一种变速风力发电机组有界UDE转矩控制方法

    公开(公告)号:CN115182844B

    公开(公告)日:2024-08-13

    申请号:CN202210878100.9

    申请日:2022-07-25

    IPC分类号: F03D7/04 H02P9/00

    摘要: 本发明公开了一种变速风力发电机组有界UDE转矩控制方法。该方法包括有界约束算法、UDE转矩控制器两部分。为了避免系统输入转矩超出风机最大承受范围,造成积分饱和,导致跟踪效果变差甚至系统失控等现象,使用约束算法,根据转矩大小动态调节约束系数,使约束系数和转矩之间的关系始终保持在设定的椭圆区域上;将约束系数引入到跟踪误差中,设计出有界UDE转矩控制器,以应对风电机组转矩控制中的积分饱和现象,达到控制效果。该方法简单易行,成本低,给定风机所能承受的最大转矩范围,便可实时得到约束系数,系统整体的计算量增加较少,避免积分饱和带来的负面影响,提升控制效果,提高风能捕获效率,提高风电场的经济效益。

    一种基于ARMA和SVR的风速预测方法
    2.
    发明公开

    公开(公告)号:CN116307089A

    公开(公告)日:2023-06-23

    申请号:CN202310082479.7

    申请日:2023-02-08

    摘要: 本发明公开了一种基于ARMA和SVR的风速预测方法。该方法利用历史数据建立ARMA模型,再利用ARMA模型定得的阶数划分数据集,最后利用划分好的数据训练SVR模型并进行预测。在划分数据集之前,利用ARMA建模方法对原始数据集进行定阶,利用得到的偏自相关系数p的值,对数据集进行划分,得到多段相关性较强的时间序列,将划分好的数据再分为训练集和测试集,训练集供SVR模型进行训练,然后利用测试集对训练好的模型的预测效果进行检验,并改变划分数据的p值建立新的模型,通过使用均方根误差比较这些模型的预测效果,证明了利用本方法取得的p值划分数据集效果更好,数据利用效率最大,预测效果更精确。

    一种基于NN-RISE的风电机组最大风能捕获方法

    公开(公告)号:CN117514599A

    公开(公告)日:2024-02-06

    申请号:CN202311628042.5

    申请日:2023-12-01

    IPC分类号: F03D7/00 F03D17/00 F03D9/25

    摘要: 本发明公开了一种基于NN‑RISE的风电机组最大风能捕获方法。首先利用测量风速信息以及机组信息求得参考发电功率,将实际发电功率和参考发电功率做差得到反馈误差;对风电机组进行系统建模,得到含有未知动态、有界噪声的系统模型;引入神经网络,让其学习风电机组中未知动态;引入误差反馈信号的符号函数项,使得神经网络的构造误差以及系统中的有界噪声被抵消;根据NN‑RISE原理,让误差反馈信号的符号函数项和神经网络的输出项都作为积分器的输入,而将转矩控制信号作为积分器的输出,从而得到连续的控制信号。根据NN‑RISE原理,本发明所设计的控制器可以使得发电功率的跟踪控制达到渐进稳定的控制效果,从而提高机组产能。

    一种基于误差补偿的风速预测方法

    公开(公告)号:CN116341717A

    公开(公告)日:2023-06-27

    申请号:CN202310156314.X

    申请日:2023-02-23

    摘要: 本发明公开了一种基于误差补偿的风速预测方法,该方法利用历史数据建立ARMA模型,将ARMA模型定得的阶数用来划分数据集,然后利用划分好的数据训练SVR模型并进行风速预测,在将训练集真实风速值与预测风速值相减,得到误差训练集。对得到的误差训练集再利用前述方法,对误差序列建立ARMA模型,利用其偏自相关系数作为依据划分误差训练集。处理完误差序列后,再利用ELM对误差进行预测,将得到的误差预测结果与风速预测结果相加,得到误差补偿后的风速预测值。通过验证实验,证明了在频率较高、风速变化较快的时段,相比于传统的直接预测方法,本发明采用的误差补偿预测的风速预测方法具有更好的拟合效果,整体上提高了风速预测的精度。

