-
公开(公告)号：CN112684698B
公开(公告)日：2024-08-13
申请号：CN202011547134.7
申请日：2020-12-24
申请人： 沈阳工程学院
IPC分类号： G05B13/02
摘要： 本发明提供一种用于DC/DC变换器的分数阶模糊PID控制方法，涉及电力系统控制技术领域。步骤1、计算输入与输出之间的偏差量e(t)；步骤2、e(t)经过积分环节得到输出控制量KiD‑λe(t)；步骤3、e(t)经过微分环节得到输出控制量KdDμe(t)；步骤4、寻找参数并保存参数，判断是否为网格上最后一个点；步骤5、进行模糊推理；步骤6、进行解模糊；步骤7、得到输出控制量u(t)；步骤8、将u(t)作用于DC/DC变换器；本发明能够提升控制器的控制效果，使控制器具有更快、更鲁棒的响应；在控制的灵活性以及准确性上都有较大的改善，能够提高控制系统的稳定性，对改善恒功率负载的负阻抗特性导致的直流微电网中DC/DC变换器的不稳定问题将具有重大的意义。
-
公开(公告)号：CN112737076B
公开(公告)日：2024-04-09
申请号：CN202011555513.0
申请日：2020-12-24
申请人： 沈阳工程学院
摘要： 本发明提出了一种基于双向DC‑DC变换器的模糊控制方法，属于独立光伏发电系统领域，包括以下步骤：步骤1：提出独立光伏发电系统的概念；步骤2：提出超级电容的概念；步骤3：构建一种新的模糊控制器,即对模糊控制器的设计；步骤4：甄别双向DC－DC变换器的工作状态；步骤5：采用模糊控制策略对双向DC－DC变换器进行控制；步骤6：输入阶跃信号，输出为直流母线上的电压值。本发明减少了化石能源的利用，以混合动力系统与光伏系统相结合的形式提升了混合动力起重机节能减排的能力，促进其现代化与清洁化，具有巨大的经济效益和社会效益。同时，对现代混合动力起重机的生产具有指导意义和推广价值。
-
公开(公告)号：CN112634080A
公开(公告)日：2021-04-09
申请号：CN202011547292.2
申请日：2020-12-24
申请人： 沈阳工程学院
摘要： 一种基于Pareto最优理论的多目标需求响应管理方法，属于电力系统技术领域，包括如下步骤：步骤1：根据实际电力系统结构，建立电网与用户交流的通信网络，建立用户需求响应收益模型，步骤2：代理商聚合用户侧可控负荷，电力用户参与需求响应，将电量代理收益记为常数R，收取服务费记为ε，代理商收益等于代理收益与需求响应收益之和；步骤3：终端用户i根据代理商提供的单位激励ψk确定其最佳需求响应量，确定最终收益等。本发明使得每位用户支出较少的电力消费的同时有效地提升系统电网的效益，通过系统电网的均衡电价策略引导用户进行最优购电消费，以达到电力系统的均衡最优。
-
公开(公告)号：CN111967688B
公开(公告)日：2024-02-23
申请号：CN202010909741.7
申请日：2020-09-02
申请人： 沈阳工程学院
IPC分类号： G06Q10/04 , G06Q50/06 , G06N3/0464
摘要： 本发明公布了一种基于卡尔曼滤波器与卷积神经网络的电力负荷预测方法包括以下步骤：获取某地区的电力系统历史负荷数据，对历史负荷数据的异常数据进行处理；对影响电力负荷的因素进行分析与量化，将修正后的数据进行归一化；确定神经网络的输入输出数据，确定最优的隐含层的神经元个数，建立卷积神经网络；用训练好的卷积神经网络进行预测，并将预测的数据反归一化从而得到负荷预测值；根据时间序列模型和卷积神经网络预测值确定卡尔曼方程，时间序列模型的预测值作为卡尔曼滤波的真实值，卷积神经网络的预测值作为卡尔曼滤波的测量值，对电网负荷进行预测。本发明预测精度较高，可广泛应用于电力系统的负荷预测中。(56)对比文件张爽.基于改进卷积神经网络在短期负荷预测中的方法研究《.中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》.2020,(第7期),第C042-511页.Bui, DM 等.A Statistical Data-Filtering Method Proposed for Short-TermLoad Forecasting Models《.JOURNAL OFELECTRICAL ENGINEERING & TECHNOLOGY》.2020,第15卷(第5期),第1947-1967页.Xun Gong 等.A Generic LoadForecasting Method for AggregatedThermostatically Controlled Loads Basedon Convolutional Neural Networks《.2019IEEE Energy Conversion Congress andExposition (ECCE)》.2019,第495-502页.Hossein Javedani Sadaei 等.Short-termload forecasting by using a combinedmethod of convolutional neural networksand fuzzy time series《.Energy》.2019,第175卷第365-377页.
