-
公开(公告)号：CN117791599B
公开(公告)日：2024-05-03
申请号：CN202410216986.X
申请日：2024-02-28
申请人： 广东工业大学
IPC分类号： H02J3/00 , G06F30/20 , G06F17/16 , G06F113/04
摘要： 本发明公开了一种面向电力系统的节点惯量估计方法、系统及装置，该方法包括：将电力系统的拓扑图简化为抽象节点结构图；根据节点间的电气分布列写节点电纳关系矩阵；结合所述节点电纳关系矩阵计算节点频率动态曲线并记录各节点在扰动后预设时间内的平均RoCoF；基于所述平均RoCoF进行拟合，构建惯量衰减函数；求和计算节点的估计惯量。该系统包括：结构图简化模块、关系模块、仿真模块、函数构建模块和估计模块。该装置包括存储器以及用于执行上述面向电力系统的节点惯量估计方法的处理器。通过使用本发明，快速且准确的估计电力系统节点的惯量水平。本发明可广泛应用于电力系统运行与控制领域。
-
公开(公告)号：CN114914913B
公开(公告)日：2024-03-12
申请号：CN202210711647.X
申请日：2022-06-22
申请人： 广东工业大学
IPC分类号： H02J3/24 , H02J3/46 , H02J3/38 , G06Q10/0631 , G06Q50/06
摘要： 本发明涉及一种考虑变流器驱动稳定性约束的机组组合方法，包括如下步骤：建立机组组合目标函数；求解机组组合目标函数；构建风电动态交互影响评估模型，校验变流器驱动稳定性裕度；基于功率灵敏度对机组出力进行调整；根据调整后的出力状态更新机组的组合方案。通过风电动态交互影响评估模型对初始机组组合的变流器驱动稳定性裕度进行检验，在变流器驱动稳定性裕度不符合设定的阈值的情况下，基于功率灵敏度对机组出力进行调整，形成一个新的机组组合来提高变流器驱动稳定裕度，避免由风电并网对电力系统调度带来的变流器驱动失稳等潜在风险。
-
公开(公告)号：CN116961122A
公开(公告)日：2023-10-27
申请号：CN202310704117.7
申请日：2023-06-13
申请人： 中国南方电网有限责任公司 , 广东工业大学
摘要： 本发明涉及一种风电场对称故障紧急电压恢复控制方法，包括：根据集电线路保护动作出口信息，计算策略实施时间及周期数；第一个周期内增发无功，按所设计的概率切除公式进行撬棒切除；第二个周期牺牲有功，进一步增发无功，并以撬棒切除公式执行撬棒切除；第三至最后一个周期，重新计算剩余轮数，以此分配每一轮切除的异步运行的风机数，以在网必要性为指标，每一轮中按指标从高到低排序对异步运行状态的风机进行切机处理。本发明可以在大规模风电场对称故障发生期间，解决设备安全和达到全局电压最优之间的矛盾，在最大程度保全风电场有功输出及保全更多风机的同时，对大规模风电场故障后的紧急电压恢复具备良好的控制效果。
-
公开(公告)号：CN116203432B
公开(公告)日：2023-10-20
申请号：CN202310302474.0
申请日：2023-03-23
申请人： 广东工业大学
IPC分类号： G01R31/367 , G01R31/382
摘要： 本发明公开了一种基于CSO优化的无迹卡尔曼滤波预测电池荷电状态的方法，包括以下步骤：S1：采用无迹卡尔曼滤波UKF算法预测电池荷电状态SOC时，计算影响预测精度的相关参数；S2：对被预测电池进行测试，获取其城市道路循环工况UUDS数据；S3：采用纵横交叉算法CSO对无迹卡尔曼滤波UKF算法进行优化；S4：将优化后的无迹卡尔曼滤波UKF算法应用于预测电池荷电状态SOC中，获得更为精确的电池工作状态，从而提高电池寿命和使用效率。本发明利用纵横交叉算法收敛速度快、全局搜索能力强的优点，可快速准确获得不同电池工况数据下的最佳UKF拟合参数，避免参数陷入局部最优，使电池荷电状态预测精度尽可能高，实现电池工作状态的精确跟踪。
-
公开(公告)号：CN113589177B
公开(公告)日：2022-04-01
申请号：CN202110726961.0
申请日：2021-06-29
申请人： 广东工业大学
IPC分类号： G01R31/382
摘要： 本发明公开了一种车载动力电池SOC估计方法，通过对与实车电池同型号的电池进行间歇性放电实验，得到电池在多种SOC和多种放电电流下，暂停放电期间的电压数据。使用这些数据，结合自适应变异粒子群优化算法，形成长短期记忆神经网络模型。实车应用中，在车载动力电池每次暂停放电时，采集电池暂停放电前一采样时刻的电流数据、暂停放电后一段时间内的电压序列数据，输入模型，计算SOC。以所计算的SOC为初始值，在车载动力电池连续放电期间持续更新SOC，直至下次暂停放电时，继续采用模型重新计算SOC。本发明能够利用车载动力电池暂停放电期间的电流、电压数据，消除电流传感器累积的测量误差对安时积分法的影响，提高车载动力电池SOC估计精度。