    一种变速风力发电机组有界UDE转矩控制方法

    公开(公告)号:CN115182844A

    公开(公告)日:2022-10-14

    申请号:CN202210878100.9

    申请日:2022-07-25

    IPC分类号: F03D7/04 H02P9/00

    摘要: 本发明公开了一种变速风力发电机组有界UDE转矩控制方法。该方法包括有界约束算法、UDE转矩控制器两部分。为了避免系统输入转矩超出风机最大承受范围,造成积分饱和,导致跟踪效果变差甚至系统失控等现象,使用约束算法,根据转矩大小动态调节约束系数,使约束系数和转矩之间的关系始终保持在设定的椭圆区域上;将约束系数引入到跟踪误差中,设计出有界UDE转矩控制器,以应对风电机组转矩控制中的积分饱和现象,达到控制效果。该方法简单易行,成本低,给定风机所能承受的最大转矩范围,便可实时得到约束系数,系统整体的计算量增加较少,避免积分饱和带来的负面影响,提升控制效果,提高风能捕获效率,提高风电场的经济效益。

    一种基于VMD-SVR的风速预测方法
    6.
    发明公开

    公开(公告)号:CN116384586A

    公开(公告)日:2023-07-04

    申请号:CN202310426641.2

    申请日:2023-04-20

    IPC分类号: G06Q10/04 G06N20/10 G06F18/10

    摘要: 本发明公开了一种基于VMD分解的SVR风速预测方法。该方法通过使用VMD算法,将风速序列进行分解,得到多个风速分量。通过SVR模型对每个分量进行单独预测,得到每个分量的预测值,然后将每组预测值相加,得到风速预测的结果。最后,再通过误差补偿措施,利用训练集的预测误差训练SVR模型,用于预测未来误差,将得到的误差预测值与风速预测值相加,得到经过误差补偿之后的风速预测结果。最后,通过中国某风电场的真实数据进行验证实验,证明了本方法相比于传统的预测方法,能有效减少因预测滞后带来的预测误差。相比传统预测方法,本发明采用的误差补偿预测的风速预测方法具有更好的拟合效果,缓解了预测滞后的现象,整体上提高了风速预测的精度。

    一种基于近红外光谱和混合损失的谷氨酸浓度测量方法

    公开(公告)号:CN116793991A

    公开(公告)日:2023-09-22

    申请号:CN202311054937.2

    申请日:2023-08-22

    摘要: 本发明属于计算机化学技术领域,公开了一种基于近红外光谱和混合损失的谷氨酸浓度测量方法,收集近红外光谱和相应的谷氨酸浓度,获得建模训练集;采用LSSVM模型和留一交叉验证方法其进行拟合,然后去除异常样本;采用移动平均法处理干净的近红外光谱Xc,得到移动平均处理后的近红外光谱Xa;最后基于一维搜索和混合损失建立基于移动平均法处理的LSSVM模型,并确定最佳谷氨酸浓度预测模型,将实时获得的新近红外光谱输入到预测模型中,即可实现谷氨酸浓度的实时在线预测,准确性高。

    一种面向风电机组输出功率平滑的有功功率优化调度方法

    公开(公告)号:CN117748628B

    公开(公告)日:2024-06-14

    申请号:CN202410190761.1

    申请日:2024-02-21

    IPC分类号: H02J3/48 H02J3/46 H02J3/24

    摘要: 本发明属于风电功率的自动控制技术领域,更具体地,涉及一种面向风电机组输出功率平滑的有功功率优化调度方法。所述方法包括获得每台风机的有功发电功率数据以及风电场整体有功功率参考值;设置电网下达的风电场整体有功功率参考值;通过最小化每台风机标准差之和设置优化函数;根据每台风电机组的有功发电功率数据设置优化函数的约束条件;在设置完带有约束的优化函数后,利用内点法进行求解得到t时刻最优的参考功率;将t时刻解出的最优参考功率作为t时刻发电功率输出,并参与t+1时刻最优参考功率的计算,直到每台风机所有时刻的参考功率都被优化。本发明解决了现有技术中存在风机出力不均衡,调度指令不合理,并网功率波动大的问题。

    一种基于多源时空信息的分布式参数系统状态预测方法

    公开(公告)号:CN114330143A

    公开(公告)日:2022-04-12

    申请号:CN202210078924.8

    申请日:2022-01-24

    摘要: 针对非线性分布式参数系统的过程状态难以预测问题,本发明提出一种新型的多源时空建模方法,以提高实时测量精度。为了解决具有多源时空特征的分布式参数系统的建模问题,构建了一个多源时空网络模型,该模型基于长短记忆(LSTM)网络来提取具有时序特征的过程变量信息,基于卷积长短记忆(ConvLSTM)网络来提取具有时空特征的时空变量信息。综合利用各种过程信息,有利于提高模型的拟合精度,同时也可以提高模型的泛化能力。为了防止在提取复杂时空数据特征时因网络层数增加而导致梯度消失或梯度爆炸,提出了一种基于ConvLSTM的残差网络模型结构,用于训练模型。由于残差网络可以避免模型退化,建立的模型可以充分提取过程的时空特征。