-
公开(公告)号：CN113702836A
公开(公告)日：2021-11-26
申请号：CN202110837086.3
申请日：2021-07-23
Applicant: 国家电网有限公司西北分部 , 西安理工大学
IPC: G01R31/367
Abstract: 本发明公开了一种基于EMD‑GRU锂离子电池荷电状态估计方法，具体为：步骤1，对锂离子电池进行脉冲电流放电，直至电池电压降到放电截止电压时停止放电，采集放电电流、电池电压、温度及SOC(t)时间序列；步骤2，采用经验模态分解EMD算法对采集放电电流进行分解，将电流时间序列分解成不同频率的子电流集时间序列和残差电流时间序列；步骤3，将子电流集时间序列和残差电流时间序列以及电池电压、温度进行归一化处理；步骤4，基于门控循环单元GRU建立子电流集、电压和温度时间序列的SOC估计模型并进行锂离子电池SOC估计。本发明解决了现有技术中存在的循环神经网络锂离子电池SOC估计丢失中长期电流时间序列的问题。
-
公开(公告)号：CN113702836B
公开(公告)日：2023-08-18
申请号：CN202110837086.3
申请日：2021-07-23
Applicant: 国家电网有限公司西北分部 , 西安理工大学
IPC: G01R31/367
Abstract: 本发明公开了一种基于EMD‑GRU锂离子电池荷电状态估计方法，具体为：步骤1，对锂离子电池进行脉冲电流放电，直至电池电压降到放电截止电压时停止放电，采集放电电流、电池电压、温度及SOC(t)时间序列；步骤2，采用经验模态分解EMD算法对采集放电电流进行分解，将电流时间序列分解成不同频率的子电流集时间序列和残差电流时间序列；步骤3，将子电流集时间序列和残差电流时间序列以及电池电压、温度进行归一化处理；步骤4，基于门控循环单元GRU建立子电流集、电压和温度时间序列的SOC估计模型并进行锂离子电池SOC估计。本发明解决了现有技术中存在的循环神经网络锂离子电池SOC估计丢失中长期电流时间序列的问题。
-
公开(公告)号：CN118432121A
公开(公告)日：2024-08-02
申请号：CN202311035985.7
申请日：2023-08-17
Applicant: 国家电网有限公司西北分部
Abstract: 本发明公开了电网不平衡下储能变换器的有限时间命令滤波控制方法，通过引入改进的功率参数，将不平衡电网条件下的交流/直流变换器的控制目标转化为统一的功率跟踪问题，分为内功率和外直流链路电压的双回路控制结构，其中有功和无功功率独立调节，没有电流控制回路和锁相回路。再根据命令，利用滤波器估计了功率参数的导数，用固定时间的扰动观测器来抑制直流链路电压控制回路上的未知负载扰动，得到内功率和外直流链路电压的双回路的有限时间控制律，实现对储能变换器的控制。提高了直流电压的调节性能和电网电流质量。
-
公开(公告)号：CN113988449A
公开(公告)日：2022-01-28
申请号：CN202111307838.1
申请日：2021-11-05
Applicant: 国家电网有限公司西北分部
Abstract: 本发明公开了一种基于Transformer模型的风电功率预测方法，具体包括如下步骤：步骤1，对风电功率进行数据预处理，得到风电功率时间序列数据；步骤2，将步骤1所得的风电功率时间序列数据经过嵌入式操作和位置编码，然后输入到Nx层编码器中，最终输出K和V向量；步骤3，将步骤2所得的K、V向量输入到解码器中进行解码操作，输出训练时的预测结果；步骤4，通过Adam优化算法对步骤2所用到的权值矩阵进行更新，得到新的权值矩阵后再循环进行步骤2、步骤3，达到预定的迭代次数后输出最终的风电功率预测值。采用本发明能够实现风电场发电功率预测。
-
公开(公告)号：CN113708722B
公开(公告)日：2023-08-11
申请号：CN202110989159.0
申请日：2021-08-26
Applicant: 国家电网有限公司西北分部
Abstract: 本发明公开了一种基于LLC拓扑光伏发电系统的MPPT控制方法，包括对光伏发电系统进行软起动，采集光伏板的输出电流Ipv，判断Ipv是否大于阈值η，若大于，根据LLC电路的最小开关频率fmin和最大开关频率fmax确定f1和f2，f1＝fmin，f2＝fmax，通过f1和f2计算出[f1，f2]内的f3、f4和f5，计算出当前f3，f4，f5对应的光伏板最大输出功率Pmax和最小输出功率Pmin，判断Pmax与Pmin的差值是否小于误差值ξ，若小于，得出最终的最大功率Pmax＝P(f3)，将f3转化为脉冲信号，驱动光伏发电系统中开关管Q1‑Q4，即将光伏发电系统控制在最大功率点上。
-
Patent Agency Ranking
公开(公告)号：CN113708722A
公开(公告)日：2021-11-26
申请号：CN202110989159.0
申请日：2021-08-26
