-
公开(公告)号：CN105574231A
公开(公告)日：2016-05-11
申请号：CN201510846238.0
申请日：2015-11-27
Applicant: 上海交通大学 , 国家电网公司 , 国网吉林省电力有限公司电力科学研究院
Abstract: 本发明基于遗传算法和粒子群优化算法-最小二乘支持向量机的理论提出了一种蓄电池剩余容量检测方法，该方法以最基本的最小二乘支持向量机为基础，加以粒子群算法来对其中核函数参数和惩罚系数来进行参数寻优，提高了仿真精度，同时引入遗传算法来增强算法的全局搜索能力，防止陷入局部最优解。只需要通过检测蓄电池开路电压、环境温度、蓄电池内阻这三个量，就可以检测蓄电池的剩余容量。最后通过对比实验数据和预测数据，本方法的检测的平均误差可以控制在5％以内，较传统的最小二乘支持向量机方法，大大提高了预测精度。
-
公开(公告)号：CN105320995A
公开(公告)日：2016-02-10
申请号：CN201510481680.8
申请日：2015-08-07
Applicant: 上海交通大学 , 国网吉林省电力有限公司延边供电公司 , 国家电网公司
CPC classification number: Y04S10/60
Abstract: 本发明公开了一种基于频域分解的风力发电短期负荷预测方法及装置，本发明方法包括以下几个步骤：（1）原始数据的预处理，去掉错误数据；(2)根据频域分解算法，对预处理过的数据进行频域分解，得到日周期部分、周周期部分、月周期部分、低频部分和高频部分；(3)采用LWT-LSSVM的预测方法对日周期部分进行预测；(4)周周期和月周期部分无须预测；(5)运用线性分析方法对低频部分进行预测；(6)采用LWT-LSSVM的预测方法对高频分量进行预测；(7)将各部分的预测结果叠加作为最终的预测结果。本发明的方法在进行风力发电短期负荷预测时，能够找出风电负荷的潜在规律，预测精度较好，计算速度较快。
-
公开(公告)号：CN102856910B
公开(公告)日：2015-07-01
申请号：CN201210269748.2
申请日：2012-07-31
Applicant: 上海交通大学 , 吉林省电力有限公司四平供电公司 , 国家电网公司
Abstract: 本发明涉及一种基于多模型模糊神经网络PI的STATCOM控制方法，其包括以下步骤：S1：根据配电系统负载侧接入不同冲击性负载后接入点电压Upcc的降低幅值大小，将配电系统划分为三个模型Mi(i＝1,2,3)；S2：对于每个模型分别设计d轴PI控制器PIdi（i＝1,2,3）与q轴PI控制器PIqi（i＝1,2,3）；S3：模糊神经网络模块包括模糊控制器和神经网络两个部分。通过模糊神经网络模块来整定Mi(i＝1,2,3)中d轴PI控制器PIdi（i＝1,2,3）与q轴PI控制器PIqi（i＝1,2,3）的控制参数kp、ki。本发明的优越性在于：1.设计的PI控制器采用了多模型技术，该技术根据模型切换指标对PI参数进行了选择，使PI控制器能够适应接入点负载的变化；2.PI控制器参数kp、ki通过模糊神经网络进行整定得到，大大减少了人工PI参数整定带来的繁琐工作量。
-
公开(公告)号：CN102904259B
公开(公告)日：2014-11-19
申请号：CN201210269755.2
申请日：2012-07-31
Applicant: 上海交通大学 , 吉林省电力有限公司四平供电公司 , 国家电网公司
CPC classification number: Y02E40/16
Abstract: 本发明涉及一种基于PAM逆变器的级联STATCOM控制方法，包括下列步骤：S1：电网待补偿的无功功率和补偿器器输出的参考无功功率通过PI调节得到补偿器输出的无功功率；S2：根据上述无功功率计算得到电源电压与STATCOM输出电压间的偏移角度δ；S3：由锁相环得到的初相角加上所得到偏移角度δ正弦化后得到PAM逆变器所需要的参考电压波形；S4：参考电压通过PAM调制计算各个H桥的开关角度最终叠加得到无功补偿器各相输出的补偿电压；S5：针对所需补偿无功的变化采用一种神经网络自适应PI控制器，其控制器参数kp、ki由神经网络在线整定,神经网络根据系统的运行状态，通过自学习和权值的调整，在线整定PI控制器的参数，以期达到性能指标的最优。
-
公开(公告)号：CN103457274A
公开(公告)日：2013-12-18
申请号：CN201310374555.8
申请日：2013-08-23
Applicant: 上海交通大学 , 国家电网公司 , 国网吉林省电力有限公司四平供电公司
CPC classification number: Y02E40/16
Abstract: 本发明涉及一种多模型模糊神经网络PI控制器的STATCOM电流控制方法，包括以下步骤：S1:负载功率因数作为模型划分的依据，将系统划分为多个模型Mi(i=1,2,...,n)。S2:对于每个模型分别设计d轴第二级模糊神经网络PI控制器PIdi（i=1,2,...,n）与q轴模糊神经网络PI控制器PIqi（i=1,2,...,n）。S3:当负载电流接入后，选择相应模型，每个模型中的d轴第二级PI控制器和q轴PI控制器参数kP和ki由模糊神经网络进行整定以达到理想的控制效果。此方法可以较快的适应负载的变化和获得较高的精度。
-
Patent Agency Ranking
