-
公开(公告)号：CN119647548B
公开(公告)日：2025-05-09
申请号：CN202510183747.3
申请日：2025-02-19
Applicant: 福州大学
Abstract: 本发明公开了一种基于改进ESOA‑GA的光伏电站功率短期预测方法，涉及光伏电站技术领域，利用ESOA算法随机生成初始种群，并结合特征提取后的数据集分析个体预测精度获取初始适应度，在此基础上，围绕个体当前位置展开局部搜索，通过计算伪梯度估计值对个体进行更新，这一过程能够深度挖掘局部区域内的最优解。经过多轮迭代，可有效提升个体质量，初步优化各个体，为后续的遗传算法提供优质的初始种群。在ESOA初步优化个体的基础上，引入遗传算法。GA模拟自然选择过程，计算选择概率筛选待优化个体，通过交叉操作生成混合个体，这种方式能在更广泛的解空间中搜索，避免陷入局部最优解。
-
Patent Agency Ranking
公开(公告)号：CN119647548A
公开(公告)日：2025-03-18
申请号：CN202510183747.3
申请日：2025-02-19
Applicant: 福州大学
Abstract: 本发明公开了一种基于改进ESOA‑GA的光伏电站功率短期预测方法，涉及光伏电站技术领域，利用ESOA算法随机生成初始种群，并结合特征提取后的数据集分析个体预测精度获取初始适应度，在此基础上，围绕个体当前位置展开局部搜索，通过计算伪梯度估计值对个体进行更新，这一过程能够深度挖掘局部区域内的最优解。经过多轮迭代，可有效提升个体质量，初步优化各个体，为后续的遗传算法提供优质的初始种群。在ESOA初步优化个体的基础上，引入遗传算法。GA模拟自然选择过程，计算选择概率筛选待优化个体，通过交叉操作生成混合个体，这种方式能在更广泛的解空间中搜索，避免陷入局部最优解。
-
公开(公告)号：CN119358425A
公开(公告)日：2025-01-24
申请号：CN202411936181.9
申请日：2024-12-26
Applicant: 福州大学
IPC: G06F30/27 , G06N3/006 , H02J3/00 , G06F111/04 , G06F111/06 , G06F113/04
Abstract: 本发明公开了一种基于混合群智能算法的光伏参数建模方法，涉及光伏参数建模的技术领域，利用拉丁超立方设计确定特征权重的采样范围，并生成n个特征权重向量，有效覆盖参数空间，提升了种群初始化的质量和多样性，增强了算法的全局探索能力。通过对实时光伏功率预测值和适应度的动态判断，快速评估当前模型的误差范围是否可接受，从而减少不必要的迭代计算时间。自适应优化机制：在局部优化阶段，利用萤火虫算法动态更新粒子位置，结合平衡预测模型拟合的平衡指数，实现优化精度和搜索效率的协同提升，保证了算法在优化过程中的稳定性和收敛速度。通过对平衡指数与评估阈值的比对分析，选取相对较优的粒子位置。
-
公开(公告)号：CN119652258B
公开(公告)日：2025-05-23
申请号：CN202510171305.7
申请日：2025-02-17
Applicant: 福州大学
IPC: H02S50/10 , G06F18/22 , G06F18/213 , G06N3/0464 , G06F123/02
Abstract: 本发明公开了一种基于IV特性和数据模型的光伏阵列故障检测方法，涉及故障检测技术领域，该方法首先通过综合考量动态特性、历史故障及发生速度确定采集频率Cp，确保关键故障信息不遗漏，再凭借对IV曲线的二阶导数分析与方形度计算，结合数据模型，精准识别局部阴影故障，改变了以往故障判断依赖单一指标。在能量转换效率优化方面，依据判定因子Pz及IV曲线确定局部最大功率点，将光伏阵列输出与逆变器输入动态匹配，相比传统固定匹配方式，进一步提升了发电效率，降低了能源浪费。通过启动模型验证机制，可在不同场景和时间跨度下验证模型的准确性与稳定性。
-
公开(公告)号：CN119652258A
公开(公告)日：2025-03-18
申请号：CN202510171305.7
申请日：2025-02-17
Applicant: 福州大学
IPC: H02S50/10 , G06F18/22 , G06F18/213 , G06N3/0464 , G06F123/02
Abstract: 本发明公开了一种基于IV特性和数据模型的光伏阵列故障检测方法，涉及故障检测技术领域，该方法首先通过综合考量动态特性、历史故障及发生速度确定采集频率Cp，确保关键故障信息不遗漏，再凭借对IV曲线的二阶导数分析与方形度计算，结合数据模型，精准识别局部阴影故障，改变了以往故障判断依赖单一指标。在能量转换效率优化方面，依据判定因子Pz及IV曲线确定局部最大功率点，将光伏阵列输出与逆变器输入动态匹配，相比传统固定匹配方式，进一步提升了发电效率，降低了能源浪费。通过启动模型验证机制，可在不同场景和时间跨度下验证模型的准确性与稳定性。
-
公开(公告)号：CN119377898A
公开(公告)日：2025-01-28
申请号：CN202411949378.6
申请日：2024-12-27
Applicant: 福州大学
IPC: G06F18/25 , G06F18/243 , G06F18/2411 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于融合算法的光伏组件故障精确建模方法，涉及光伏组件监测技术领域，通过分析时间依赖性因子Syyz和动态调整分析周期，融合算法能够更好地捕捉不同故障模式的细微变化，最终输出更加准确的故障预测系数Gyxs，显著提高故障预测的精度。本方法根据实时数据变化动态调整各个基础模型的记忆窗口和分析周期，从而增强了模型对实时数据的适应能力。在光伏组件系统中，由于环境条件和运行状态的不断变化，实时数据往往呈现出较强的时变特性，通过动态调整分析周期，方法能够根据数据变化灵活调整模型参数，减少因数据波动或不均衡而导致的模型偏差，从而增强系统的鲁棒性。
-
-
-
-
-
Search Results
6
records
(took 0.012 seconds)
