基于改进DDPG算法的中短期光伏发电功率预测

来源 :半导体光电 | 被引量 : 0次 | 上传用户:lyl_chong
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对传统仿生智能算法处理异构光伏发电功率预测精确建模问题时存在的线路多阻抗参数约束下方差波动、线损分析易陷入局部极值等不足, 提出了一种基于改进深度确定性策略梯度(DDPG)的中短期光伏发电功率预测模型。首先, 通过引入多智能体机制, 视发电系统涉及到的发电过程参数为独立活性的智能体, 构建出具有社会属性的面向发电过程参数信息共享的全局最优协同控制体系。然后, 通过改进的DDPG算法实现蓄电池储能功率自主精确调节和发电网输出功率的自动最优预测。最后, 基于Tensorflow开源框架在Gym torcs环境下进行模型效能仿真并以某示范性异构光伏发电网为效能评价载体, 对模型进行了工程应用合理性验证。
其他文献
高分七号卫星激光测高仪搭载激光监视相机和激光足印相机,获取的激光光斑和光学足印影像可辅助激光定位。提出一种考虑外界环境对足印光斑成像质量影响的足印光斑质心提取方法。将足印光斑和监视光斑进行最小二乘影像匹配,获取转换模型;由灰度重心法提取监视光斑质心;利用监视光斑质心、通过转换模型得到足印光斑质心。对100组仿真光斑和1轨高分七号卫星足印光斑数据进行测试。结果表明:本文方法提取的光斑质心偏移量标准差小于0.08 pixel,较灰度重心法和高斯拟合法提高0.1 pixel以上。对时间跨度为7个月的30轨高分七
针对激光辅助预应力成形问题,建立了相应的有限元模型,并进行了实验验证。通过无量纲参数,研究了预应力水平和激光工艺参数对激光辅助预应力成形效率的影响规律。结果表明,在弹性范围内,预应力越大,成形效率越高;在扫描速度和功率密度给定的情况下,成形效率随光斑半径增加而增加;在扫描速度和光斑半径给定的情况下,成形效率随功率增加而增加;在光斑半径、输入能量给定的情况下,成形效率随扫描速度增加而增加。
期刊
研究了TC4钛合金薄板激光弯曲成形工艺。设计了具有气体保护的成形专用夹具并研究了激光弯曲时工艺参数及扫描路径对钛板最终成形形状和尺寸精度的影响以及激光弯曲对材料性能与微观组织的影响。确定激光弯曲扫描轨迹间隔距离在78.6 mm时, 工件尺寸在误差范围800+0.5 mm内。观察金相微观组织发现热影响区约占板厚1/3, 相变析出针状马氏体并产生界面强化效果, 显微硬度高于母材。生产出符合形状尺寸精度和力学性能要求的工件, 满足使用要求。
超精密单点金刚石车削过程中需要对刀具参数进行检测。基于机器视觉原理,采用新型的机械结构设计了新型刀具在线检测系统。通过垂直放置的两组由同轴远心镜头和CMOS相机组成的光学系统来获取车刀刀尖正面及侧面的图像,再经图像处理系统来获取刀具的轮廓及位置信息,完成对刀具轮廓及位置的在线检测,实验验证可实现测量的重复性定位精度达1μm。在线检测的方式借助了超精密车床自身的高精度和运动机构,可以保证相机焦点和机
采用双目摄像机结合结构光组成主动视觉测量系统, 并与机器人耦合, 构建了一种具有视觉功能的智能激光加工机器人, 能够感知各种复杂曲面轮廓, 重建三维形貌。系统由六自由度机器人、双目摄像机和结构光发射器组成。机器人带动双目摄像机和结构光发射器运动, 既实现多视角测量, 消除测量中的“死角”, 重建工件的完整三维形貌, 又将测量到的点云数据转换到机器人坐标系。阐述了测量原理和数学模型, 进行了单摄像机内外参数的标定, 双目摄像机相对关系的标定, 双目摄像机与机器人之间的手眼关系标定, 得到摄像机内参数矩阵,
锗窗干涉效应是造成CO2激光器输出不稳定的一个重要因素.锗窗的两平行表面构成法布里一珀罗干涉器,其透射率与厚度有极敏感的依赖关系,而厚度又易因激光强度、环境温度等而改变,这样锗窗本身就构成了激光器输出功率、振荡频率、横模结构不稳定的重要因素.
期刊
期刊
We design and demonstrate an all-optical temporal differentiator based on a simple Moire fiber grating operated in reflection. The simulation results prove that a single Moire fiber grating with only one \pi-phase shifted point can act as the first-order
A novel predictive dynamic bandwidth allocation (DBA) method based on the long short-term memory (LSTM) neural network is proposed for a 10-gigabit-capable passive optical network in mobile front-haul (MFH) links. By predicting the number of packets that