-
公开(公告)号：CN102496953A
公开(公告)日：2012-06-13
申请号：CN201110377739.0
申请日：2011-11-24
Applicant: 华北电力大学(保定)
CPC classification number: Y02E10/563 , Y02E10/58 , Y02E40/76 , Y04S10/545
Abstract: 本发明公开了分布式发电和电力网络监控技术领域中的一种光伏发电微型电网系统及最大功率跟踪方法。该系统由分布式光伏电池组件、负荷、微型逆变器、能量监控中心、微网母线和保护隔离装置五部分组成。本发明可以提高光伏发电微型电网系统的安全性和效率。
-
公开(公告)号：CN105787584B
公开(公告)日：2020-03-10
申请号：CN201610056804.2
申请日：2016-01-28
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种基于云平台的风电机群故障预警方法，本发明公开了针对风电场传统故障预警模式存在的数据存储与传输受限，计算能力不足以及计算负荷不平衡问题，提出了一种基于企业云平台的风电机群故障预警方法。该方法包括数据分布式存储中心、故障预警中心、远程监控中心、基于Map‑Reduce的故障预警算法库以及中央监控室。本发明可以充分挖掘风电机群的海量、多方位监控数据，同时为多个风场提供早期故障预警服务。本发明实现大规模数据分布式存储和远程快速读取，利用风电机组全方位状态监测数据进行趋势分析、寿命预估及数据挖掘，实现风机自动早期故障预警；能够自动识别，智能控制，方便快捷，效率高，成本低。
-
公开(公告)号：CN110084426A
公开(公告)日：2019-08-02
申请号：CN201910341713.7
申请日：2019-04-26
Applicant: 华北电力大学(保定)
Abstract: 本发明涉及风电功率区间估计技术领域，具体是本发明提供了一种基于工况辨识的风电功率区间预测方法，该方法以模糊软聚类方法为基础完成工况的辨识，并在此基础上采用核密度估计法完成风电功率的区间预测，首先确定影响风电功率的主要因素，采用最小二乘支持向量机法建立风电功率确定性预测模型，并基于聚类有效性确定聚类数目，再利用模糊C均值软聚类对历史运行数据进行工况辨识，划分为多个子区间，最后利用核密度估计计算各工况功率预测值与真实值误差的概率密度函数，确定各工况的功率置信区间，完成区间预测。本发明方法不仅可以预测出风电功率的精确数值，而且还可以预测出在某种概率水平下的风电功率波动范围。
-
公开(公告)号：CN109388774A
公开(公告)日：2019-02-26
申请号：CN201811076142.0
申请日：2018-09-14
Applicant: 国家电投集团河南电力有限公司技术信息中心 , 华北电力大学(保定)
Abstract: 本发明公开了一种基于对比法的火电厂NOx预测模型变量特征提取方法，包括以下步骤：S1)收集目标锅炉的设计资料，结合实际运行环境对煤粉的燃烧过程进行机理分析，找出影响NOX排放量的主要因素；S2)将S1处理完的数据基于互信息进行筛选，采用S-MIFS算法选出NOX浓度影响较大的输入变量；S3)将S2得到的数据进行主成分分析，选出累计贡献到达95％的成分；S4)将S3得到的结果分为两组，一组送入神经网络中进行训练，另一组送入神经网络中测试；S5)计算神经网络的输出值与原测试值的均方根误差；与现有技术相比，本发明本发明可用于火电厂NOx预测模型输入变量特征提取，能够在稍微降低精度的前提下减少输入变量的维数，减少计算耗时。
-
公开(公告)号：CN106194582B
公开(公告)日：2018-09-04
申请号：CN201610828284.2
申请日：2016-09-19
Applicant: 华能新能源股份有限公司辽宁分公司 , 华能新能源股份有限公司 , 华北电力大学(保定) , 华能集团技术创新中心
CPC classification number: Y02E10/723 , Y02E40/76 , Y02E60/76 , Y04S10/545 , Y04S40/22
Abstract: 本发明提供的基于风速测量与估计的风电系统MPPT控制装置及方法，风电系统包括永磁直驱风力发电机、整流器、第一电容、第二电容和负载，MPPT控制装置包括MPPT控制器、风速传感器、温度传感器、气压传感器、转速传感器、电压传感器、电流传感器、DC‑DC变换器和驱动模块。本发明对风速估计信号与地面风速测量信号进行融合，可有效提高寻找最大功率点的速度和准确度，降低扰动过程中的功率损失。
-
Patent Agency Ranking
公开(公告)号：CN106096247B
公开(公告)日：2018-08-07