-
公开(公告)号：CN116679566A
公开(公告)日：2023-09-01
申请号：CN202310790317.9
申请日：2023-06-30
申请人： 沈阳工程学院
IPC分类号： G05B13/04
摘要： 本发明公开一种光伏发电系统电压稳定控制方法及系统，属于滑模控制领域。选用拓扑结构简单、容易控制的Boost升压电路作为外接DC/DC控制电路的拓扑结构，当输入电流连续时，电路能够保持工作状态，避免断续状况的发生；构造的积分终端滑模面可保证系统在有限时间内达到稳定状态；设计一种复合趋近律，引入双曲正切函数并在幂次项中加入符号函数，削弱抖振的同时提高光伏系统远离滑模面时的收敛速度；采用积分终端滑模面与复合趋近律，建立滑模控制器，平抑电压波动，使光伏系统的动态响应速度和抗抖振性能得到进一步提高。本发明可有效抑制光伏系统输出功率波动引起的直流母线电压波动，稳定系统电压，保证系统运行的安全性和可靠性。
-
公开(公告)号：CN112766537A
公开(公告)日：2021-05-07
申请号：CN202011547276.3
申请日：2020-12-24
申请人： 沈阳工程学院
摘要： 一种短期电负荷预测方法，属于电力系统负荷预测技术领域，包括如下步骤：对采集到的历史负荷数据进行异常处理及归一化处理；按照历史负荷数据时间序列不同的相关性,采用K‑means方法对历史负荷数据进行聚类分析；利用SMOTE方法对聚类后的数据进行过采样处理等。本发明能够有效的学习输入时间序列负荷数据的特征，更准确的预测负荷值，提高了短期负荷预测的精度。
-
公开(公告)号：CN112186789A
公开(公告)日：2021-01-05
申请号：CN202011016788.7
申请日：2020-09-24
申请人： 沈阳工程学院
摘要： 一种电动汽车参与微电网负荷调频的滑模控制方法，属于微电网负荷调频领域包括如下步骤：步骤1：建立电动汽车参与下的微电网负荷调频动态模型；步骤2：建立滑模控制器；步骤3：建立李雅普诺夫函数，对控制器和滑模面进行分析，通过线性矩阵不等式设计基于辅助反馈的滑模控制；步骤4：基于步骤1、2、3的数学过程，求取相应矩阵，进行仿真分析，解线性矩阵不等式。本发明利用等效控制原理和滑模控制原理相结合来设计控制器，利用滑模控制原理保证了系统的稳定性，提高了控制系统的控制精度，增强电网频率的稳定性。
-
公开(公告)号：CN111967688A
公开(公告)日：2020-11-20
申请号：CN202010909741.7
申请日：2020-09-02
申请人： 沈阳工程学院
摘要： 本发明公布了一种基于卡尔曼滤波器与卷积神经网络的电力负荷预测方法包括以下步骤：获取某地区的电力系统历史负荷数据，对历史负荷数据的异常数据进行处理；对影响电力负荷的因素进行分析与量化，将修正后的数据进行归一化；确定神经网络的输入输出数据，确定最优的隐含层的神经元个数，建立卷积神经网络；用训练好的卷积神经网络进行预测，并将预测的数据反归一化从而得到负荷预测值；根据时间序列模型和卷积神经网络预测值确定卡尔曼方程，时间序列模型的预测值作为卡尔曼滤波的真实值，卷积神经网络的预测值作为卡尔曼滤波的测量值，对电网负荷进行预测。本发明预测精度较高，可广泛应用于电力系统的负荷预测中。
-
公开(公告)号：CN117117834A
公开(公告)日：2023-11-24
申请号：CN202310929828.4
申请日：2023-07-26
申请人： 沈阳工程学院
IPC分类号： H02J3/00 , H02J3/38 , G06N3/006 , G06N3/0442 , G06Q50/06
摘要： 本发明提供了一种超短期光伏发电功率预测方法、系统及电子设备，属于电力系统发电领域，方法包括：获取历史发电功率数据集；历史发电功率数据集中包括历史设定时段内每小时的光伏发电功率样本；根据历史发电功率数据集，采用蚁群算法及AdaBoost算法，对长短期记忆人工神经网络进行迭代训练，得到发电功率预测模型；基于发电功率预测模型，对未来设定时段内每小时的光伏发电功率进行预测，得到未来设定时段内每小时的光伏发电功率预测值。本发明提高了超短期光伏发电功率预测的精准度。
-
公开(公告)号：CN112766537B
公开(公告)日：2023-06-06
申请号：CN202011547276.3
申请日：2020-12-24
申请人： 沈阳工程学院
IPC分类号： G06Q10/04 , G06Q50/06 , G06F18/23213 , G06N3/0442 , G06N3/08
摘要： 一种短期电负荷预测方法，属于电力系统负荷预测技术领域，包括如下步骤：对采集到的历史负荷数据进行异常处理及归一化处理；按照历史负荷数据时间序列不同的相关性,采用K‑means方法对历史负荷数据进行聚类分析；利用SMOTE方法对聚类后的数据进行过采样处理等。本发明能够有效的学习输入时间序列负荷数据的特征，更准确的预测负荷值，提高了短期负荷预测的精度。
-
-
-
-
-
-
-
-
-
搜索结果
21 条记录 (耗时 0.032 秒)
