一种跟网型换流器暂态稳定性分析及增强方法

    公开(公告)号:CN118572771A

    公开(公告)日:2024-08-30

    申请号:CN202410664542.2

    申请日:2024-05-27

    Abstract: 本发明公开了一种跟网型换流器暂态稳定性分析及增强方法,该方法包括以下几个步骤:步骤1:建立基于跟网型换流器的交直流混合微电网系统;步骤2:基于功‑角摇摆方程对跟网型换流器进行暂态稳定性分析,获得暂态失稳影响因素;步骤3:根据暂态失稳影响因素,获得锁相环参数,以进行自适应设计。本发明公开的方法考虑了系统直流电压控制的影响,推算出的系统阻尼比能够准确全面地显示系统稳定性的影响因子;锁相环参数根据系统功率水平的变化自适应变化,具有应用的普适性和灵活性,能够提高跟网型换流器的暂态稳定性。

    全段孔循环加卸载压裂装置及煤矿水力压裂方法

    公开(公告)号:CN119466778A

    公开(公告)日:2025-02-18

    申请号:CN202411587007.8

    申请日:2024-11-07

    Abstract: 本发明公开了一种全段孔循环加卸载压裂装置及煤矿水力压裂方法。全段孔循环加卸载压裂装置包括压裂管、封孔囊袋、注水管、滑管和限位组件,压裂管上设有多个第一孔,相邻两个封孔囊袋之间限定出压裂空间,封孔囊袋与注水管相连通;滑管在压裂管的内腔中可移动,滑管的靠近钻孔底部的一端密封,滑管上设有第二孔,第一孔和第二孔分为多个压裂孔组,每个压裂孔组包括一个第一孔和一个第二孔,其中一个压裂孔组中的第一孔和第二孔导通时,其他的压裂孔组中的第一孔和第二孔错位设置;限位组件限制滑管在压裂管中的位置并使其中一个压裂孔组中的第一孔和第二孔导通。本发明不需要进行移动压裂设备,简化了压裂工艺,提高了水力压裂的效率。

    一种基于LOF-Pearson检测多维特征向量的电池SOH估计方法

    公开(公告)号:CN116224081A

    公开(公告)日:2023-06-06

    申请号:CN202310234840.3

    申请日:2023-03-13

    Abstract: 本发明公开了一种基于LOF‑Pearson检测多维特征向量的电池SOH估计方法,涉及电池技术领域,包括:获取电池的SOH数据,并对电池SOH数据进行分析,以提取得到多维特征向量;基于局部异常因子算法,对所述多维特征向量进行异常值检测;对经过异常值检测之后的所述多维特征向量进行Pearson相关性分析,并选择强相关性的多维特征向量作为电池健康因子;对所述电池健康因子进行归一化预处理,将归一化后的电池健康因子分为测试集数据和训练集数据;建立神经网络电池SOH估计模型,使用所述训练集数据进行神经网络训练,以所述测试集数据为输入量验证模型准确性。由此,剔除了弱相关性的电池特征向量,选择强相关性多维特征向量作为了电池健康因子,提高了模型预测精度。

    射孔压裂联作一体化装置及压裂方法

    公开(公告)号:CN119466779A

    公开(公告)日:2025-02-18

    申请号:CN202411588914.4

    申请日:2024-11-07

    Abstract: 本发明公开了一种射孔压裂联作一体化装置及压裂方法,射孔压裂联作一体化装置包括压裂管、封隔组件、射孔组件和压裂组件,压裂管的一端封堵,压裂管的另一端用于与泵组设备连接;封隔组件设在压裂管的周向外侧,相邻的两个封隔组件之间形成射孔压裂空间;射孔组件位于相邻的两个封隔组件之间,射孔组件具有喷嘴和第一调节部件;压裂组件位于相邻的两个封隔组件之间,压裂组件包括压裂孔和第二调节部件,压裂孔设在压裂管上,第二调节部件与压裂孔对应。本发明将射孔压裂联作一体设置,射孔工序和压裂工序可以无缝衔接,简化作业工序,提高作业效率。

    一种基于INFO-SVR算法的储能电池剩余寿命预测方法

    公开(公告)号:CN116341375A

    公开(公告)日:2023-06-27

    申请号:CN202310240397.0

    申请日:2023-03-13

    Abstract: 本发明公开了一种基于INFO‑SVR算法的储能电池剩余寿命预测方法,包括:获取储能电池剩余寿命循环数据集;对所述循环数据集进行分析,以得到健康因子;对所述健康因子进行归一化处理,将归一化处理后的所述健康因子分为测试数据和训练数据;基于所述训练数据对初始模型进行训练,并基于所述测试数据对所述初始模型进行验证,以生成INFO‑SVR电池剩余寿命预测模型,其中,所述INFO‑SVR电池剩余寿命预测模型用于预测储能电池的剩余寿命。利用INFO算法的更强的探索、逃避局部最优能力和更快开发收敛速度,有效解决SVR算法中最优超参数取值问题,具有对储能电池状态更佳的预测效果及精度。

Patent Agency Ranking