申请号：CN201610389672.5
申请日：2016-06-06
Applicant: 华北电力大学(保定)
IPC: G06F17/50
Abstract: 本发明提出一种基于多因子拟合模型的大气气溶胶光学厚度估计方法，所述方法在采集PM2.5浓度、PM10浓度、大气气溶胶光学厚度(AOD)的实际样本的基础上，进行湿度修正、标高修正，运用最小二乘法建立大气气溶胶光学厚度(AOD)的多因子拟合模型，并利用该模型进行大气气溶胶光学厚度(AOD)估计，从而解决大气气溶胶光学厚度(AOD)反演精度不高、难以实时获取的问题。
-
公开(公告)号：CN105114238B
公开(公告)日：2018-06-08
申请号：CN201510487074.7
申请日：2015-08-10
Applicant: 华北电力大学(保定)
CPC classification number: Y02E10/38
Abstract: 本发明涉及可再生能源发电技术和海洋装备领域，公开了一种摆板式波浪能发电系统及其控制方法，装置主要包括发电舱、摆杆、摆板、立柱、弹簧、传动杆、T型杆、控制电路；所述传动杆包括传动杆a、传动杆b、传动杆c，传动杆d，T型杆包括T型杆a、T型杆b；所述控制电路包括舵机、速度传感器、第一水位传感器、第二水位传感器、电压传感器、电流传感器、整流器、MCU、DC‑DC变换器、驱动模块、第一电容、第二电容、负载；方法主要包括采集摆板式波浪能发电系统所在水域的波浪速度、波浪高度和摆板高度，根据波浪高度和波浪速度和当前时刻的摆板高度计算速度生成控制舵机转动的指令，在利用采用扰动观察法，发电系统寻找最大功率点，本发明能有效提高摆板式波浪能发电系统效率。
-
公开(公告)号：CN104806450B
公开(公告)日：2017-07-14
申请号：CN201510133361.8
申请日：2015-03-25
Applicant: 华北电力大学(保定)
IPC: F03D7/04
CPC classification number: Y02A30/12 , Y02E10/723
Abstract: 一种基于万有引力神经网络的风电系统MPPT控制方法，所述方法在构造大量功率‑转速‑风速样本的基础上，建立风速的万有引力神经网络预测模型并利用该模型进行风速估计，继而通过最佳叶尖速比法预测出最大功率点所对应的最优风机转速，然后将风机的转速调节到预测的最优风机转速，并以该转速为初始值，采用占空比扰动观察法以设定的扰动步长跟踪风机的最大功率。本发明采用估计的方法获取风速，无需装设风速传感器，可有效节约系统的控制成本，提高系统的可靠性；该方法利用万有引力搜索算法优化神经网络模型，可有效提高风速估计的精度；此外，本发明还具有跟踪速度快的优点，可提高风机的发电效率。
-
公开(公告)号：CN104967353B
公开(公告)日：2017-06-16
申请号：CN201510402092.0
申请日：2015-07-08
Applicant: 国网青海省电力公司 , 华北电力大学(保定) , 国网青海省电力公司电力科学研究院
IPC: H02M7/5387 , H02M3/335
CPC classification number: Y02E10/76
Abstract: 一种离网型风力发电逆变器，构成中包括MPU控制器以及依次连接于风力发电机与负载之间的整流器、储能电容、反激变换器、工频逆变桥和LCL滤波器，所述MPU控制器通过第一电压传感器和第二电压传感器分别采集储能电容电压和逆变器输出电压，通过电流传感器采集LCL滤波器的工频逆变桥侧电感电流，并通过两个驱动模块分别控制反激变换器和工频逆变桥。本发明利用神经网络逆模型和PI控制器构成的复合控制器来控制逆变器的输出电压。在过零点附近以神经网络逆模型控制为主，以充分发挥其响应速度快的优点；在电网电压峰值附近以PI控制为主，以充分发挥其稳态性能好的优点，从而有效提高了离网型风力发电系统的电能质量。
-
公开(公告)号：CN106656032A
公开(公告)日：2017-05-10
申请号：CN201610739281.1
申请日：2016-08-29
Applicant: 华北电力大学(保定)
IPC: H02S50/00
Abstract: 本发明提出一种针对雾霾积灰的光伏发电功率输出减少率估计方法，所述方法利用PM2.5累积浓度、PM10累积浓度表征光伏电池面板的积灰浓度，在构造大量PM2.5累积浓度‑PM10累积浓度‑光伏电池发电功率输出减少率实际样本的基础上，运用最小二乘法建立了光伏发电功率输出减少率的估计模型，并利用该模型估计雾霾天气下光伏电池板的发电功率输出减少率。本发明有助于提高雾霾天气下光伏发电功率的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.058 seconds)
