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

Applicant: 青岛理工大学 ,  浙江大学

Inventor： 焦绪国 ,  龚礼 ,  韩晔飞 ,  张民 ,  杨秦敏 ,  孟文超 ,  张道源

IPC: F03D7/00 ,  F03D17/00 ,  F03D9/25

Abstract: 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。

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

Applicant: 青岛理工大学 ,  浙江大学

Inventor： 焦绪国 ,  张道源 ,  田艳兵 ,  邓兆鹏 ,  杨秦敏 ,  孟文超 ,  刘文锋 ,  龚礼 ,  吴昊天

IPC: G06Q10/04 ,  G06N20/10 ,  G06F18/10

Abstract: 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。