公开(公告)号：CN103457273A
公开(公告)日：2013-12-18
申请号：CN201310374554.3
申请日：2013-08-23
Applicant: 上海交通大学 , 国家电网公司 , 吉林省电力有限公司延边供电公司
CPC classification number: Y02E40/16
Abstract: 本发明提供了一种静止同步补偿器，其包括一PAM单元与一PWM单元，所述PAM单元由四个H桥级联形成的，所述PAM单元采用基频优化PAM方法使输出阶梯波逼近正弦波，所述PWM单元包括一与所述PAM单元串联的H桥，PWM单元采用跟踪型PWM控制技术对输出无功电流瞬时值进行反馈控制；同时提供了一用于对该静止同步补偿器的等效电路模型的时变参数进行修正的控制器。本发明采用PAM+PWM进行调制提高了装置输出电流的质量；同时考虑开关器件和直流侧电容的影响，建立了更为准确的数学模型。
-
公开(公告)号：CN103368186A
公开(公告)日：2013-10-23
申请号：CN201310237091.6
申请日：2013-06-14
Applicant: 上海交通大学 , 国家电网公司 , 吉林省电力有限公司四平供电公司
CPC classification number: Y02E10/763 , Y02E40/30
Abstract: 本发明提供了一种风电系统无功优化方法，包括以下几个步骤：S1：建立风机的数学模型；S2：对各节点的电压进行初始化；S3：建立无功规划的数学模型；S4：输入原始数据；S5：形成初始粒子群；S6：进行潮流计算；S7：对优秀粒子采用云条件发生器和云模型对其进行更新；S8：对其他普通粒子采用常规粒子群寻优更新粒子群；S9：结合步骤S7、S8更新后的粒子群，调整约束方程，计算更新；S10：迭代条件为迭代次数或位置最小阈值；S11：停止迭代，输出最优节点电压和有功网损。采用本发明所述的风电系统无功优化方法，能够有效地降低风电系统中劣性粒子比例，从而改善粒子分布、增强搜索精度，提高系统的电压水平，减小网损。
-
公开(公告)号：CN103346573A
公开(公告)日：2013-10-09
申请号：CN201310215429.8
申请日：2013-05-31
Applicant: 上海交通大学 , 国家电网公司 , 吉林省电力有限公司四平供电公司
CPC classification number: Y02E10/763 , Y02E40/30
Abstract: 本发明公开了一种基于黄金分割云粒子群优化算法的风电系统无功规划方法，本发明通过建立无功规划的数学模型，确定目标函数；输入风电系统的原始数据从而形成初始种群；随机产生全部粒子，运用黄金分割评判准则将粒子群按其自适应度值分为三部分，对各部分粒子设置不同的惯性权重；通过粒子群优化算法，得到粒子新的位置和速度，在满足终止条件前反复将粒子同上述方法分成三部分并迭代，如此寻找最优解，从而实现风电系统的无功规划。本发明有效的提高了风电系统的节点电压水平，减小了电网的网损，通过以上算法保持了粒子的多样性，避免了在寻优时容易出现的早熟现象，并提高了寻优过程中的收敛速度；而且以上方法的计算量较小、可操作性较高。
-
公开(公告)号：CN102904259A
公开(公告)日：2013-01-30
申请号：CN201210269755.2
申请日：2012-07-31
Applicant: 上海交通大学 , 吉林省电力有限公司四平供电公司 , 国家电网公司
CPC classification number: Y02E40/16
Abstract: 本发明涉及一种基于PAM逆变器的级联STATCOM控制方法，包括下列步骤：S1：电网待补偿的无功功率和补偿器器输出的参考无功功率通过PI调节得到补偿器输出的无功功率；S2：根据上述无功功率计算得到电源电压与STATCOM输出电压间的偏移角度δ；S3：由锁相环得到的初相角加上所得到偏移角度δ正弦化后得到PAM逆变器所需要的参考电压波形；S4：参考电压通过PAM调制计算各个H桥的开关角度最终叠加得到无功补偿器各相输出的补偿电压；S5：针对所需补偿无功的变化采用一种神经网络自适应PI控制器，其控制器参数kp、ki由神经网络在线整定，神经网络根据系统的运行状态，通过自学习和权值的调整，在线整定PI控制器的参数，以期达到性能指标的最优。
-
公开(公告)号：CN106684885B
公开(公告)日：2020-07-28
申请号：CN201610777111.2
申请日：2016-08-30
Applicant: 上海交通大学 , 国家电网公司 , 国网吉林省电力有限公司延边供电公司
Abstract: 基于多场景分析的风电机组配电网无功优化方法,包括步骤：建立风电机组配电网的无功优化数学模型，无功优化数学模型包括无功优化目标函数及无功优化约束条件；采用多场景分析法根据风电机组出力变化和负荷波动确定无功优化目标函数；利用粒子群算法对无功优化数学模型进行求解。本方法充分考虑了风电机组出力变化和负荷的随机波动，通过建立风电机组的配电网无功优化模型，采用场景分析法将风电机组出力和负荷划分为多个区间以形成多个场景，并以场景中的有功网损的期望值最小化为优化目标，然后利用粒子群算法进行无功优化，以适用于风电机组配电网无功优化的处理。
-
-
-
-
-
-
-
-
-
Search Results
295
records
(took 0.132 seconds)
