CN106874541B - 一种基于模糊状态的多逆变器广播式控制的方法及装置 - Google Patents

一种基于模糊状态的多逆变器广播式控制的方法及装置 Download PDF

Info

Publication number
CN106874541B
CN106874541B CN201710002562.3A CN201710002562A CN106874541B CN 106874541 B CN106874541 B CN 106874541B CN 201710002562 A CN201710002562 A CN 201710002562A CN 106874541 B CN106874541 B CN 106874541B
Authority
CN
China
Prior art keywords
data
power generation
deviation
real
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710002562.3A
Other languages
English (en)
Other versions
CN106874541A (zh
Inventor
李华
雍正
闫凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sprixin Technology Co ltd
Original Assignee
Sprixin Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sprixin Technology Co ltd filed Critical Sprixin Technology Co ltd
Priority to CN201710002562.3A priority Critical patent/CN106874541B/zh
Publication of CN106874541A publication Critical patent/CN106874541A/zh
Application granted granted Critical
Publication of CN106874541B publication Critical patent/CN106874541B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Mathematical Optimization (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Feedback Control In General (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种基于模糊状态的多逆变器广播式控制的方法及装置，通过光伏电场网络拓扑终节点上发电单元实时迭代的模糊状态数据采样值，经过融合模型算法输入到模糊控制器中运算，并将输出的控制数据同一时刻通知到每台发电单元，所有发电单元同时刻根据自身非线性变化特点向目标点变化,光伏电场整体输出功率快速迭代式靠近电网安全稳定值。本发明通过实时采样发电单元融合模型的输出功率，充分利用了发电单元调控目标达率特性，很大程度弥补了因发电单元设备误差可能引起的实时数据精度不稳定性，并通过迭代式的采集和广播式数据下发，提高了网络控制系统的控制的性能和控制效率。

