一种双馈风力发电机的量子深度强化学习控制方法
授权
摘要
本发明提供一种双馈风力发电机的量子深度强化学习控制方法，该方法能解决电网故障切除后以及在电网电压不对称骤升时的双馈风力发电机定子磁链变化的控制问题。所提方法为贝叶斯量子反馈控制、深度学习和强化学习结合的控制方法。贝叶斯量子反馈控制过程分为状态估计和反馈控制两步，且反馈的输入为历史测量和当前测量记录。贝叶斯量子反馈能有效控制固态量子比特中的消相干。深度学习部分采用卷积神经网络模型和反向传播方法。强化学习部分利用基于马尔科夫决策过程的Q学习作为所提方法整体的控制框架。本发明所提方法能有效提升双馈风力发电机的控制稳定性，提高风能利用效率。
基本信息
专利标题 ：
一种双馈风力发电机的量子深度强化学习控制方法
专利标题（英）：
暂无
公开（公告）号 ：
CN112202196A
申请号 ：
CN202010833105.0
公开（公告）日 ：
2021-01-08
申请日 ：
2020-08-18
授权号 ：
CN112202196B
授权日 ：
2022-04-29
发明人 ：
殷林飞雷嘉明李钰马晨骁高放
申请人 ：
广西大学
申请人地址 ：
广西壮族自治区南宁市大学东路100号
代理机构 ：
南宁启创知识产权代理事务所(特殊普通合伙)
代理人 ：
谢美萱
优先权 ：
CN202010833105.0
主分类号 ：
H02J3/38
IPC分类号 ：
H02J3/38 H02P9/00 H02P101/15 G06K9/62 G06N3/04 G06N3/08
法律状态
2022-04-29 ：
授权
2021-01-26 ：
实质审查的生效
IPC(主分类) : H02J 3/38
申请日 : 20200818
申请日 : 20200818
2021-01-08 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
