[發(fā)明專利]一種基于人工智能的船舶電網(wǎng)動態(tài)重構(gòu)方法

在審

• 申請?zhí)枺?/td>: 201810238408.0
• 申請日: 2018-03-22
• 公開（公告）號: CN108512220A
• 公開（公告）日: 2018-09-07
• 發(fā)明（設(shè)計）人: 邱守強
• 申請（專利權(quán)）人: 華南理工大學
• 主分類號: H02J3/00
• 分類號: H02J3/00
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;黃海波

1.一種基于人工智能的船舶電網(wǎng)動態(tài)重構(gòu)方法，其特征在于，包括步驟：

1、對船舶電網(wǎng)系統(tǒng)進行分區(qū)；

2、設(shè)置學習算法的參數(shù)，初始化記憶矩陣；

3、輸入源任務(wù)；

4、每個開關(guān)都是控制變量，選擇每個分區(qū)的開關(guān)的動作組合；

5、計算每個分區(qū)的最大負荷電力供應(yīng)；

6、計算每個控制變量的狀態(tài)-動作價值函數(shù)；

7、更新記憶矩陣；

8、判斷是否達到迭代最大次數(shù)，是則轉(zhuǎn)到步驟9，否則轉(zhuǎn)到步驟4；

9、得到源任務(wù)的最佳動作記憶矩陣；

10、輸入新任務(wù)，利用判斷條件結(jié)合源任務(wù)的最佳動作記憶矩陣找到新任務(wù)對應(yīng)的初始動作記憶矩陣；

11、重復步驟4-7；

12、得到新任務(wù)的最佳動作記憶矩陣；

13、輸出結(jié)果。

2.如權(quán)利要求1所述基于人工智能的船舶電網(wǎng)動態(tài)重構(gòu)方法，其特征在于，所述步驟2中，所述記憶矩陣的設(shè)置規(guī)則有：記憶矩陣的行代表系統(tǒng)的狀態(tài)，記憶矩陣的列代表的是控制變量，即開關(guān)，矩陣里的元素Q_ij代表在i狀態(tài)下開關(guān)j的動作值，該值越大，代表開關(guān)閉合的傾向越大。

3.如權(quán)利要求1所述基于人工智能的船舶電網(wǎng)動態(tài)重構(gòu)方法，其特征在于，所述步驟3中，所述源任務(wù)指的是船舶電力系統(tǒng)可能面臨的各種故障狀態(tài)。

4.如權(quán)利要求1所述基于人工智能的船舶電網(wǎng)動態(tài)重構(gòu)方法，其特征在于，所述步驟5中，

所述每個分區(qū)的最大電力供應(yīng)可以用以下的式子計算：

max f＝∑f_i＝∑c_iG_i

其中，c_i是i分區(qū)的權(quán)重系數(shù)；G_i是i分區(qū)的恢復供電容量。

5.如權(quán)利要求1所述基于人工智能的船舶電網(wǎng)動態(tài)重構(gòu)方法，其特征在于，所述步驟6中，

所述計算每個控制變量的狀態(tài)-動作價值函數(shù)具體如下：

其中，W是一個常數(shù)，通常取1；SA_i^best代表在t次迭代i分區(qū)開關(guān)動作處于最好動作策略；L_i^best是i分區(qū)的最佳目標函數(shù)的最小適應(yīng)度函數(shù)，L_i^best可

由以下的式子得到：

6.如權(quán)利要求1所述基于人工智能的船舶電網(wǎng)動態(tài)重構(gòu)方法，其特征在于，所述步驟7中，

所述更新記憶矩陣的公式如下：

Q^i,j(s_t,a_t)＝Q^i,j(s_t,a_t)+α[r_t^i,j+γmaxQ^i,j(s_t+1,a)-Q^i,j(s_t,a_t)]

其中，α是學習因子；γ是折扣因子。

7.如權(quán)利要求1所述基于人工智能的船舶電網(wǎng)動態(tài)重構(gòu)方法，其特征在于，所述步驟10中，所述利用判斷條件結(jié)合源任務(wù)的最佳動作記憶矩陣找到新任務(wù)對應(yīng)的初始動作記憶矩陣中所述的判斷條件為：從源任務(wù)中找到與新任務(wù)故障元件的位置和數(shù)量最相似的任務(wù)，提取與該源任務(wù)對應(yīng)的記憶矩陣。

8.如權(quán)利要求7所述基于人工智能的船舶電網(wǎng)動態(tài)重構(gòu)方法，其特征在于，所述從源任務(wù)中找到與新任務(wù)故障元件的位置和數(shù)量最相似的任務(wù)，提取與該源任務(wù)對應(yīng)的記憶矩陣的步驟具體包括：

用邏輯編碼的形式代表每個分區(qū)的元件狀態(tài)，運行則為1，故障則為0；當知道了新任務(wù)的編碼，先找到故障分區(qū)，然后把該區(qū)的故障編碼與源任務(wù)編碼進行匹配，若新故障與源故障一致，則可直接使用源任務(wù)的最佳結(jié)果；若不一致，則尋找在故障點附近區(qū)域的編碼狀態(tài)比較相近的源任務(wù)。