-
公开(公告)号：CN120044786A
公开(公告)日：2025-05-27
申请号：CN202510030233.4
申请日：2025-01-08
Applicant: 三峡大学
Abstract: 本发明公开了一种基于改进减法平均优化器算法的光伏逆变器参数辨识方法，包括基于光伏硬件在环测试平台，根据已有的光伏硬件在环测试模型搭建辨识模型，基于光伏硬件在环测试数据，利用改进减法平均优化器算法对辨识模型中的光伏逆变器控制参数进行辨识；该方法在减法平均优化器算法的基础上引入了黄金正弦和混沌映射策略，通过黄金正弦策略具有的卓越的全局搜索能力，有效避免了算法在光伏逆变器参数辨识过程中陷入局部最优，混沌映射策略能够增强粒子的随机性和多样性，使粒子在搜索空间中的分布更加均匀，因此，采用该改进算法，有效提高了在光伏逆变器参数辨识过程中的辨识效率和精度。
-
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：CN120073798A
公开(公告)日：2025-05-30
申请号：CN202510036696.1
申请日：2025-01-09
Applicant: 三峡大学
Abstract: 基于CMOPSO算法的储能系统控制参数辨识方法，在硬件在环平台上搭建储能系统主电路模型，与实际储能系统控制器交互，采集多种故障穿越工况下的储能系统输出响应数据集。搭建储能系统辨识模型，对内环PI参数等非关键参数采用典型值，建立通用的储能系统故障穿越控制公式，确定待辨识参数。对储能系统的故障穿越控制参数采用分步辨识，先辨识故障穿越电压阈值，其次辨识无功电流限幅值，最后结合测试数据采用CMOPSO算法辨识储能系统的故障穿越控制参数。最后对储能系统故障穿越辨识结果进行验证，计算误差，评估辨识结果的准确性。该方法辨识精度相比传统算法精度更高，且参数辨识结果具有更高的一致性。
-
公开(公告)号：CN120029056A
公开(公告)日：2025-05-23
申请号：CN202510094805.5
申请日：2025-01-21
Applicant: 三峡大学
IPC: G05B13/04
Abstract: 本发明公开一种数据与知识驱动的SVG电磁暂态模型参数辨识方法，包括以下步骤：步骤S1，对SVG故障演化特性进行分析，建立并利用SVG实际控制策略知识，驱动电磁暂态辨识模型；步骤S2，在RT‑LAB平台上进行硬件在环测试，获取SVG实际控制器在不同故障工况下的数据集，采用HIL数据驱动改进GOOSE算法；步骤S3，利用HIL数据驱动的改进GOOSE算法来辨识控制策略知识中的参数；本发明提高了辨识的适应性和准确性，实现对SVG控制参数的精确辨识。
-
公开(公告)号：CN120073799A
公开(公告)日：2025-05-30
申请号：CN202510036699.5
申请日：2025-01-09
Applicant: 三峡大学
IPC: H02J3/28 , H02J3/38 , G06F30/20 , G06N3/006 , G06F111/06 , G06F113/04
Abstract: 基于TS‑NSGA‑II算法的储能系统控制参数辨识方法，包括：基于硬件在环测试平台，搭建储能系统实测模型，采集多种故障穿越工况下的储能系统输出响应数据；搭建储能系统辨识模型，根据储能系统辨识模型确定待辨识参数为储能逆变器PI控制参数；将参数辨识问题转化为多目标优化问题，以储能系统辨识模型和储能系统实测模型输出的有功电流、无功电流的不同阶段平均绝对误差和稳态阶段的最大绝对偏差，分别作为目标函数；以储能系统的PI控制参数为种群个体，采用TS‑NSGA‑II算法求解目标函数，得到的最优种群即为辨识结果。该方法通过TS‑NSGA‑II算法对储能系统模型的控制参数进行辨识，可有效提高参数辨识的精度；与传统方法相比，该方法参数辨识结果具有更高的一致性。
-
Patent Agency Ranking
公开(公告)号：CN119543310A
公开(公告)日：2025-02-28
申请号：CN202411630005.2
申请日：2024-11-15
Applicant: 国网宁夏电力有限公司电力科学研究院 , 三峡大学 , 国网宁夏电力有限公司
Abstract: 本发明提供一种基于经济性的跟网型‑构网型变流器容量配比方法，属于新能源发电系统容量规划领域。包括：S1、构建考虑经济性的容量优化目标函数，优化新能源变流器容量配置；S2、根据网络和装备容量计算广义短路比初始值，并根据系统需求确定广义短路比目标值；S3、根据广义短路比与容量配比关系、广义短路比初始值以及广义短路比目标值计算得出跟网型变流器和构网型变流器的容量配比。从而通过考虑变流器容量配置的经济性，在优化目标函数的约束下得到成本最低的变流器容量配置，降低系统的建设成本；同时研究系统广义短路比与跟网‑构网变流器关系得到变流器的安全配比，有效提升局部极高占比新能源接入系统的支撑能力。
-
公开(公告)号：CN119247766A
公开(公告)日：2025-01-03
申请号：CN202411236324.5
申请日：2024-09-04
Applicant: 国网宁夏电力有限公司电力科学研究院 , 三峡大学
IPC: G05B13/04 , F03D7/00 , F03D9/25 , G06F18/2113 , G06F18/214 , G06N3/0442 , G06N3/126
Abstract: 本发明提供一种基于REF‑BiLSTM模型的双馈风机控制参数辨识方法，属于风力发电控制技术领域。包括：根据DFIG数学模型的控制结构，确定需要辨识的控制参数；通过ART‑GA算法生成训练数据集；采用RFE算法对DFIG原始数据集进行特征提取；采用BiLSTM算法对DFIG控制参数进行辨识。本发明改进遗传算法建立训练数据集采用递归式特征消除RFE算法对该数据集进行特征提取；最后，利用BiLSTM模型对DFIG的控制参数进行辨识，可有效提高数据的利用率，进一步提高DFIG控制参数的辨识精度。
-
公开(公告)号：CN119244438A
公开(公告)日：2025-01-03
申请号：CN202411236434.1
申请日：2024-09-04
Applicant: 国网宁夏电力有限公司电力科学研究院 , 三峡大学
Abstract: 本发明提供一种基于引力搜索算法的直驱风机结构化辨识方法及系统，属于风力发电控制领域。方法步骤包括：基于直驱风机数学模型的控制结构，确定出LVRT控制策略中各LVRT控制模式需要辨识的控制参数；采用SVR算法对直驱风机原始数据集进行训练，得到个体初值和寻优范围；采用GSA算法对直驱风机LVRT控制模式和控制参数进行辨识。本发明针对传统智能算法易陷入局部最优的缺陷，在种群初始化前通过SVR出待辨识参数初步结果，并以此为依据设置个体初值，缩小寻优范围，再引入GSA算法在位置更新阶段基于物体间引力和质量的优化算法，模拟物体在引力场中的运动过程来搜索最优解，提高算法的局部寻优能力。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
