小样本条件下的风电功率预测方法

    公开(公告)号:CN119939248A

    公开(公告)日:2025-05-06

    申请号:CN202510003554.5

    申请日:2025-01-02

    Abstract: 本发明提出了一种小样本条件下的风电功率预测方法,用以解决复杂模型难以适应小样本条件的问题。其步骤为:首先,利用MCMC对风电厂小样本数据集进行数据扩充,采用统计、插值、拟合和自适应识别四种方法对风电功率样本集进行数据清洗;其次,搭建基于集成混合天鹰优化与增强型非洲秃鹫优化算法的BP(IHAO‑IAVOA‑BP)神经网络模型,并利用数据清洗过的风电功率样本集进行训练;最后,采用BP神经网络、非洲秃鹫优化算法改进的BP神经网络、天鹰优化器改进的BP神经网络和IHAO‑IAVOA‑BP神经网络风电功率预测模型四种模型对待测样本集进行预测,预测结果表明本发明方法在小样本场景下具有良好的预测性能。

    一种基于神经网络智能控制的无人机侧滑转弯控制方法

    公开(公告)号:CN115220466B

    公开(公告)日:2025-03-18

    申请号:CN202210912810.9

    申请日:2022-07-31

    Abstract: 本发明提供了一种基于神经网络智能控制的无人机侧滑转弯控制方法,其通过组合微分器求解无人机侧向期望轨迹信号一阶导与二阶导信号,进而通过偏航角速率与偏航角以及飞行速度信号求解侧向速度与侧向加速度误差信号,再通过误差综合形成偏航角期望信号,通过与偏航角进行比较得到偏航角误差信号,进而由组合微分器以及角速度信号生成偏航角速率误差信号与偏航角加速度误差信号,最后由上述位置误差、速度误差、加速度误差、角度误差、角速率误差、角加速率误差训练一类类径向基神经网络,用神经网络逼近系统的不确定性误差,并叠加误差与误差积分信号组成最终的无人机偏航通道控制总信号,实现无人机侧滑转弯的智能控制。

    一种并网变换器自适应双矢量模型预测电流控制方法

    公开(公告)号:CN118523403A

    公开(公告)日:2024-08-20

    申请号:CN202410507042.8

    申请日:2024-04-25

    Abstract: 本发明提供一种并网变换器自适应双矢量模型预测电流控制方法,涉及并网变换器控制技术领域,包括:获取并网变换器在历史工作时段的相间电流、相间电压、相间电感、相间电阻、温度、湿度和气压;计算气压变化系数,并对气压变化系数、温度和湿度进行赋值以生成气压变化参数、温度参数和湿度参数,结合温度参数、湿度参数和气压变化参数,生成环境修正系数;构建引入环境修正系数的双矢量模型,以此输出未来时刻的相间电流,本发明通过对温度、湿度和气压因素进行处理以生成环境修正系数,通过在双矢量模型中引入环境修正系数对电流进行修正,提高对并网变换器电流预测的精准性,也便于后续根据预测的电流进行调节控制。

Patent Agency Ranking