Description

一种基于模糊状态的多逆变器广播式控制的方法及装置
技术领域
本发明属于电力系统光伏电站领域，特别是涉及到一种基于快速迭代模糊处理的多逆变器广播式控制的方法及装置。
背景技术
由于接入光伏场站装机容量增多，伴随站内网络节点拓扑及增多转换复杂性，基于网络控制系统常出现数据碰撞，多路径传输，连接中断，网络拥堵情况的网络诱导时延问题，大批量数据点采样传输中不可避免的出现网络阻塞、链路中断，必然导致数据包丢失问题，虽然大多数网络具备重新传输的机制，但只能在一个有限的时间内传输，当超过这个时间，数据包也会丢失。因此网络控制系统无法利用发电单元调控结束后传输精准时效的量测数据参与运算,做到精准调控，过时、失效和突变的量测信号影响系统调节性能。
发电单元存在反应时间和调节精度的差异化，在理想状态下，同一目标指令在同一时刻接收，经过同一段时间达到相同的输出功率，但是实际调节达到目标过程中不同发电单元在同一时刻输出的功率不同，同一输出功率的调节时间也不同，因此网络通信中以固定采样频率召唤的量测信号是非实时非稳态的数据。采样信号参与控制器运算后，需要多次再采集、再分条微调，网络控制系统的反应时间就被延长。
由于网络控制指令数据以传统非平衡式问答机制交互，所有数据都是分条传输到设备，每条问答需要设备确认返校执行的交互，在大批量发电单元场站内，控制数据轮询一个周期，逐个设备交互必然会导致网络系统调控性能降低，影响控制指令数据整体命中率，场站无法满足电网规定的控制时段内输出负荷安全值或范围的要求。
发明内容
针对上述问题，本发明提出一种基于模糊状态的多逆变器广播式控制的方法及装置，通过迭代的数据上行模糊处理及下行广播式处理，能快速准确的调控发电单元。
为达到上述目的，本发明的技术方案是这样实现的：一种基于模糊状态的多逆变器广播式控制的方法，包括：
7)获取多个发电单元数据集，包括实时输出功率，状态信息、定值参数；
8)剔除发电单元输出野值数据；
9)筛选出合适的发电单元样本集合，计算目标平均偏差和偏差率，对多个样本集合得出最终的偏差参数并输入到控制系统；
10)将数据对准处理和数据模糊化处理，根据数据融合模型将采样数据进行融合计算；
11)将模糊规则融合后的采样数据输入到网络控制系统，系统进行解释模糊数据并进行业务策略的逻辑运算，将平均分配的目标值输出到广播通道；
12)将广播通道的目标值同一时刻通知到站内所有在线的发电单元，使发电单元按照调节目标变化，最终接近目标值。
进一步的，步骤2)的具体方法为：采用最小二乘法，预测当帧数据，当帧数据的预测值与实时值的误差小于允许的偏差，则实时值有效，否则以预测值代替实时值。
进一步的，步骤2)的具体方法为：采用神经网络算法，预测当帧数据，当帧数据的预测值与实时值的误差小于允许的偏差，则实时值有效，否则以预测值代替实时值。
进一步的，步骤3)的具体方法为：
(301)样本的选择规则为：选择不同网络拓扑结构节点中的发电单元；选择不同时空区域的发电单元；选择不同型号规则的发电单元或不同网络中继设备的发电单元；样本是全部或具有代表性的一部分；
(302)计算样本平均偏差统计，公式为：
Figure GDA0002300241390000021
(303)统计每个迭代周期内平均偏差的变化率作为偏差率。
进一步的，步骤4)的具体方法为：
(401)把采样数据转换到一个位置上，即空间对准，进行必要的坐标转换处理；
(402)采用插值法进行采样数据的时间校准；
(403)确定采样数据的模糊集、论域和隶属度函数，再进行数据融合处理。
本发明的另一方面，还提供了一种基于模糊状态的多逆变器广播式控制的装置，包括：
数据集获取模块，用于获取多个发电单元数据集，包括实时输出功率，状态信息、定值参数；
剔除模块，用于剔除发电单元输出野值数据；
样本偏差计算模块，用于筛选出合适的发电单元样本集合，计算目标平均偏差和偏差率，对多个样本集合得出最终的偏差参数并输入到控制系统；
数据融合模块，用于将数据对准处理和数据模糊化处理，根据数据融合模型将采样数据进行融合计算；
解释输出模块，用于将模糊规则融合后的采样数据输入到网络控制系统，系统进行解释模糊数据并进行业务策略的逻辑运算，将平均分配的目标值输出到广播通道；