-
公开(公告)号：CN113466718B
公开(公告)日：2022-04-01
申请号：CN202110726928.8
申请日：2021-06-29
申请人： 广东工业大学
IPC分类号： G01R31/382
摘要： 本发明公开了一种手机电池SOC校正方法，所述方法包括：记录相同型号的H个手机周期性进入待机状态前后的各个特征物理量和对应的SOC值，组成原始数据集；对原始数据集进行预处理；搭建二次融合模型结构；将预处理后的数据集划分为训练集、验证集、测试集；采用训练集和验证集对二次融合模型进行训练；采用测试集对二次融合模型进行评估，若满足预设精度则植入手机电池管理系统，否则返回上一步；在手机每次进入待机状态时，采集电池待机前后的各个特征物理量，在预处理后采用二次融合模型估计电池SOC并校正手机电池管理系统。本发明相比其他方法不需要电池长时间静置、管理器较高实时计算能力和精密测阻抗量设备，可以快速实现手机SOC校正。
-
公开(公告)号：CN113702728A
公开(公告)日：2021-11-26
申请号：CN202110786062.X
申请日：2021-07-12
申请人： 广东工业大学
摘要： 本发明为解决在样本不平衡情况下变压器故障诊断准确率低的问题，提出一种基于组合采样和LightGBM的变压器故障诊断方法及系统，包括以下步骤：采集历史样本数据，并获取对应的变压器故障类型；对历史样本数据进行预处理，然后将历史样本数据划分为少数类样本集和多数类样本集；对所述少数类样本集进行过采样得到多数类样本，并加入所述多数类样本集中；再对所述多数类样本集进行欠采样，得到平衡数据集，并划分为训练样本和测试样本；构建LightGBM分类器模型，将训练样本输入所述LightGBM分类器模型进行训练；将测试样本输入完成训练的LightGBM分类器模型中进行故障诊断，输出得到故障诊断结果。
-
公开(公告)号：CN112542871B
公开(公告)日：2021-11-26
申请号：CN202011405294.8
申请日：2020-12-04
申请人： 广东工业大学
IPC分类号： H02J7/00
摘要： 本发明涉及一种串联电池组混合式均衡电路及其控制方法和装置，采用n个依次串联的电池组，相邻两个电池组之间连接有第一开关器件，相邻的两个电池组组成一个均衡单元；每个电池组中电池单体、电感器件和电容器件的高电能通过第一开关器件和第二开关器件的导通或关断流向低电能的电池单体、电感器件和电容器件中实现任意电池单体对电池单体之间的能量传递，该串联电池组混合式均衡电路的电量可以从任意较高电压的电池单体中直接传递到任意的较低电压的电池单体，提高了电池组的均衡速度，同时降低了开关器件的使用数量，解决了自动开关电容器均衡拓扑结构电池单体之间均衡的速度比基于开关电容的电池均衡拓扑结构慢的问题。
-
公开(公告)号：CN113589177A
公开(公告)日：2021-11-02
申请号：CN202110726961.0
申请日：2021-06-29
申请人： 广东工业大学
IPC分类号： G01R31/382
摘要： 本发明公开了一种车载动力电池SOC估计方法，通过对与实车电池同型号的电池进行间歇性放电实验，得到电池在多种SOC和多种放电电流下，暂停放电期间的电压数据。使用这些数据，结合自适应变异粒子群优化算法，形成长短期记忆神经网络模型。实车应用中，在车载动力电池每次暂停放电时，采集电池暂停放电前一采样时刻的电流数据、暂停放电后一段时间内的电压序列数据，输入模型，计算SOC。以所计算的SOC为初始值，在车载动力电池连续放电期间持续更新SOC，直至下次暂停放电时，继续采用模型重新计算SOC。本发明能够利用车载动力电池暂停放电期间的电流、电压数据，消除电流传感器累积的测量误差对安时积分法的影响，提高车载动力电池SOC估计精度。
-
公开(公告)号：CN111342689B
公开(公告)日：2021-01-15
申请号：CN202010144749.9
申请日：2020-03-04
申请人： 广东工业大学
摘要： 本发明提供了一种储能系统的SOC自均衡调制方法。该电路由若干个电池模块和1个H桥变换器组成。每1个电池组配置了3个功率开关器件，每个电池模块中的开关器件工作于较高的开关频率，以提供所需的输出电压。H桥变换器工作于电网频率，只用于改变输出电压的极性。本发明在拓扑结构上，为每个电池组配置3个功率开关器件，实现电池组之间的灵活串并联切换，从而使变换器能输出多种电平；在调制方法上，通过在输出电压较低时，将尽可能多的电池组并联运行，在降低电池内阻损耗的同时，实现各电池组之间的SOC自动均衡。
-
-
-
-
-
-
-
-
-
搜索结果
67 条记录 (耗时 0.037 秒)