-
公开(公告)号：CN113323821B
公开(公告)日：2022-10-21
申请号：CN202110653490.5
申请日：2021-06-11
Applicant: 中南大学
Abstract: 本发明提供了一种风力机模型预测偏航控制参数调节方法，包括：步骤1，设置风力机偏航系统为采用模型预测控制的偏航模式；步骤2，确定模型预测控制的偏航误差，根据偏航误差建立偏航误差m步预测模型；步骤3，确定模型预测控制的控制目标，对控制目标进行归一化处理；步骤4，根据归一化处理后的控制目标确定模型预测控制的目标函数；步骤5，设计权重系数评估器，采用模糊规则隶属函数关联优化策略和自适应网格多目标粒子群方法优化其参数。本发明可以动态地根据风向信息调整模型预测控制目标函数的权重系数，使风力机可以以较低的偏航率来更准确地跟踪风向变化，在降低偏航率的同时降低了风力机的功率捕获损失。
-
公开(公告)号：CN112994036B
公开(公告)日：2022-09-16
申请号：CN202110140436.0
申请日：2021-02-02
Applicant: 中南大学
Abstract: 本发明提供了一种基于模型预测的温控负荷参与微电网调控方法及系统，该方法通过温控负荷描述步骤以温控负荷的基本物理模型为基础，结合设定的影响因素约束，构建描述设定区域集群负荷性能的负荷聚合模型；通过电网模型确定步骤基于负荷聚合模型构建温控负荷参与互联微电网的系统结构模型，并确定对应的微电网系统控制数学模型；进而通过预测控制步骤综合负荷聚合模型和系统控制数学模型，引入模型预测控制机制，依据设定的优化约束策略设计互联微电网系统的调频控制器。采用上述调控方案，能够克服现有调控技术中对需求侧影响大以及调频效率低的问题，控制对需求侧的影响且充分发挥温控负荷的潜力的同时，扩展了需求侧负荷的状态灵活性。
-
公开(公告)号：CN114977852A
公开(公告)日：2022-08-30
申请号：CN202210518662.2
申请日：2022-05-13
Applicant: 中南大学
IPC: H02M7/219
Abstract: 本发明公开了一种用于三电平变换器的预测控制方法，包括：基于三电平变换器的输出电流的无差拍预测得到参考矢量，并利用参考矢量与输出矢量的欧式距离，建立目标价值函数；计算与参考矢量相关的基本矢量，构成简化控制集；根据简化控制集中的每个基本矢量与其对应的死区电压矢量之间的相对位置关系，获得每个基本矢量对应的优化虚拟矢量和优化死区时间；根据每个基本矢量及其对应的优化虚拟矢量，利用目标价值函数，得到最优虚拟矢量，从而利用最优虚拟矢量对应的优化死区时间对三电平变换器进行控制。本发明减少传统FCS‑MPC模型预测方法的计算量、并简化控制集、减少输出电流脉动和降低电流总谐波失真，从而提高控制性能。
-
公开(公告)号：CN114168657A
公开(公告)日：2022-03-11
申请号：CN202111524863.5
申请日：2021-12-14
Applicant: 中南大学
IPC: G06F16/2458 , G06F16/22 , G06Q10/00 , G06Q50/06
Abstract: 本公开实施例中提供了一种风电功率异常数据实时检测方法、系统、设备及介质，属于数据处理技术领域，具体包括：从风电机组对应的历史风电功率数据中选取正常运行时的目标数据；根据所述目标数据得到完全随机砍伐树，并根据所述完全随机砍伐树建立和初始化所述风电机组的正常数据结构模型；采集待检测数据更新所述正常数据结构模型，得到目标检测模型；将所述待检测数据输入所述目标检测模型，得到检测结果。通过本公开的方案，选择正常运行时的数据建立稳定的正常数据结构模型，并学习正常数据的结构以更新模型，然后将得到的目标检测模型对待检测数据进行检测，提高了检测效率、操作便捷性和检测精度。
-
公开(公告)号：CN113323821A
公开(公告)日：2021-08-31
申请号：CN202110653490.5
申请日：2021-06-11
Applicant: 中南大学
Abstract: 本发明提供了一种风力机模型预测偏航控制参数调节方法，包括：步骤1，设置风力机偏航系统为采用模型预测控制的偏航模式；步骤2，确定模型预测控制的偏航误差，根据偏航误差建立偏航误差m步预测模型；步骤3，确定模型预测控制的控制目标，对控制目标进行归一化处理；步骤4，根据归一化处理后的控制目标确定模型预测控制的目标函数；步骤5，设计权重系数评估器，采用模糊规则隶属函数关联优化策略和自适应网格多目标粒子群方法优化其参数。本发明可以动态地根据风向信息调整模型预测控制目标函数的权重系数，使风力机可以以较低的偏航率来更准确地跟踪风向变化，在降低偏航率的同时降低了风力机的功率捕获损失。
-
Patent Agency Ranking
