-
公开(公告)号：CN119209766A
公开(公告)日：2024-12-27
申请号：CN202411177213.1
申请日：2024-08-26
Applicant: 三峡大学
Inventor： 徐恒山 , 王思维 , 李晨阳 , 潘鹏程 , 张磊 , 李康辉 , 王地康 , 曾宪金 , 刘春燕 , 常晴松 , 马蛟龙 , 周江浪 , 钟怡宸 , 陈逍阳 , 柴森 , 李家辉 , 赵杰 , 陈雷
Abstract: 基于MODE算法的光伏逆变器LVRT控制方式及其参数辨识方法，首先，通过RT‑LAB搭建光伏控制器半实物测试平台，并对不同工况进行LVRT测试，获取参数辨识所需数据集；其次，以LVRT期间功率和电流的实测值为寻优目标，采用MODE算法分别辨识出指定功率方式和指定电流方式的控制参数；最后，建立PSASP光伏机电暂态模型并代入参数辨识结果，通过计算指定功率方式和指定电流方式对待测工况实测值的辨识误差，确定待测工况的LVRT控制方式。该方法能够准确辨识光伏逆变器的控制方式与控制参数，有效提升了LVRT期间功率和电流的仿真精度，从而有效提高辨识结果对不同LVRT工况的适应性。
-
公开(公告)号：CN118801456A
公开(公告)日：2024-10-18
申请号：CN202410779657.6
申请日：2024-06-17
Applicant: 三峡大学
IPC: H02J3/38 , H02P9/00 , H02P21/14 , H02P21/00 , H02M1/00 , H02M7/00 , G06N20/00 , H02P103/10 , H02P101/15
Abstract: 基于RF‑NSGA‑II算法的双馈风机控制参数多目标分步辨识方法，搭建双馈风机辨识模型；基于随机森林算法对双馈风机网侧变流器的特征进行选择，计算udc、id,g、iq,g、P和Q等特征的重要性，选择重要性大的udc、id,g和iq,g特征作为观测量；采用随机森林袋外数据误差方法来衡量观测量与待辨识参数之间的关联程度；利用待辨识参数与观测量的关联程度，筛选出高关联度观测量，计算观测量的各区间关联系数，并据此确定低电压穿越控制参数分步辨识顺序；利用NSGA‑II算法求出最优参数解，得到双馈风机待辨识控制参数的辨识结果。该方法采用RF‑NSGA‑II算法对影响双馈风机低穿特性的控制参数进行高精度分步辨识，所述辨识方法在低电压穿越工况下具有良好的适应性，并能有效提高参数辨识精度。
-
公开(公告)号：CN117895567A
公开(公告)日：2024-04-16
申请号：CN202311734836.X
申请日：2023-12-15
Applicant: 三峡大学
Abstract: 本发明公开一种粒子群算法优化光伏储能并网逆变器PID控制器方法，包括以下步骤：步骤一：根据光伏发电系统的物理特征搭建模型，利用最大功率点跟踪算法，有效地控制电池的功率输出；步骤二：选择蓄电池作为储能装置，双向DC/DC变换器连接蓄电池和电网直流母线完成能量的传输；步骤三：将储能装置与光伏发电系统连接到同一直流侧，通过共同的逆变器控制策略，完成从直流到交流的转换，进而实现系统的并网；步骤四：逆变器采用网压比例前馈和PLL技术，同时在PID控制器上加入自适应环节，通过PSO算法对控制器参数进行自适应优化；本发明解决了传统方法在整定控制器参数场景下准确度不高、收敛速度较慢的缺点。
-
公开(公告)号：CN119134546A
公开(公告)日：2024-12-13
申请号：CN202411170300.4
申请日：2024-08-26
Applicant: 三峡大学
IPC: H02J3/50 , G06Q10/0631 , G06Q50/06 , H02J3/16 , H02J3/48 , H02J3/38 , H02J3/28 , G05F1/67 , C25B1/04 , C25B9/65 , C25B15/02
Abstract: 本发明公开一种基于多智能体的改进一致性算法的控制方法及系统，包括：搭建含分布式光伏和氢储能系统组成的光‑氢‑储系统的协调电压控制模型；在光伏发电过程中，逆变器负责向电力网络稳定输送无功功率，并预留了一定的调节容量，通过吸收或释放无功电能，调控光伏并网点的电压；氢储能系统利用其“削峰填谷”的特性，监测电压变化情况，在一定区间范围内起到平滑光伏发电波动带来的影响，对电解槽实施优化；分析一致性算法的原理，改进典型的有限时间一致性算法，引入控制增益c1、c2，使多智能体系统在有限的时间内达到平均一致；本发明减少了光伏逆变器和氢储能系统的控制时间，提高了多智能体协调电压控制策略的可靠性。
-
公开(公告)号：CN118331384A
公开(公告)日：2024-07-12
申请号：CN202410287477.6
申请日：2024-03-13
Applicant: 三峡大学
IPC: G05F1/67 , C25B1/04 , C25B15/02 , C25B9/65 , C25B9/19 , H02J3/00 , H02J3/32 , G06F17/11 , G06F17/18
Abstract: 本发明公开一种基于INC的光储耦合制氢系统控制方法及系统，包括：搭建光储耦合制氢系统的数学模型，建立光伏电池模型、电化学储能系统模型和PEM电解槽模型；光伏系统以及储能系统均通过变流器与直流母线直接相连，并相应采取MPPT控制和自适应控制方法，负荷端连接PEM电解槽；采用下垂控制叠加双向DC‑DC变流器作为锂电池输出端接口来实现输出或吸收光伏电源波动能量，实现对储能系统充放电的控制；分析光伏电池及PEM电解槽的工作特性，基于改进电导增量法的变步长MPPT算法，引入与电流I相关的系数对特性曲线dP/dU的值进行修正；本发明通过改进电导增量法的变步长MPPT算法使得光伏直流耦合制氢系统的能量转化率和产氢效率得到显著提高。