Applicant: 国家电网有限公司西北分部
Abstract: 本发明公开了一种基于LLC拓扑光伏发电系统的MPPT控制方法，包括对光伏发电系统进行软起动，采集光伏板的输出电流Ipv，判断Ipv是否大于阈值η，若大于，根据LLC电路的最小开关频率fmin和最大开关频率fmax确定f1和f2，f1＝fmin，f2＝fmax，通过f1和f2计算出[f1，f2]内的f3、f4和f5，计算出当前f3，f4，f5对应的光伏板最大输出功率Pmax和最小输出功率Pmin，判断Pmax与Pmin的差值是否小于误差值ξ，若小于，得出最终的最大功率Pmax＝P(f3)，将f3转化为脉冲信号，驱动光伏发电系统中开关管Q1‑Q4，即将光伏发电系统控制在最大功率点上。
-
公开(公告)号：CN118449165A
公开(公告)日：2024-08-06
申请号：CN202311023220.1
申请日：2023-08-15
Applicant: 国家电网有限公司西北分部
Abstract: 本发明公开了一种面向电力系统保供的储能容量与功率配置方法，该方法基于新能源统计学特性，考虑储能综合充放能效率损失影响，完善传统的电力电量平衡模型，得到储能容量的解析表达式；提炼腰荷及谷荷的特征以简化平衡模型，综合考虑储能在负荷高峰时段顶峰、午间新能源大发时段充能以及夜间负荷低谷时段充能等实际场景，合理确定储能峰值功率。建立常规电源穿透率、新能源穿透率、储能容量的对应关系，实现协同规划。
-
公开(公告)号：CN113988449B
公开(公告)日：2024-04-12
申请号：CN202111307838.1
申请日：2021-11-05
Applicant: 国家电网有限公司西北分部
IPC: G06Q10/04 , G06Q50/06 , G06N3/0455 , G06N3/0442 , G06N3/0499 , G06N3/084 , G06F17/16
Abstract: 本发明公开了一种基于Transformer模型的风电功率预测方法，具体包括如下步骤：步骤1，对风电功率进行数据预处理，得到风电功率时间序列数据；步骤2，将步骤1所得的风电功率时间序列数据经过嵌入式操作和位置编码，然后输入到Nx层编码器中，最终输出K和V向量；步骤3，将步骤2所得的K、V向量输入到解码器中进行解码操作，输出训练时的预测结果；步骤4，通过Adam优化算法对步骤2所用到的权值矩阵进行更新，得到新的权值矩阵后再循环进行步骤2、步骤3，达到预定的迭代次数后输出最终的风电功率预测值。采用本发明能够实现风电场发电功率预测。
-
公开(公告)号：CN117541430A
公开(公告)日：2024-02-09
申请号：CN202311579429.6
申请日：2023-11-24
Applicant: 国家电网有限公司西北分部
IPC: G06Q50/06 , G06Q30/0202 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了基于迁移学习的售电量预测方法，具体包括如下过程：分别获取源域数据集和目标域数据集，并将两个数据集分别划分为训练集和数据集；构建CNN‑Transformer复合模型，采用源域训练集对CNN‑Transformer复合模型进行训练，得到训练好的源域CNN‑Transformer复合模型；利用迁徙学习算法将源域CNN‑Transformer复合模型迁移到目标域；采用目标域训练集对迁移后的CNN‑Transformer复合模型进行训练，将目标域测试集输入训练好的CNN‑Transformer复合模型中，对售电量进行预测。本发明提供的方法节省了大量的计算资源，提高售电量预测效率。
-
公开(公告)号：CN113657149B
公开(公告)日：2024-11-01
申请号：CN202110763356.0
申请日：2021-07-06
Applicant: 西安理工大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/214 , G06N3/0442 , G06N3/047 , G06N3/084 , G06Q10/0639 , G06Q50/06
Abstract: 本发明公开了一种基于深度学习的电能质量分析与识别方法，包括采集待检测的电能信号，将待检测的电能信号随机分为训练样本集和测试样本集，将训练样本集输入到长短期记忆网络LSTM模型中进行训练，获得训练后的LSTM模型，将测试样本集输入到训练后的LSTM模型中测试电能质量扰动分类情况。本发明用长短时记忆网络作为电能信号分类的模型，通过Softmax函数和反向传播算法对该模型进行训练，使其快速达到收敛，避免了人为介入进行特征提取，直接实现电能质量信号分类，减小了误差，提高了识别精度，实用性较强。
-
-
-
-
-
-
-
-
-
Search Results
181
records
(took 0.088 seconds)