公开(公告)号：CN113236507A
公开(公告)日：2021-08-10
申请号：CN202110593768.4
申请日：2021-05-28
Applicant: 中南大学
Abstract: 本发明实施例公开了一种风电机组偏航静态误差诊断方法和系统，方法包括：对测算风速下所采集的风电特征数据和风电场环境数据进行预处理；根据预设回归模型，对预处理后的风电特征数据和风电场环境数据进行计算，得到风电机组偏航静态误差对应的功率参数，以确定所述测算风速下的偏航静态误差区间；将偏航控制阶段多个测算风速偏航静态误差区间进行处理，作为当前风电机组的偏航静态误差。本发明通过机器学习算法实现了风电机组偏航静态误差的快速诊断；就整个偏航控制阶段的数据来诊断偏航静态误差，考虑不同风况使得诊断结果更可靠；并且得到偏航静态误差所在的区间，提高对风电机组的操纵和控制的通用性和参考价值。
-
公开(公告)号：CN112994036A
公开(公告)日：2021-06-18
申请号：CN202110140436.0
申请日：2021-02-02
Applicant: 中南大学
Abstract: 本发明提供了一种基于模型预测的温控负荷参与微电网调控方法及系统，该方法通过温控负荷描述步骤以温控负荷的基本物理模型为基础，结合设定的影响因素约束，构建描述设定区域集群负荷性能的负荷聚合模型；通过电网模型确定步骤基于负荷聚合模型构建温控负荷参与互联微电网的系统结构模型，并确定对应的微电网系统控制数学模型；进而通过预测控制步骤综合负荷聚合模型和系统控制数学模型，引入模型预测控制机制，依据设定的优化约束策略设计互联微电网系统的调频控制器。采用上述调控方案，能够克服现有调控技术中对需求侧影响大以及调频效率低的问题，控制对需求侧的影响且充分发挥温控负荷的潜力的同时，扩展了需求侧负荷的状态灵活性。
-
公开(公告)号：CN112994024A
公开(公告)日：2021-06-18
申请号：CN202110140500.5
申请日：2021-02-02
Applicant: 中南大学
Abstract: 本发明提供了一种改进型温控负荷参与的负荷频率控制方法及系统，该方法包括：基于温控负荷的物理模型构建电力系统的温控负荷聚合模型，展开分析和运算按照设定的控制策略进而建立多区域互联的负荷频率控制系统模型，确定电力系统的负荷频率控制策略。采用本发明的控制方案，将需求侧温控负荷应用于调频中，能够充分发挥温控负荷资源的快速响应优势，且本发明基于多区域互联系统进行分析，运算分析时考虑了系统自身的干扰，还充分考虑了状态量对系统的影响，能够显著提高电力系统负荷频率控制的灵活性和精确性。
-
公开(公告)号：CN108488038B
公开(公告)日：2019-05-24
申请号：CN201810259908.2
申请日：2018-03-27
Applicant: 中南大学
IPC: F03D7/04
CPC classification number: Y02E10/723
Abstract: 一种风力发电机组的偏航控制方法，其包括：步骤一、根据获取到的风速和风向分别计算预设时长内的风速平均值和风向平均值，得到历史风速数据和历史风向数据，根据历史风速数据和历史风向数据预测下一时刻的风速数据和风向数据；步骤二、根据下一时刻的风速数据确定控制参数，并利用控制参数和风向数据对风力发电机组进行偏航控制。相较于传统偏航控制方法，本方法的偏航次数相对于传统控制策略有所提高，但提高的次数主要集中在中高风速区，因此功率损失系数显著减小。本方法能够有效减小中高风速区的偏航误差，从而减小了功率损失系数(即提高了风能的利用率)。
-
公开(公告)号：CN108533454A
公开(公告)日：2018-09-14
申请号：CN201810345141.5
申请日：2018-04-17
Applicant: 中南大学
CPC classification number: Y02E10/722 , Y02E10/723 , Y02E10/725 , Y02P70/523 , F03D7/048 , F03D9/25 , F03D17/00 , F03D80/00 , G06Q50/06
Abstract: 本发明公开了有功调节下的风电场机组部件疲劳均匀分布优化控制方法，通过对有功调节模式下的风电机组部件进行DEL数据建模，并基于该DEL数据模型进行复杂地形的风电场优化控制；其中，控制策略采用基于风况特征测量的智能有功分配策略；因此，本发明适用于尾流效应较小的复杂地形的风电场，通过对有功调节下的风电场机组部件疲劳均匀分布进行优化，有效降低风力发电设备的生产制造和维护成本，提高风力发电系统的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.028 seconds)
