CN119514816B 基于电价的永磁电机能量储存与优化运行方法及系统 （江苏祝尔慷电机节能技术有限公司）

司基于电价的永磁电机能量储存与优化运行本发明提供一种基于电价的永磁电机能量2采集永磁电机运行数据并通过变分模态分解将所述永磁电机运行数据分解为多个本获取所述功率预测结果、所述电价预测序列和所述多维概率分根据所述时序关联控制策略和所述概率转移矩阵构建双层动作评根据时序关联控制策略和概率转移矩阵构建双层动作评价控制网络述状态熵值对所述运行控制指令进行筛选得到控制指令序列；在动态评价窗口内通过优势动作评价算法计算当前动作的构建分布式强化学习框架，将系统划分为反应器子系统、3基于自适应动态规划算法构建在线学习模块，采用径向基函数网络逼近系统值函数，构建基于元学习的策略迁移机制，通过任务嵌入网络将压缩特征编码为任务嵌入向量，采用梯度快速下降方法对所述协调控制策略进行优化，采集永磁电机运行数据，所述永磁电机运行数据包括定子电流信号、通过粒子群优化算法对每个本征模态函数的中心频率进行迭代更新，将所述运行特征分量输入深度信念神经网络，其中，所述深度信4构建时空图卷积神经网络，计算历史电价数据不置图卷积层对空间特征进行聚合，所述图卷积层基于所述动态邻接矩阵计算拉普拉斯矩将所述功率预测结果的预测误差与所述电价预测序列的预测误差输入高斯混合模型，构建高斯混合模型，将功率预测误差数据和电价预测误构建变分分布模型，所述变分分布模型包括隐变量狄利采用坐标上升法对所述高斯混合模型的参数进行迭代优化，在每次示优化变量，结合量子旋转门进化算子更新种群并引入量子纠缠机制得到初始优化策略5获取功率预测结果数据集、电价预测序列及多维概率分布模执行量子旋转门进化操作更新种群，计算种群中每个个体的适将所述初始优化策略集输入元启发式混合优化模型，建立温度自适应调节机制构建多层注意力结构的时序优化网络并执行序列特头输出的特征执行拼接操作并通过线性变换输入至下一执行粒子滤波预测状态转移过程，初始化粒子群并基于状态5.根据权利要求4所述的方法，其特征在于，建立所述隐状态之间的马尔可夫转移关根据系统运行特性划分多个离散隐状态并建立隐状态集合，将所述6采集系统运行数据构建采样序列，所述采样序列的采样间隔为五分钟，所述采将所述采样序列按照隐状态类别进行分类得到状态分类数据，基于根据所述后验概率更新所述状态转移概率矩阵，统计每对隐状采用密度峰值聚类与自适应K均值结合的混合聚类策略处理状态样本，通过计算所述在所述混合聚类策略中引入动态类别数调整机制，基于类内基于所述最终聚类中心点构建多尺度径向基函数网络，为每个通过所述初始值函数网络对状态样本进行预测，计算预测值与实际基于所述统计特征构建李雅普诺夫函数，将所述变化率均值和所述7.基于电价的永磁电机能量储存与优化运行系统，用于实现前述权利要求1_6中任一第一单元，用于采集永磁电机运行数据并通过变分模态分解7第三单元，用于根据所述时序关联控制策略和所述概率转移其中，所述处理器被配置为调用所述存储器存储的指令，以执行序指令被处理器执行时实现权利要求1至68[0007]采集永磁电机运行数据并通过变分模态分解将所述永磁电机运行数据分解为多9[0011]采集永磁电机运行数据并通过变分模态分解将所述永磁电机运行数据分解为多所述相关系数构建动态邻接矩阵，在所述时空图卷积神经网络中设置多尺度并行卷积层，所述多尺度并行卷积层采用不同感受野的卷积核提取特征，通过特征拼接融合多尺度信[0016]将所述功率预测结果的预测误差与所述电价预测序列的预测误差输入高斯混合[0019]构建高斯混合模型，将功率预测误差数据和电价预测误差数据作为观测数据输位角范围为0至2π描述每个量子比特的量子态，将多个所述量子比特组合构建染色体编码差分向量作用于当前解生成试验解并执行边界约注意力头输出的特征执行拼接操作并通过线性变换输状态转移概率矩阵与每个隐状态对应的高斯分数据计算每个隐状态对应的高斯分布参数，所述高斯分布参数包括均值参数和方差参数，[0039]根据时序关联控制策略和概率转移矩阵构建双层动作评价控制网络，将温度信据所述状态熵值对所述运行控制指令进行筛选得到控制指令序列；[0046]采用密度峰值聚类与自适应K均值结合的混合聚类策略处理状态样本，通过计算模块并根据径向基函数网络逼近系统值函数，结合李雅普诺夫稳定性分析确定更新步长，得到优化控制器参数，通过基于元学习的策略迁移机制和任务嵌入网络提取控制场景特[0063]图1为本发明实施例基于电价的永磁电机能量储存与优化运行方法的流程示意[0064]图2为本发明实施例基于电价的永磁电机能量储存与优化运行系统的结构示意[0067]图1为本发明实施例基于电价的永磁电机能量储存与优化运行方法的流程示意[0068]S1.采集永磁电机运行数据并通过变分玻尔兹曼机进行逐层预训练并添加自注意力模块提取时序特征权重，输出功率预测结果，[0071]采集永磁电机运行数据并通过变分模态分解将所述永磁电机运行数据分解为多所述相关系数构建动态邻接矩阵，在所述时空图卷积神经网络中设置多尺度并行卷积层，所述多尺度并行卷积层采用不同感受野的卷积核提取特征，通过特征拼接融合多尺度信[0076]将所述功率预测结果的预测误差与所述电价预测序列的预测误差输入高斯混合[0083]将功率预测结果的预测误差和电价预测序列的预测误差输入到高斯混合模型如0.01则停止增加高斯分量。[0087]构建高斯混合模型，将功率预测误差数据和电价预测误差数据作为观测数据输[0092]收集一段时间内的功率预测误差数据和电价预测误差数算的框架下引导搜索过程向优化目标逼近，所述量子纠缠机制是量子计算中的一种现象，所述古贝尔索夫特最大采样是一种用于生成样本的采样方法，通常用于优化和推理过程位角范围为0至2π描述每个量子比特的量子态，将多个所述量子比特组合构建染色体编码差分向量作用于当前解生成试验解并执行边界约注意力头输出的特征执行拼接操作并通过线性变换输[0108]所述优势个体是遗传算法中的一个概念，指的是在当前[0114]基于种群演化执行差分策略生成操作。选择当前种群中状态转移概率矩阵与每个隐状态对应的高斯分数据计算每个隐状态对应的高斯分布参数，所述高斯分布参数包括均值参数和方差参数，法可以有效处理含有隐变量的情况，使得模型能够更好地适应复杂的电力系统运行环境，[0132]S3.根据所述时序关联控制策略和所述概率转移矩阵构建双层动作评价控制网构来评估和优化动作选择过程，所述状态熵是衡量状态的不确定性或随机性的一种度量，[0136]根据时序关联控制策略和概率转移矩阵构建双层动作评价控制网络，将温度信据所述状态熵值对所述运行控制指令进行筛选得到控制指令序列；[0150]采用密度峰值聚类与自适应K均值结合的混合聚类策略处理状态样本，通过计算[0157]采用密度峰值聚类与自适应K均值结合的混合聚类策略对状态样本进行聚类。计[0163]图2为本发明实施例基于电价的永磁电机能量储存与优化运行系统的结构示意