多个分布式能源发电装置的实时发电效率,使得所述分布式能源互补控制器输出稳定的第一直流电压信号。

3.根据权利要求2所述的基于深度学习的直流供电系统,其特征在于,所述双向转换模组两端分别与所述交流输入/输出端及所述直流储能模组电连接,当所述直流储能模组存储电能高于设定值,则所述双向转换模组转换所述直流储能模组的直流电压信号逆变为交流电压信号,经所述交流输入/输出端输出;当所述直流储能模组存储电能低于设定值,则所述双向转换模组转换所述交流输入/输出端输出的交流电压信号整流为直流电压信号,向所述直流储能模组存储电能。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华能青岛热电有限公司,未经华能青岛热电有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110493977.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top