-
Patent Agency Ranking
公开(公告)号：CN116896120A
公开(公告)日：2023-10-17
申请号：CN202310648268.5
申请日：2023-05-30
Applicant: 三峡大学
Abstract: 本发明涉及计及双馈风机故障特性的变流器控制参数分区间辨识方法，包括：根据双馈风机变流器典型控制方程确定待辨识参数；确定每个故障区间下的主导控制参数；搭建双馈风机仿真模型，利用改进粒子群优化算法对主导控制参数进行分区间辨识；在不同电压跌落程度的短路故障工况下验证辨识结果的有效性。本发明考虑了各控制参数对局部区间故障工况响应曲线的影响，将故障特性曲线从时域角度划分为故障前、故障中和故障后三个区间，通过斯皮尔曼相关系数法选取与三区间响应数据强相关的控制参数，利用IPSO算法对双馈风机的控制参数进行分区间辨识，有效提高了控制参数的辨识精度。
-
公开(公告)号：CN115800245A
公开(公告)日：2023-03-14
申请号：CN202211372516.X
申请日：2022-11-03
Applicant: 三峡大学
Abstract: 基于SARIMA‑随机森林组合模型的短期负荷预测方法，包括以下步骤：利用滑动窗口对原始负荷数据进行分组，对各组的待测周前‑次日数据集进行分解得趋势项、季节项和残差项；建立SARIMA模型，预测趋势项得到初步预测结果和残差；聚类天气因素获取相似日，分组构建天气‑残差数据集并建立随机森林回归模型，学习天气因素对残差的影响，利用网格搜索法选择模型参数；组合模型的预测结果，对比天气聚类、残差训练对负荷预测准确率的影响。该方法能够在已知待测日历史负荷和天气因素的条件下准确预测次日负荷，提高了预测准确率。
-
公开(公告)号：CN119921286A
公开(公告)日：2025-05-02
申请号：CN202411905480.6
申请日：2024-12-23
Applicant: 三峡大学
Abstract: 本发明公开一种基于母线电压分层的电氢混合储能直流微网协调控制方法：包括以下步骤：步骤1：搭建电氢混合储能直流微电网系统的数学模型，建立风力发电系统模型、电化学储能系统模型和氢储能系统模型；步骤2：基于母线电压波动范围，为系统划分运行工况；步骤3：氢储能系统采用基于模糊算法的下垂控制和恒压控制；步骤4：电化学储能系统采用类虚拟同步机控制和恒电压控值；本发明通过基于母线电压分层的电氢混合储能直流微网协调控制方法使得直流微网母线电压在源荷波动条件下保持稳定，具有良好的动态性能，并有效改善氢储能系统的过充过放问题。
-
公开(公告)号：CN118611416A
公开(公告)日：2024-09-06
申请号：CN202410550091.X
申请日：2024-05-06
Applicant: 三峡大学
IPC: H02M1/42 , G06F30/373 , H02M3/158 , H02M1/00 , G06F111/06
Abstract: 基于拉格朗日乘数法的单相Boost APFC变换器效率与功率密度综合优化方法，分析单相Boost APFC变换器的拓扑结构和工作原理；推导单相Boost APFC变换器中各元件的电流表达式；推导单相Boost APFC变换器中各元件的功率损耗表达式并设计升压电感磁芯；推导单相Boost APFC变换器的效率表达式，分析效率与内部参数之间的关系；推导单相Boost APFC变换器的无源元件的总体积表达式；设置约束条件构建单相Boost APFC变换器效率和功率密度优化的拉格朗日函数，对目标函数求偏导并令导数为零，求出最优效率和功率密度下的开关频率和升压电感值。本发明优化单相Boost APFC变换器内部参数，在考虑磁通密度和电流纹波限制的情况下，采用拉格朗日乘数法求解最优效率，进而提高了设计工作的效率。
-
公开(公告)号：CN117008472A
公开(公告)日：2023-11-07
申请号：CN202310757706.1
申请日：2023-06-25
Applicant: 三峡大学
IPC: G05B13/04 , G06N3/0442 , G06N3/0985
Abstract: 一种基于LSTM自适应PI控制的光伏MPPT方法，步骤为：Step1、建立光伏组件数学模型，构成整个光伏发电系统；Step2、在每个参考电压下调节不同的PI参数进行控制，采样对应的输出电压波形数据；Step3、对数据集进行处理，对电压数据进行归一化处理，限定预处理数据在区间[0,1]内；Step4、进行神经网络权值训练通过训练得到每个参考电压对应的最优Kp、Ki值；Step5、重新选择对应最优Kp、Ki值；Step6、判断光伏系统是否满足在最大功率点运行；Step7、监测光伏系统运行工况是否发生突变，满足工况突变条件，则重启控制算法，并重新选择对应的PI参数最优值。在光伏阵列MPPT控制过程中准确地自适应调节PI，使光伏阵列输出功率具有更快的动态响应且输出电压振荡减小。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.016 seconds)