广播模块，用于将广播通道的目标值同一时刻通知到站内所有在线的发电单元，使发电单元按照调节目标变化，最终接近目标值。
进一步的，剔除模块包括最小二乘法单元，用于采用最小二乘法，预测当帧数据，当帧数据的预测值与实时值的误差小于允许的偏差，则实时值有效，否则以预测值代替实时值。
进一步的，剔除模块包括神经网络单元，用于采用神经网络算法，预测当帧数据，当帧数据的预测值与实时值的误差小于允许的偏差，则实时值有效，否则以预测值代替实时值。
进一步的，样本偏差计算模块包括：
样本选择单元：用于选择不同网络拓扑结构节点中的发电单元；选择不同时空区域的发电单元；选择不同型号规则的发电单元或不同网络中继设备的发电单元；样本是全部或具有代表性的一部分；
样本平均偏差统计单元，用于计算样本平均偏差统计，公式为：
Figure GDA0002300241390000041
偏差率计算单元，用于统计每个迭代周期内平均偏差的变化率作为偏差率。
进一步的，数据融合模块包括：
空间对准单元，用于把采样数据转换到一个位置上，即空间对准，进行必要的坐标转换处理；
时间校准单元，用于采用插值法进行采样数据的时间校准；
数据融合单元，用于确定采样数据的模糊集、论域和隶属度函数，再进行数据融合处理。
相对于现有技术，本发明所述一种基于模糊状态的多逆变器广播式控制的方法及装置的有益效果为：
本发明能够按照电力标准通信规约实时迭代式采样上行发电单元非线性变化输出的功率，并快速迭代模糊处理，将统计的目标偏差变化率输入到控制系统；
本发明能够实时的去模糊化并运算输出下行平均分配的目标数据，将数据以广播通信方式同一时刻群发到各个发电单元上；
本发明能够根据自身算法达到发电单元的目标值和整个系统的总目标值，再经过迭代周期目标值校验作下次调控依据，通过迭代的数据上行模糊处理及下行广播式处理；
本发明通过实时采样发电单元融合模型的输出功率，充分利用了发电单元调控目标达率特性，很大程度弥补了因发电单元设备误差可能引起的实时数据精度不稳定性，并通过迭代式的采集和广播式数据下发，提高了网络控制系统的控制的性能和控制效率。
附图说明
图1是本发明实施例的流程示意图。
图2是数据融合规则说明示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
如图1所示(图1中NCS表示网络控制系统)，本发明按照电力标准通信规约实时迭代式采样上行发电单元非线性变化输出的功率，并快速迭代模糊处理，将统计的目标偏差变化率输入到控制系统，网络控制系统实时的去模糊化并运算输出下行平均分配的目标数据，将数据以广播通信方式同一时刻群发到各个发电单元上。
本发明通过迭代的数据上行模糊处理及下行广播式处理，能快速准确的调控发电单元。
具体说明如下：
1)获取多个发电单元实时输出功率，状态信息、定值参数等数据集；
2)剔除发电单元输出野值数据，可采用最小二乘法或神经网络等算法：
由于实时处理输出数据，考虑算法的时间复杂性，本实施例采用最小二乘法，利用前三点累计数据，预测当帧数据，以剔除野值。
剔除具体步骤如下:
设前三点累积数据为:设前三点累积数据为:y0,y1,y2,预测值为y'3'。
设线性拟合的直线方程为:y＝kx+b(1)
则可列出下列误差方程:
Figure GDA0002300241390000051
令
Figure GDA0002300241390000052
则:φ(k,b)＝(k+b+y1)2+(2k+b-y2)2+(b-y0)2 (2)
为使φ(k,b)达到最小值,可求出φ(k,b)对于k,b的偏导数,并且使两偏导数等于零,于是有：
Figure GDA0002300241390000061
解方程得:
Figure GDA0002300241390000062
将x＝3代入公式,即可求出当帧的预测值y'3'
Figure GDA0002300241390000063
如果
Figure GDA0002300241390000064
(其中σ为允许的偏差,其大小视数据源而定,一般最大不超过10)认为该点有效,否则以y'3'值代替y3值。
3)筛选出合适的发电单元样本集合，计算目标平均偏差和偏差率，对多个样本集合得出最终的偏差参数并输入到控制系统：
