考虑损耗的飞轮阵列荷电状态一致性功率分配方法

    公开(公告)号:CN119482599A

    公开(公告)日:2025-02-18

    申请号:CN202411533157.0

    申请日:2024-10-30

    Abstract: 本发明提出了一种考虑损耗的飞轮阵列荷电状态一致性功率分配方法用于飞轮储能阵列功率分配运行优化。首先,阵列控制器接收总功率指令,反馈系统可用状态,接收单元控制器反馈的单元运行状态,进行计算和分配准备。其次,设置单元荷电状态对应的最优运行曲线,拟合单元运行损耗和荷电状态对应关系,此部分为事先设定。最后根据设定权重下一致性‑效率目标函数,求解最优的分配至单元参考功率。本方法为阵列功率分配和优化提供解决方案,实现了阵列运行一致性和效率的双重考量。

    一种新型扭矩式风向标及风向测量方法

    公开(公告)号:CN113267646B

    公开(公告)日:2024-09-03

    申请号:CN202110072253.X

    申请日:2021-01-20

    Abstract: 本发明提供了一种新型扭矩式风向标,包括风速测量组件和数据处理组件,还包括扭矩测量组件,所述扭矩测量组件包括底座、主迎风平面、辅助迎风平面、第一静态扭矩仪、第二静态扭矩仪以及扭矩输出插头,所述风速测量组件包括三杯式风速计和风速输出插头。本发明可以消除传统机械式风向标在较恶劣工作环境下长期工作后必然会产生的对中偏差增大、精度下降等缺点,不但使用寿命长,后期维护成本相比于机械式风向标也大大降低。同时新型扭矩式风向标制造成本较低,因此也解决了超声波风速风向仪与激光测风雷达因为成本高所产生的使用范围的局限性,为风电机组偏航系统提供更精确可靠的风向数据,从而提高风电机组的风能利用效率,提高机组发电量。

    基于环流的飞轮储能用永磁同步电机偏心故障诊断方法

    公开(公告)号:CN118191594A

    公开(公告)日:2024-06-14

    申请号:CN202410467343.2

    申请日:2024-04-18

    Abstract: 本发明公开了基于环流的飞轮储能用永磁同步电机偏心故障诊断方法,包括以下步骤:S1:从永磁同步电机中引出A、B、C三相绕组接入变频器,A相绕组分为两支路A1与A2,两支路分别穿过电流互感器;S2:两支路电流数据输入至采集仪;S3:计算机获取两支路电流时域信号并进行信号处理;S4:将两支路电流时域信号做差得到A相并联支路环流;S5:将做差后数据进行短时傅里叶变换或小波变换,输出环流频域信号;S6:通过频域信号确定电机是否发生偏心故障及偏心故障类型与程度。本发明通过环流频域信号确定偏心类型与程度,检测步骤简单、结果可靠有效,为永磁电机偏心故障检测提供辅助手段,对飞轮储能系统的健康监测具有重要意义。

    一种用于电网快速调节的混合飞轮储能系统

    公开(公告)号:CN117977650A

    公开(公告)日:2024-05-03

    申请号:CN202410181100.2

    申请日:2024-02-18

    Abstract: 一种用于电网快速调节的混合飞轮储能系统,包括,惯量飞轮系统、储能飞轮阵列,所述惯量飞轮系统和储能飞轮阵列分别与电网电连接;所述惯量飞轮系统包括惯量飞轮、惯量飞轮电机、励磁系统,所述储能飞轮阵列包括多个储能飞轮、储能飞轮电机、AC/DC变流器、滤波电容和DC/AC变流器;所述惯量飞轮系统和储能飞轮阵列并联连接在电网交流母线上,所述惯量飞轮系统通过电网交流母线并联拓展,所述储能飞轮阵列通过电网交流母线并联拓展;所述储能飞轮阵列机侧的AC/DC变流器并联在同一直流母线上。本发明获得了更加稳定的输出特性。

    一种平抑接入电网的风电功率波动的飞轮储能系统容量配置方法

    公开(公告)号:CN115528725A

    公开(公告)日:2022-12-27

    申请号:CN202210968673.0

    申请日:2022-08-12

    Abstract: 本发明公开了一种平抑接入电网的风电功率波动的飞轮储能系统容量配置方法,包括:步骤1、初始化电网分频器截止频率,得到飞轮储能系统参考功率指令;步骤2、根据飞轮储能系统功率、容量约束以及飞轮储能系统全生命周期经济性指标确定储能额定功率和额定容量;步骤3、使用多跟踪器优化算法求解飞轮储能系统容量配置的目标函数;步骤4、将飞轮储能系统输出与风电场有功功率输出并网,获得并网点波动参数;步骤5、更新电网分频器截止频率,确定此风电场所需的飞轮储能系统功率容量的优化值。本发明能够优化整体成本以及抑制风电随机性带来的电网波动。

    一种运用数据对抗学习的风电机组异常检测方法

    公开(公告)号:CN112459970B

    公开(公告)日:2022-04-26

    申请号:CN202010354633.8

    申请日:2020-04-29

    Abstract: 一种运用数据对抗学习的风电机组异常状态检测方法,包括SCADA数据的预处理、生成对抗网络的搭建与训练和面向海量SCADA数据的机组异常状态测试。SCADA数据的预处理用于获取监测参数的正常数据,这些数据用来训练搭建好的生成对抗网络,训练好的生成对抗网络用来检测目标SCADA数据是否异常,SCADA数据的异常代表风电机组的异常。本发明将SCADA数据中的干扰成分排除,通过对抗训练学习数据的正常表征,用以鉴别风电机组的异常状态。

Patent Agency Ranking