-
公开(公告)号：CN114977939A
公开(公告)日：2022-08-30
申请号：CN202210582993.2
申请日：2022-05-26
申请人： 三峡大学
摘要： 本发明公开了一种基于改进多目标粒子群算法的双馈风机控制参数辨识方法，本方法将双馈风机的控制参数划分为关键控制参数和非关键控制参数，在PSASP中搭建双馈风机低电压穿越暂态模型，通过调节关键控制参数得到多组输出数据，构建原模型与辨识模型的多目标误差函数；采用改进多目标粒子群算法基于关键控制参数和输出数据对建立的多目标误差函数寻优求解，得到双馈风机待辨识控制参数的辨识结果，并对辨识得到的辨识模型和原模型进行对比验证；本方法能准确可靠辨识出双馈风机暂态模型中关键控制参数。
-
公开(公告)号：CN116896120A
公开(公告)日：2023-10-17
申请号：CN202310648268.5
申请日：2023-05-30
申请人： 三峡大学
摘要： 本发明涉及计及双馈风机故障特性的变流器控制参数分区间辨识方法，包括：根据双馈风机变流器典型控制方程确定待辨识参数；确定每个故障区间下的主导控制参数；搭建双馈风机仿真模型，利用改进粒子群优化算法对主导控制参数进行分区间辨识；在不同电压跌落程度的短路故障工况下验证辨识结果的有效性。本发明考虑了各控制参数对局部区间故障工况响应曲线的影响，将故障特性曲线从时域角度划分为故障前、故障中和故障后三个区间，通过斯皮尔曼相关系数法选取与三区间响应数据强相关的控制参数，利用IPSO算法对双馈风机的控制参数进行分区间辨识，有效提高了控制参数的辨识精度。
-
公开(公告)号：CN114221561B
公开(公告)日：2023-08-01
申请号：CN202111322722.5
申请日：2021-11-09
申请人： 三峡大学
摘要： 高精度有源功率因数校正变换器电流有效值计算方法，步骤包括：一、对一个开关周期内各元器件的电流进行分段计算，求出一个开关周期内各元器件的电流表达式；二、使用解析法得到一个工频周期内有源功率因数校正变换器的电流有效值；三、选定一个可改变的电气参数作为自变量，得到影响有源功率因数校正变换器电流有效值的电气参数。与采用数值法相比，无需对每个开关周期内流过各元器件的电流进行复杂的数值迭代计算，仅需对一个开关周期内流过各元器件的电流进行分析，即可得到电流有效值；相比于以时间作为积分变量的时域法，该计算方法选用角度作为积分变量，极大地简化了电流有效值的计算过程。
-
公开(公告)号：CN116306183A
公开(公告)日：2023-06-23
申请号：CN202310139086.5
申请日：2023-02-16
申请人： 三峡大学
IPC分类号： G06F30/25 , H02J3/38 , G06F30/27 , G06N3/006 , G06N3/0442 , G06F111/08 , G06F113/06
摘要： 本发明涉及考虑全风速范围的双馈风机变流器控制参数辨识方法，包括：确定待辨识的双馈风机变流器控制参数，采集不同控制参数下的各观测量输出响应数据集，计算待辨识参数与不同观测量间的相关性，选取观测量；利用门控循环单元得到各待辨识控制参数的初步辨识值；基于初步辨识值，利用改进粒子群算法分别对双馈风机不同运行状态下的控制参数进行精确辨识；在三相故障扰动下计算实测曲线与辨识曲线响应误差，验证辨识结果的准确性。本发明在GRU模型初步辨识值的基础上，以风速为依据划分三种不同运行状态，利用改进粒子群算法分别对不同运行状态下的双馈风机变流器控制参数进行了精确辨识，有效解决了风电的随机出力特性影响辨识精度的问题。
-
公开(公告)号：CN115800245A
公开(公告)日：2023-03-14
申请号：CN202211372516.X
申请日：2022-11-03
申请人： 三峡大学
摘要： 基于SARIMA‑随机森林组合模型的短期负荷预测方法，包括以下步骤：利用滑动窗口对原始负荷数据进行分组，对各组的待测周前‑次日数据集进行分解得趋势项、季节项和残差项；建立SARIMA模型，预测趋势项得到初步预测结果和残差；聚类天气因素获取相似日，分组构建天气‑残差数据集并建立随机森林回归模型，学习天气因素对残差的影响，利用网格搜索法选择模型参数；组合模型的预测结果，对比天气聚类、残差训练对负荷预测准确率的影响。该方法能够在已知待测日历史负荷和天气因素的条件下准确预测次日负荷，提高了预测准确率。
-
公开(公告)号：CN114977939B
公开(公告)日：2024-04-19
申请号：CN202210582993.2
申请日：2022-05-26
申请人： 三峡大学
摘要： 本发明公开了一种基于改进多目标粒子群算法的双馈风机控制参数辨识方法，本方法将双馈风机的控制参数划分为关键控制参数和非关键控制参数，在PSASP中搭建双馈风机低电压穿越暂态模型，通过调节关键控制参数得到多组输出数据，构建原模型与辨识模型的多目标误差函数；采用改进多目标粒子群算法基于关键控制参数和输出数据对建立的多目标误差函数寻优求解，得到双馈风机待辨识控制参数的辨识结果，并对辨识得到的辨识模型和原模型进行对比验证；本方法能准确可靠辨识出双馈风机暂态模型中关键控制参数。
-
公开(公告)号：CN116227320A
公开(公告)日：2023-06-06
申请号：CN202211550049.5
申请日：2022-12-05
申请人： 三峡大学
IPC分类号： G06F30/27 , G06F17/10 , G06N3/08 , G06N3/006 , G06N3/0442
摘要： 本发明公开一种基于LSTM‑IPSO的双馈风机控制参数辨识方法，包括如下步骤：利用RT‑LAB半实物仿真平台获得来源于真实控制器的双馈风机硬件在环实验数据，在Matlab/simulink平台搭建双馈风机真实控制器的同构辨识模型；增加输入特征集维度并去除无关特征，选择相关性较高的特征值作为该神经网络模型的输入特征集；输入特征集和对应控制参数集组成控制参数‑输入特征集；使用LSTM神经网络对控制参数‑输入特征集进行训练预测，得到预测初始值和寻优范围；利用IPSO算法作为精确辨识的二次寻优方法，达到精确寻优的目的；判断辨识模型的可靠性；本发明解决了低电压穿越工况下传统辨识方法难以高精度辨识出双馈风机电磁模型控制参数的技术问题。
-
-
-
-
-
-
搜索结果
17 条记录 (耗时 0.065 秒)
