-
公开(公告)号：CN105488335A
公开(公告)日：2016-04-13
申请号：CN201510822449.0
申请日：2015-11-23
Applicant: 广东工业大学
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 本发明提供一种基于李雅普诺夫指数的电力系统负荷预测方法及装置，方法对计算关联维数的G-P算法、计算Lyapunov指数的小数据量法、对欧几里德公式进行改进，利用这三种改进方法对最大Lyapunov指数预测法进行改进，使预测精度更进一步提高，预测结果更准确；装置采用了模块化结构，模块化结构利于装置升级和维护；同时在线实时采集负荷数据、在线建模、在线预报，是实时在线预报装置。
-
公开(公告)号：CN103944188A
公开(公告)日：2014-07-23
申请号：CN201410175994.0
申请日：2014-04-25
Applicant: 广东工业大学
CPC classification number: Y02A30/62 , Y02E10/763
Abstract: 本发明是一种针对含Crowbar装置的双馈风电机组低电压穿越性能改进方法。针对由双馈风力发电机、转子侧变流器、直流侧电容、电网侧变流器、Crowbar装置、主控系统构成的双馈风电机组主流拓扑结构，在上述设备的基础上新增一套由双馈电机、永磁电机、永磁电机驱动变流器构成的装置。在Crowbar装置短接双馈风力发电机转子绕组以应对电网电压跌落故障的同时，通过调节新增双馈电机的旋转速度，使双馈风力发电机定子绕组的频率主动匹配双馈风力发电机的转速，减少双馈风力发电机从电网吸收的无功功率，避免由此引发的电网电压二次跌落，提高双馈风电机组的低电压穿越性能。本发明适用于对已投入运行的双馈风电机组的技术改造，也适用于新生产的双馈风电机组。
-
公开(公告)号：CN103939287A
公开(公告)日：2014-07-23
申请号：CN201410176027.6
申请日：2014-04-25
Applicant: 广东工业大学
IPC: F03D7/00
CPC classification number: Y02E10/723
Abstract: 本发明是一种适用于集中变流控制变速风电机群的最大功率输出控制方法。针对由同一台变流器集中控制的、转速一致但输入风速不同的n台风力机，通过对集中式变流器、全体风力机变桨距机构的协调控制，实现风电机群的最大功率输出。集中式变流器的控制目标是使风速较高的风力机尽量接近最优转速，变桨距机构的控制目标是使风速较低的风力机在风电机群的统一转速下获得最高的风能利用率。采用最优化计算方法，求解风电机群输出功率最大化所对应的变频交流母线频率、全体风力机桨距角。本发明适用于由高压直流输电系统中的交-直变流器、分频输电系统中的交-交变频器集中控制的变速风电机群。
-
公开(公告)号：CN120085214A
公开(公告)日：2025-06-03
申请号：CN202510486842.0
申请日：2025-04-18
Applicant: 广东工业大学
IPC: G01R31/392 , G01R31/367
Abstract: 本发明公开一种基于知识蒸馏的锂电池SOH估计方法，所述方法包括：采集恒流充电阶段电压数据和恒压充电阶段电流数据，对数据预处理之后形成数据集；搭建教师‑学生知识蒸馏模型，该模型包括局部特征提取模块、时序退化记忆模块和全局交互模块；设计各模块的蒸馏方法，局部特征提取模块采用层注意力蒸馏，时序退化记忆模块采用时序注意力蒸馏，全局交互模块采用特征对齐化蒸馏；通过知识蒸馏，将教师模型提取的锂电池退化特征迁移至学生模型，得到轻量化SOH估计模型；使用轻量化SOH估计模型在线估计SOH。本发明搭建了知识蒸馏框架，将知识从复杂的教师模型转移至轻量的学生模型，在实现锂电池SOH的高精度估计的同时显著减少模型参数数量。
-
公开(公告)号：CN110619623A
公开(公告)日：2019-12-27
申请号：CN201910732242.2
申请日：2019-08-08
Applicant: 广东工业大学
Abstract: 为了解决现有技术中对导电接头等小部件识别的准确性和鲁棒性较低的问题，本发明提供一种变电设备接头发热的自动识别方法，首先采用已标注的变电设备图像，对深度学习目标分割模型Mask R-CNN和机器学习模型支持向量机进行训练；然后用训练好的模型对待识别的变电设备图像进行导电接头的定位；最后根据相关的缺陷定级标准对导电接头区域进行发热缺陷的判定，并输出接头发热识别结果。本发明方法可以实现变电设备图像中导电接头部位的准确识别和分割，并进行接头发热缺陷的自动判断。相比于同类的目标识别与分割方法，提高了变电设备接头的定位精度，以及接头发热缺陷的识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN110138293A
