一种平抑风电功率波动的混合储能系统容量配置方法

    公开(公告)号:CN103580041A

    公开(公告)日:2014-02-12

    申请号:CN201310554168.2

    申请日:2013-11-08

    IPC分类号: H02J3/24 H02J3/28

    CPC分类号: Y02E10/766 Y02E70/30

    摘要: 本发明提供了一种平抑风电功率波动的混合储能系统容量配置方法,混合储能系统包括功率型储能系统和能量型储能系统,包括步骤1、获取风电功率的并网有功功率和混合储能系统有功功率P(t),并通过小波包分解法分别获取功率型储能功率和能量型储能功率;步骤2、配置不同额定功率P和不同容量下的混合储能系统,并分析其平抑效果;步骤3、依据平抑效果和改进的粒子群算法配置混合储能系统容量。和现有技术相比,本发明提供的一种平抑风电功率波动的混合储能系统容量配置方法,根据功率型储能系统和能量型储能系统当前电量情况、需要出力的功率值、额定功率以及改进的粒子群算法建立了控制策略,实现了平抑风电功率波动的有效控制。

    一种平抑风电功率波动的混合储能系统容量配置方法

    公开(公告)号:CN103580041B

    公开(公告)日:2015-07-08

    申请号:CN201310554168.2

    申请日:2013-11-08

    IPC分类号: H02J3/24 H02J3/28

    CPC分类号: Y02E10/766 Y02E70/30

    摘要: 本发明提供了一种平抑风电功率波动的混合储能系统容量配置方法,混合储能系统包括功率型储能系统和能量型储能系统,包括步骤1、获取风电功率的并网有功功率和混合储能系统有功功率P(t),并通过小波包分解法分别获取功率型储能功率和能量型储能功率;步骤2、配置不同额定功率P和不同容量下的混合储能系统,并分析其平抑效果;步骤3、依据平抑效果和改进的粒子群算法配置混合储能系统容量。和现有技术相比,本发明提供的一种平抑风电功率波动的混合储能系统容量配置方法,根据功率型储能系统和能量型储能系统当前电量情况、需要出力的功率值、额定功率以及改进的粒子群算法建立了控制策略,实现了平抑风电功率波动的有效控制。

    一种基于振动信息的GIS特征提取及机械缺陷诊断方法

    公开(公告)号:CN109839263B

    公开(公告)日:2020-06-09

    申请号:CN201910139550.4

    申请日:2019-02-26

    IPC分类号: G01M13/00

    摘要: 本发明公开了一种基于振动信息的GIS特征提取及机械缺陷诊断方法,属于GIS机械缺陷诊断技术领域。所述方法首先采集多类GIS典型机械缺陷的振动数据样本;然后,对数据样本进行傅里叶变换,利用两两样本间相干性系数标定潜在共性特征频率点;接着统计并定义明确共性特征频率点,构建典型机械缺陷的幅‑频特征图谱;最后,根据GIS测试样本在各类典型缺陷特征图中频率点幅值的分散情况,诊断GIS机械缺陷,完成故障诊断过程。本发明有效地挖掘了数据的本质特征,进一步增加了强相关频点的普适性,消除异常样本对特征频率提取的影响,有效地提高了数据的抗噪能力,增加了机械缺陷诊断的鲁棒性。

    一种多源融合的高压断路器机械故障诊断方法

    公开(公告)号:CN110006645A

    公开(公告)日:2019-07-12

    申请号:CN201910387365.7

    申请日:2019-05-10

    发明人: 武建文 马速良

    IPC分类号: G01M13/00 G01R31/327

    摘要: 本发明公开了一种多源融合的高压断路器机械故障诊断方法,属于多传感器信息融合诊断领域。该方法首先基于振动测量装置同时采集高压断路器多个位置的振动信号,计算振动信号的小波能量熵,构成描述高压断路器机械状态的振动特征向量;然后,将每个传感器的振动数据分组,形成模型训练集和评估集,根据模型训练集设计Softmax回归诊断模型,并利用评估集计算每个传感器在Softmax回归诊断模型下的诊断准确率,形成多个传感器机械故障诊断的置信性权重;最后,提出基于各传感器诊断权重的改进D-S证据融合方法,实现高压断路器机械故障辨识。本发明有效降低单一传感器诊断的片面影响,极大提高了高压断路器机械缺陷诊断准确率。

    一种高压断路器机械缺陷集成学习诊断方法

    公开(公告)号:CN109948194B

    公开(公告)日:2020-07-03

    申请号:CN201910144353.1

    申请日:2019-02-27

    IPC分类号: G06F30/20 H02H1/00 G06N3/00

    摘要: 本发明公开了一种高压断路器机械缺陷集成学习诊断方法,属于高压断路器检测技术领域。所述方法首先获取机械振动信号数据样本及原始特征空间构建;然后基于有放回随机抽样方式组成多个特征子集;以每个特征子集和差集训练成最优旋转压缩决策子树模型;以投票机制构成最终的高压断路器机械缺陷诊断模型。本发明采用了粒子群算法对自编码器超参进行了迭代优化,避免人为调整参数的局限性,有利于高压断路器机械缺陷诊断精度的提高;本发明利用自编码器对原始特征空间进行了优化变换,使得集成学习中每个子分类器均表现出增强型决策,强化了各决策子树的表征能力,同时提高了集群诊断的辨识精度。

    一种基于振动信息的GIS特征提取及机械缺陷诊断方法

    公开(公告)号:CN109839263A

    公开(公告)日:2019-06-04

    申请号:CN201910139550.4

    申请日:2019-02-26

    IPC分类号: G01M13/00

    摘要: 本发明公开了一种基于振动信息的GIS特征提取及机械缺陷诊断方法,属于GIS机械缺陷诊断技术领域。所述方法首先采集多类GIS典型机械缺陷的振动数据样本;然后,对数据样本进行傅里叶变换,利用两两样本间相干性系数标定潜在共性特征频率点;接着统计并定义明确共性特征频率点,构建典型机械缺陷的幅-频特征图谱;最后,根据GIS测试样本在各类典型缺陷特征图中频率点幅值的分散情况,诊断GIS机械缺陷,完成故障诊断过程。本发明有效地挖掘了数据的本质特征,进一步增加了强相关频点的普适性,消除异常样本对特征频率提取的影响,有效地提高了数据的抗噪能力,增加了机械缺陷诊断的鲁棒性。