-
公开(公告)号：CN119496129A
公开(公告)日：2025-02-21
申请号：CN202411703007.X
申请日：2024-11-26
Applicant: 国网辽宁省电力有限公司辽阳供电公司 , 沈阳农业大学
Abstract: 本发明公开了一种基于深度学习的光伏并网谐波电流预测方法，涉及电力系统和光伏并网技术领域。该方法获取光伏并网系统中的三相负载电流和并网点电压数据，采用Clark和Park变换将三相负载电流转换为两相直流分量，并通过低通滤波器提取基波电流，获得谐波电流分量。利用快速傅里叶变换提取并网点电压数据的时域和频域特征，分析电压谐波与负载电流谐波的相关性，提取并网点电压特征。通过卷积神经网络提取谐波电流分量的局部特征，再通过双向长短期记忆网络捕捉时序特征，构建谐波电流预测模型。最后，输入预处理后的电流和电压特征，生成谐波电流预测值。能够更有效地处理光伏并网系统中的非线性和不确定性问题。
-
公开(公告)号：CN119496137A
公开(公告)日：2025-02-21
申请号：CN202411703160.2
申请日：2024-11-26
Applicant: 国网辽宁省电力有限公司辽阳供电公司 , 沈阳农业大学
Abstract: 本发明公开了对光伏并网所产生谐波进行预测并抑制的方法，涉及谐波预测技术领域，包括以下步骤：利用ip‑iq检测方法对光伏并网电路的三相电流信号进行检测，通过Clarke变换和Park变换将三相电流分解为有功和无功分量。本发明通过ip‑iq方法结合Clarke和Park变换，实现光伏并网系统中谐波的高精度检测与分离，并利用LSTM模型动态建模和预测谐波信号，克服了传统方法对非线性负载适应性差的缺点，预测误差低至0.1％。通过结合LSTM预测和APF动态补偿，实时生成与谐波电流相反的补偿电流，显著提高谐波抑制效率和电网稳定性，优化电能质量，适应复杂负载的动态变化。
-
公开(公告)号：CN119496136A
公开(公告)日：2025-02-21
申请号：CN202411702860.X
申请日：2024-11-26
Applicant: 国网辽宁省电力有限公司辽阳供电公司 , 沈阳农业大学
Abstract: 本发明公开了多维时序光伏并网谐波电流预测控制方法，具体涉及电力系统控制技术领域；通过采集并网的原始多维电气信号并利用傅里叶变换分解为多维频率信号，采用盲源分离和非负矩阵分解技术分离独立谐波源的特性分量，提取其频率与幅值特性；随后，通过递归神经网络构建多维时序预测模型，同时预测多个谐波源的动态行为，并结合高频补偿与多尺度分析，重构频率域数据，修正频率混叠误差；最后，将预测结果输入光伏逆变器控制系统，动态生成与目标谐波相反的补偿电流，实现谐波的有效抵消，能够精准处理复杂电网环境中的多源谐波问题，大幅提升光伏并网系统的谐波抑制能力、电能质量和系统运行的稳定性。
-
-
Search Results
3
records
(took 0.053 seconds)