不同物理精度的发电单元设备导致调控目标值与实际输出值误差精度不同，选择误差样本计算样本的均方偏差和偏差率，网络控制系统根据知识库减小误差影响，逼近真实值。
样本的选择规则：
(1)选择不同网络拓扑结构节点中的发电单元。
(2)选择不同时空区域的发电单元。
(3)选择不同型号规则的发电单元或不同网络中继设备的发电单元。
(4)样本可以是具有代表性的一部分，也可以是全部。
一般发电单元设备误差在一定的范围内σ∈[a0,an]，误差近似满足正态分布的规律，在大批量发电单元场站根据实验观察选择合适的样本即可，选择过多样本会影响数据入库的效率。
计算样本平均偏差统计公式：
Figure GDA0002300241390000071
偏差率是统计每个迭代周期内平均偏差的变化率，若偏差率愈接近于零表征控制效果愈好，它作为数据通信采样准确率的概率统计，是网络控制系统的参考值。
4)将数据对准处理和数据模糊化处理，根据数据融合模型将采样数据进行融合计算；如图2所示为数据融合的规则：
由于不同测量发电单元所在的时空位置和网络节点不同,测得的数据不同,因此要把测量数据转换到一个位置上,即空间对准，进行必要的坐标转换处理,另外,由于不同设备的采样频率可能不同，还需要进行数据的时间校准。时间校准选择的方法至关重要,如果方法不当，误差会很大，本文采用插值法。
插值法是采用数据变化率来近似计算的一种方法，利用测量设备扫描测量频率高的特点，可以近似认为在一个扫描周期内测量数据是均匀变化的。
按照这个思想，该计算公式如下所示：
假设校准的时间基准点为t，测量设备相邻的采样时间点为t1和t2，有t1<t<t2，t1和t2时刻的观测值为z1和z2，并且近似认为在一个设备的扫描周期内，测量数据是均匀变化的,那么基准点t时刻的观测值z可以通过以下插值公式得到：
Figure GDA0002300241390000072
通过以上处理,不同采样频率的两个测量发电单元的采样信息在时间上实现了同步,即任何一台测量发电单元获得测量值的测量时刻都对应着其它测量发电单元的测量数据。
模糊化处理首先需要知道变量的模糊集、论域和隶属度函数，再按照一定的关系进行数据融合处理。
假设发电单元A1在某一时刻有一测量值
Figure GDA0002300241390000081
若相应的测量误差为±σ，则此发电单元的模糊集为:
Figure GDA0002300241390000082
论域为:
Figure GDA0002300241390000083
对相交模糊集A，取其中心一点C作为论域中心，依据测量系统的实际情况,假定C点为原点，在此基础上对各测控设备的测量值进行模糊运算。一般来说发电单元测量值可假设服从正态分布，发电单元的模糊隶属函数为高斯型，
高斯型隶属函数：
Figure GDA0002300241390000084
各个测控发电单元的测量误差通常可以认为是一个定值,各个设备的数据融合值可以认为符合线性关系，即x＝x1p1+x2p2+...+xnpn，
其中:p1,p2....pn为各自系统的加权系数.各加权系数可以通过上面的模糊隶属函数经过归一化处理得到，即：
Figure GDA0002300241390000085
5)将模糊规则融合后的采样数据输入到网络控制系统，系统进行解释模糊数据并进行业务策略的逻辑运算，将平均分配的目标值输出到广播通道；
6)将广播通道的目标值同一时刻通知到站内所有在线的发电单元，使发电单元按照调节目标变化，最终接近目标值。
本发明有2项创新点:1.将发电单元输出的功率进行实时迭代融合处理，作为网络控制系统输入的数据源，充分利用发电单元输出功率数据变化的特点，提高数据的精准度；2.针对网络时延丢包问题，以减少指令数据分条下发交互的机会，通过广播将指令同时下达到发电单元，使发电单元快速响应，提高控制的效率。
本发明通过实时采样发电单元融合模型的输出功率，充分利用了发电单元调控目标达率特性，很大程度弥补了因发电单元设备误差可能引起的实时数据精度不稳定性，并通过迭代式的采集和广播式数据下发，提高了网络控制系统的控制的性能和控制效率。
以上描述了本发明的基本原理、主要特征和实施方案等信息，但是本发明不受上述实施过程的限制，在不脱离发明精神和范围的前提下，本发明还可以有各种变化和改进。因此，除非这种变化和改进脱离了本发明的范围，它们应该被看作包含在本发明中。

