-
公开(公告)号：CN115483704A
公开(公告)日：2022-12-16
申请号：CN202211143349.1
申请日：2022-09-20
Applicant: 国网宁夏电力有限公司电力科学研究院 , 三峡大学
IPC: H02J3/38 , G06F30/27 , G06F113/04 , G06F113/06
Abstract: 本发明公开一种双馈风机电压穿越控制参数整定值评估方法、介质及系统，得到电压穿越工况下的第一仿真数据集；建立神经网络模型；将电压穿越工况下的第一仿真数据集输入神经网络模型，输出电压穿越控制参数的整定值；在PSASP中建立电压穿越工况下的双馈风机电压穿越机电模型；将电压穿越工况下的电压穿越控制参数的整定值输入电压穿越工况下的双馈风机电压穿越机电模型，输出第二仿真数据；采集双馈风机的电压穿越工况下的实测数据；根据电压穿越工况下的第二仿真数据和实测数据，计算得到误差函数的值；根据电压穿越工况下的误差函数的值确定电压穿越控制参数的整定值的有效性。本发明可准确计算电压穿越控制参数的整定值，并评估其有效性。
-
公开(公告)号：CN115411775B
公开(公告)日：2024-04-26
申请号：CN202211181791.3
申请日：2022-09-27
Applicant: 三峡大学
IPC: H02J3/38 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于LSTM的双馈风机控制器参数辨识方法，利用RT‑LAB获得双馈风机控制器硬件在环测试数据，使用Person相关系数法提取出相关性较高的特征量并用于神经网络训练，对电压外环以及电流内环控制参数进行辨识，并通过硬件在环实验数据对算法的可行性、有效性和实用性进行了测试。与以往的参数辨识方法相比，能通过训练历史样本数据模拟风机控制系统的运行特性，在不运行风机模型的情况下，向LSTM神经网络输入实测数据，进行控制参数的离线辨识。
-
公开(公告)号：CN115729211A
公开(公告)日：2023-03-03
申请号：CN202211446047.1
申请日：2022-11-18
Applicant: 三峡大学
IPC: G05B23/02
Abstract: 一种实测建模一体化自动测试系统及测试方法，包括测试模块、辨识模块和分析模块；测试模块用于新能源控制器硬件在环仿真测试，为辨识模块提供实测数据支撑；辨识模块用于新能源控制器机电模型参数辨识，参数辨识为基于硬件在环实测数据，通过编写辨识算法自动地修改辨识模型中各待辨识参数，直至满足辨识精度要求并自动输出最优辨识参数；分析模块用于新能源机电暂态建模测试，验证辨识模块中参数辨识结果的正确性，通过设置不同的测试工况，自动地进行机电暂态仿真，并对每次仿真结果与硬件在环测试结果自动进行误差分析。本发明替代传统的手动测试工作，自动地进行硬件在环测试、参数辨识及机电暂态建模测试，并对结果数据进行自动保存。
-
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
Applicant: 三峡大学
Abstract: 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
Applicant: 三峡大学
IPC: G06F30/27 , G06F17/10 , G06N3/08 , G06N3/006 , G06N3/0442
Abstract: 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。
-
Patent Agency Ranking
公开(公告)号：CN116125827A
公开(公告)日：2023-05-16
申请号：CN202211661719.0
申请日：2022-12-22
Applicant: 三峡大学
IPC: G05B17/02
Abstract: 本发明涉及基于RT‑LAB的双馈风机控制器硬件在环仿真测试方法，包括：在实时仿真机中建立双馈风机主电路物理仿真模型；在RT‑LAB上位机中建立仿真模型，通过配置eHS解算模块调用双馈风机主电路物理模型，将双馈风机主电路物理模型解算为FPGA可识别的代码，完成双馈风机主电路的FPGA建模；确定双馈风机控制器与实时仿真机之间的I/O接口类型、位置及个数，形成配置文件，实时仿真机与双馈风机控制器通讯连接，建立双馈风机硬件在环仿真；进行双馈风机多种工况下的控制测试，验证双馈风机控制器的控制策略的有效性。本发明的双馈风机控制器硬件在环仿真测试，最大程度地贴近双馈风机真实运行环境，可有效验证实际控制器的控制策略和控制性能。
-
公开(公告)号：CN115411775A
公开(公告)日：2022-11-29
申请号：CN202211181791.3
申请日：2022-09-27
Applicant: 三峡大学
Abstract: 本发明公开了一种基于LSTM的双馈风机控制器参数辨识方法，利用RT‑LAB获得双馈风机控制器硬件在环测试数据，使用Person相关系数法提取出相关性较高的特征量并用于神经网络训练，对电压外环以及电流内环控制参数进行辨识，并通过硬件在环实验数据对算法的可行性、有效性和实用性进行了测试。与以往的参数辨识方法相比，能通过训练历史样本数据模拟风机控制系统的运行特性，在不运行风机模型的情况下，向LSTM神经网络输入实测数据，进行控制参数的离线辨识。
-
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
Applicant: 三峡大学
Abstract: 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：CN115242067B
公开(公告)日：2024-06-11
申请号：CN202210699181.6
申请日：2022-06-20
Applicant: 三峡大学
Abstract: 本发明公开了一种单相Boost APFC的自适应占空比补偿控制方法，在传统控制环路中引入占空比补偿环节，利用电流环得到补偿的占空比，并对补偿环节的自适应补偿参数进行设计，利用APFC输出电压和负载电流的平均值计算动态功率，结合APFC的额定功率，确定出自适应系数k1和k2，将自适应系数引入到电流控制环路和占空比补偿环路中，得到补偿后的PWM控制信号；在传统双环控制环路中引入自适应占空比补偿环路，基于负载变动情况自适应设计补偿系数，在不改变硬件电路和不对控制算法进行大量调整的基础上，提高单相Boost APFC谐波对动态负载的自适应能力，为工程应用中单相Boost APFC的优化和设计提供直观的技术和理论指导。
-
公开(公告)号：CN115293406A
公开(公告)日：2022-11-04
申请号：CN202210794793.3
申请日：2022-07-07
Applicant: 三峡大学
Abstract: 本发明涉及基于CatBoost和Radam‑LSTM的光伏发电功率预测方法，包括：获取用于光伏发电功率预测的特征数据，对特征数据进行预处理；利用改进灰色关联度分析计算各个气象特征以及电气特征之间的灰色关联度大小，剔除关联度小的特征；利用变量特征衍生方法从已有特征数据时间序列中衍生出新的特征；将CatBoost作为前级模型，Radam‑LSTM作为后级模型，利用瀑布融合法构建功率预测模型，对功率预测模型训练并测试；将利用训练好的功率预测模型用于光伏发电功率短期预测。本发明将CatBoost和Radam‑LSTM集成、融合，显著提高了功率预测模型的预测性能，得到的功率预测模型稳定性、准确性更好，泛化能力更强，能有效防止预测模型过拟合。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.091 seconds)
