-
公开(公告)号:CN119247766A
公开(公告)日:2025-01-03
申请号:CN202411236324.5
申请日:2024-09-04
Applicant: 国网宁夏电力有限公司电力科学研究院 , 三峡大学
IPC: G05B13/04 , F03D7/00 , F03D9/25 , G06F18/2113 , G06F18/214 , G06N3/0442 , G06N3/126
Abstract: 本发明提供一种基于REF‑BiLSTM模型的双馈风机控制参数辨识方法,属于风力发电控制技术领域。包括:根据DFIG数学模型的控制结构,确定需要辨识的控制参数;通过ART‑GA算法生成训练数据集;采用RFE算法对DFIG原始数据集进行特征提取;采用BiLSTM算法对DFIG控制参数进行辨识。本发明改进遗传算法建立训练数据集采用递归式特征消除RFE算法对该数据集进行特征提取;最后,利用BiLSTM模型对DFIG的控制参数进行辨识,可有效提高数据的利用率,进一步提高DFIG控制参数的辨识精度。
-
公开(公告)号:CN119244438A
公开(公告)日:2025-01-03
申请号:CN202411236434.1
申请日:2024-09-04
Applicant: 国网宁夏电力有限公司电力科学研究院 , 三峡大学
Abstract: 本发明提供一种基于引力搜索算法的直驱风机结构化辨识方法及系统,属于风力发电控制领域。方法步骤包括:基于直驱风机数学模型的控制结构,确定出LVRT控制策略中各LVRT控制模式需要辨识的控制参数;采用SVR算法对直驱风机原始数据集进行训练,得到个体初值和寻优范围;采用GSA算法对直驱风机LVRT控制模式和控制参数进行辨识。本发明针对传统智能算法易陷入局部最优的缺陷,在种群初始化前通过SVR出待辨识参数初步结果,并以此为依据设置个体初值,缩小寻优范围,再引入GSA算法在位置更新阶段基于物体间引力和质量的优化算法,模拟物体在引力场中的运动过程来搜索最优解,提高算法的局部寻优能力。
-