Claims (2)

1.一种基于模糊状态的多逆变器广播式控制的方法，其特征在于，包括：
1)获取多个发电单元数据集，包括实时输出功率，状态信息、定值参数；
2)剔除所获取数据集中发电单元输出野值数据；采用最小二乘法或神经网络算法，预测当帧数据，当帧数据的预测值与实时值的误差小于允许的偏差，则实时值有效，否则以预测值代替实时值；
3)筛选出数据集中发电单元样本集合，计算目标平均偏差和偏差率，对多个样本集合得出最终的偏差参数并输入到控制系统；
具体方法为：
(301)样本的选择规则为：选择不同网络拓扑结构节点中的发电单元；选择不同时空区域的发电单元；选择不同型号规则的发电单元或不同网络中继设备的发电单元；样本是全部或具有代表性的一部分；
(302)计算样本平均偏差统计，公式为：
Figure FDA0002300241380000011
(303)统计每个迭代周期内平均偏差的变化率作为偏差率；
4)将样本数据对准处理和数据模糊化处理，根据数据融合模型将采样数据进行融合计算；
具体方法为：
(401)把采样数据转换到一个位置上，即空间对准，进行坐标转换处理；
(402)采用插值法进行采样数据的时间校准；
(403)确定采样数据的模糊集、论域和隶属度函数，再进行数据融合处理；
5)将模糊规则融合后的采样数据输入到所述控制系统，系统进行解释模糊数据并进行业务策略的逻辑运算，将平均分配的目标值输出到广播通道；
6)将广播通道的目标值同一时刻通知到站内所有在线的发电单元，使发电单元按照调节目标变化，最终接近目标值。
2.一种基于模糊状态的多逆变器广播式控制的装置，包括：
数据集获取模块，用于获取多个发电单元数据集，包括实时输出功率，状态信息、定值参数；
剔除模块，用于剔除所获取数据集中发电单元输出野值数据；
样本偏差计算模块，用于筛选出数据集中发电单元样本集合，计算目标平均偏差和偏差率，对多个样本集合得出最终的偏差参数并输入到控制系统；
数据融合模块，用于将样本数据对准处理和数据模糊化处理，根据数据融合模型将采样数据进行融合计算；
解释输出模块，用于将模糊规则融合后的采样数据输入到所述控制系统，系统进行解释模糊数据并进行业务策略的逻辑运算，将平均分配的目标值输出到广播通道；
广播模块，用于将广播通道的目标值同一时刻通知到站内所有在线的发电单元，使发电单元按照调节目标变化，最终接近目标值；
剔除模块包括最小二乘法单元，用于采用最小二乘法，预测当帧数据，当帧数据的预测值与实时值的误差小于允许的偏差，则实时值有效，否则以预测值代替实时值；
或者，剔除模块包括神经网络单元，用于采用神经网络算法，预测当帧数据，当帧数据的预测值与实时值的误差小于允许的偏差，则实时值有效，否则以预测值代替实时值；
样本偏差计算模块包括：
样本选择单元：用于选择不同网络拓扑结构节点中的发电单元；选择不同时空区域的发电单元；选择不同型号规则的发电单元或不同网络中继设备的发电单元；样本是全部或具有代表性的一部分；
样本平均偏差统计单元，用于计算样本平均偏差统计，公式为：
Figure FDA0002300241380000031
偏差率计算单元，用于统计每个迭代周期内平均偏差的变化率作为偏差率；
数据融合模块包括：
空间对准单元，用于把采样数据转换到一个位置上，即空间对准，进行坐标转换处理；
时间校准单元，用于采用插值法进行采样数据的时间校准；
数据融合单元，用于确定采样数据的模糊集、论域和隶属度函数，再进行数据融合处理。
CN201710002562.3A 2017-01-03 2017-01-03 一种基于模糊状态的多逆变器广播式控制的方法及装置 Active CN106874541B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710002562.3A CN106874541B (zh) 2017-01-03 2017-01-03 一种基于模糊状态的多逆变器广播式控制的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710002562.3A CN106874541B (zh) 2017-01-03 2017-01-03 一种基于模糊状态的多逆变器广播式控制的方法及装置