公开(公告)日：2019-08-16
申请号：CN201910233204.2
申请日：2019-03-26
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于双馈风电系统的BP神经网络优化混沌控制方法，该方法首先建立双馈风电系统标准数学模型，该数学模型包括双馈感应发电机的电压同磁链方程，以及电机运动方程，在此基础上，建立双馈风电系统解耦数学模型；利用反步法设计对转子d轴电流的反步控制器，以及设计对转子q轴电流与转速v的反步控制器；利用BP神经网络拟合优化解耦反步控制参数，实现对于双馈风电系统的控制效果优化；通过稳定性分析理论及实际验证证实了系统的全局稳定。
-
公开(公告)号：CN110109350A
公开(公告)日：2019-08-09
申请号：CN201910252076.6
申请日：2019-03-29
Applicant: 广东工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于混沌飞蛾捕焰算法的波浪发电装置的功率捕获优化方法，以飞蛾捕焰算法为基础，在改进算法中加入基于混沌算子的新策略，利用混沌映射，随机选取3个精英个体做线性组合，充分发挥优化算子的遍历性和随机性，有效提高全局搜索能力。同时，在螺旋捕焰寻优模式进行改进，根据光源适应度权重因子，调整对数螺旋式寻优路线，改善了飞蛾捕焰算法存在求解精度差的缺点。通过火焰自适应调节措施，兼顾两种捕焰模式之间在寻优过程中发挥的优势，有效避免直线电机电磁力控制参数因水动力模型非线性陷入局部最优，求解在全局最优邻域内的Bg、Kg，使得混沌飞蛾捕焰算法优化控制下输出的平均功率显著提高。
-
公开(公告)号：CN109039196A
公开(公告)日：2018-12-18
申请号：CN201810949792.5
申请日：2018-08-20
Applicant: 广东工业大学
IPC: H02P21/13 , H02P21/18 , H02P9/00 , H02P101/15
CPC classification number: H02P21/13 , H02P9/007 , H02P9/009 , H02P21/0017 , H02P21/18 , H02P2101/15
Abstract: 本发明提供的一种双馈型风力发电机转子位置角的自适应观测方法，包括以下步骤：在三相静止坐标系中构建双馈风力发电机的数学模型；根据坐标变换法，得到双馈型风力发电机在两相静止α‑β坐标系下的数学模型，构建参考模型和可调模型；将参考模型和可调模型输入模型参考自适应系统，得到转子位置角观测模型；通过转子位置角观测模型进行风力发电机转子位置角的自适应观测。本发明提供的一种双馈型风力发电机转子位置角的自适应观测方法，通过构建参考模型可调模型，得到转子位置角观测模型，从而实现对风力发电机转子位置角的自适应观测，该方法有利于双馈型风力发电系统进行矢量控制、实现高性能变速恒频发电。
-
公开(公告)号：CN105471345A
公开(公告)日：2016-04-06
申请号：CN201510823679.9
申请日：2015-11-23
Applicant: 广东工业大学
CPC classification number: H02P21/0021
Abstract: 本发明提供一种基于最大李雅普诺夫指数的无刷双馈电机混沌分析方法，该方法基于无刷双馈电机d-q轴数学模型，导出非线性微分方程；以转子运动时间常数的倒数为电机系统的控制参量，根据实际电机参数构建无刷双馈电机的混沌模型；通过计算混沌模型的最大Lyapunov指数，分析电机出现混沌现象时所对应的参数范围。采用Matlab建模仿真，论证了无刷双馈电机进入混沌运动状态时的参数条件。
-
公开(公告)号：CN105447464A
公开(公告)日：2016-03-30
申请号：CN201510822400.5
申请日：2015-11-23
Applicant: 广东工业大学
CPC classification number: G06K9/00523 , G06K9/00536 , G06K9/6269
Abstract: 本发明提供一种基于PSO的电能质量扰动识别与分类方法，该方法采用复小波变换对扰动信号进行检测和定位，有效提取动态电能质量扰动的特征向量，通过PSO算法对SVM参数进行优化后，对其根据提取的特征信号对动态电能质量扰动进行自动识别与分类，能够有效提高电能质量扰动检测与分类的训练速度和分类准确率。复小波变换能够弥补以往实小波变化只能分析信号幅频的缺点，可同时分析信号的幅频和相频特性并能提供多种复合信息，能更准确地识别出电力系统中最常见的几种动态扰动信号，与传统的神经网络识别干扰信号等方法相比，该方法识别准确可靠并且准确率更高。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.02 seconds)