Publications (2)

Publication Number Publication Date
CN106874541A CN106874541A (zh) 2017-06-20
CN106874541B true CN106874541B (zh) 2020-05-15

Family

ID=59164609

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710002562.3A Active CN106874541B (zh) 2017-01-03 2017-01-03 一种基于模糊状态的多逆变器广播式控制的方法及装置

Country Status (1)

Country Link
CN (1) CN106874541B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102355004A (zh) * 2011-09-20 2012-02-15 浙江工业大学 分布式光伏发电区域集成控制系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7882789B2 (en) * 2001-03-27 2011-02-08 General Electric Company System and method for managing emissions from diesel powered systems

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102355004A (zh) * 2011-09-20 2012-02-15 浙江工业大学 分布式光伏发电区域集成控制系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
An Intelligent Controller Design for Automobile Anti-collision Based on Fuzzy Network;Hai-ru Guo 等;《2010 International Symposium on Intelligence Information Processing and Trusted Computing》;20101029;第305-308页 *
Investigation about broadcast scheduling in fuzzy Hopfield network based on the Internet of things;Zheng Yan-Jie 等;《2011 International Conference on E-Business and E-Government (ICEE)》;20110508;第1-4页 *
带有模糊控制的机会网络数据转发控制策略;杨静 等;《系统工程与电子技术》;20160228;第38卷(第2期);第392-399页 *

Also Published As

Publication number Publication date
CN106874541A (zh) 2017-06-20

Similar Documents

Publication Publication Date Title
CN109304086B (zh) 一种电站锅炉scr脱硝精细化喷氨控制方法
CN103987056A (zh) 基于大数据统计模型的无线网络话务量预测方法
CN105552902B (zh) 基于馈线端实时量测的配电网终端负荷超短期预测方法
CN107547269B (zh) 基于farima的智能变电站通信流量阈值模型的构建方法
CN112738812B (zh) 一种无线网络自动调节方法、装置、终端设备及存储介质
CN116545954B (zh) 基于物联网的通信网关数据传输方法及系统
CN112363535B (zh) 一种领导-跟随型多飞行器的分布式协同控制方法
CN112511241B (zh) 基于对数正态分布近似的复合衰落信道随机数生成方法
CN112701729A (zh) 一种基于边缘计算的微电网分布式协同控制系统及方法
CN116708134B (zh) 基于流量控制的点对点网络传输系统
CN108696929A (zh) 一种动态调整cca能量检测阈值的方法与装置
CN113964884A (zh) 基于深度强化学习的电网有功频率的调控方法
CN114423020B (zh) 一种LoRaWAN网络下行路由控制方法及系统
CN106874541B (zh) 一种基于模糊状态的多逆变器广播式控制的方法及装置
Yang et al. Distributed fusion for nonlinear uncertain systems with multiplicative parameters and random delay
CN112147956B (zh) 分布式控制系统
CN112105089A (zh) 基于响应时间概率分布的通信信号关联方法
CN114337881B (zh) 基于多无人机分布式与lms的无线频谱智能感知方法
CN113393046B (zh) 一种光伏功率预测方法及其应用装置
CN101923318A (zh) 一种网络pid控制器制造方法
CN112134632B (zh) 无人机通信系统平均容量评估方法及装置
JP2013531915A (ja) 通信方法および通信機器
Wu et al. Event-triggered state estimation for wireless sensor network systems with packet losses and correlated noises
Han et al. Adaptive power and rate control for wireless networks with time-varying delay
Kong et al. Joint control of power and rates of wireless networks based on Nash game

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: No.227, 2f, building 1, building materials City, Xisanqi, Haidian District, Beijing 100091

Applicant after: New energy Polytron Technologies Inc

Address before: 100081, No. 19, building 68, College Road, Haidian District, Beijing, four, 407

Applicant before: Beijing Guo Nengxin system control technique company limited

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant