-
公开(公告)号：CN107994798B
公开(公告)日：2024-03-12
申请号：CN201810027553.4
申请日：2018-01-11
Applicant: 福州大学 , 科华恒盛股份有限公司
Abstract: 本发明公开了一种含在线故障诊断的双向双buck逆变器及其工作方法，系统包含了逆变器、采样电路、隔离驱动电路和控制器，控制器基于双向工作模式读取目标输入输出值，基于MPC确定用于目标预测操作参数，分别确定用于目标的预测成本值，根据成本值选择可能目标值中最优的一个并设置目标值；控制器根据所设置的目标值来调整输出实现对逆变器功率开关管的控制。控制器根据数据分析、特征提取以及特征融合进行故障判断，包括阈值判断和残差判断，完成故障报警与定位。本发明系统响应快，实时性和可靠性高，诊断时所需输入量少，无需增加额外的检测电路，快速诊断和定位出逆变器系统的故障，可以有效的提升直流微网的运行环境，保证系统安全可靠运行。
-
公开(公告)号：CN117240108A
公开(公告)日：2023-12-15
申请号：CN202311097971.8
申请日：2023-08-29
Applicant: 福州大学
Abstract: 本发明提出一种基于子控制集改进MPC算法的MMC控制方法，MPC算法应用于基于有限控制集的换流器FCS‑MPC；逆变器MMC包括A、B、C三个相似的相单元，每个相单元由上、下两个桥臂组成，电抗器用于抑制能量分配不平衡所产生的相间环流；所述控制方法在MMC逆变器稳态工况即控制器给定的参考信号不变时，使相邻两个开关周期投入的子模块数量的变化很小，以将MPC中滚动优化算法过程所需要预测的有限控制集缩小到很小的范围内；在MMC逆变器动态工况时，通过设置阈值的方法来判断系统功率是否发生变化，当信号发生突变时，利用二分法快速寻找到突变后信号所对应的子控制集；本发明能在减少计算量的同时提高改进MPC算法在系统功率发生变化时的动态响应速度。
-
公开(公告)号：CN116738317A
公开(公告)日：2023-09-12
申请号：CN202310752614.4
申请日：2023-06-25
Applicant: 福州大学
IPC: G06F18/241 , G01R31/00 , G01R31/54 , G01R31/26 , G06F18/2415 , G06F18/2131 , G06F18/10 , G06N3/048 , G06N3/08
Abstract: 本发明的目的在于提供一种基于小波包能量交叉熵和大脑情感学习神经网络的MMC在线故障诊断方法，采用小波包分解采集的MMC模块化多电平故障桥臂电流离线数据，得到各频段能量熵，并求取相邻频段能量交叉熵；接着采用T‑SNE非线性降维对能量交叉熵数据进行降维，作为最终的数据特征训练FBELNN；将实时采集到的MMC桥臂数据进行上述特征提取，然后输入到训练好的FBELNN模型中，进行在线故障诊断。
-
公开(公告)号：CN116663745A
公开(公告)日：2023-08-29
申请号：CN202310727924.0
申请日：2023-06-20
Applicant: 福州大学
IPC: G06Q10/04 , G06F18/2135 , G06N3/0442 , G06N3/084 , G06N3/045 , G06Q50/06
Abstract: 本发明提供了一种基于PCA_DWT的LSTM流域水流量预测方法，具体步骤如下：（1）采集河流的历史数据；（2）采用主成分分析法将采集到的数据进行降维；（3）采用小波分解DWT，将经过降维后的输入序列分解为一个近似序列；（4）将序列按照频率大小，划分为m+1个不同组；（5）归一化；（6）将不同组的数据分别划分训练集和测试集；（7）将每组数据同时迭代训练；（8）将测试集输入送入迭代后的神经网络；（9）再用该预测数据构成新的输入，修正神经网络的修正权值和阈值，直至迭代N此，即全部测试集迭代完毕；（10）最终预测出未来N小时内水资源的流速情况。应用本技术方案能精确预测未来一段时间内某流域的水流流速情况。
-
公开(公告)号：CN113609955B
公开(公告)日：2023-08-08
申请号：CN202110878138.1
申请日：2021-07-30
Applicant: 福州大学
IPC: G06F18/10 , G06F18/214 , G06N3/0499 , G06N3/084 , G06F30/27 , G06F119/04
Abstract: 本发明涉及一种基于深度学习和数字孪生的三相逆变器参数辨识方法和系统，步骤S1：引入混合逻辑动态模型来构建三相逆变器的高精度仿真模型；步骤S2：采集实际电路的输入输出电流和输入输出电压等信号，并进行去噪处理；步骤S3：对神经网络进行训练、验证和测试后，将同时刻的数字孪生模型的仿真数据和实际电路模型的输出数据进行作差，构建神经网络的目标函数，采用梯度下降法更新神经网络中的权值，用新的元件参数更新所述的数字孪生模型；步骤S4：反复调整神经网络中的权值直至神经网络的目标函数小于所设置的阈值；输出数字孪生模型的元件参数，实现实际电路的元件参数在线快速辨识。本发明能在不对系统侵入的情况下更经济、更可靠地对元件参数进行辨识以对三相逆变器的运行状态进行监测。
-
Patent Agency Ranking
公开(公告)号：CN115730703A
公开(公告)日：2023-03-03
申请号：CN202211346648.5
申请日：2022-10-31
Applicant: 福州大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/049 , G06N3/048
Abstract: 本发明提出基于深度交叉时间卷积网络DTCN模型的电力负荷预测方法，用于超短期电力负荷的预测，所述预测方法利用数据集中的连续型与离散型特征向量，通过用DCN进行自动特征工程提取数据特征，将整理后的稠密向量，按时间顺序堆叠起来输入到TCN中预测，分别通过使用sigmoid和tanh激活函数和扩大因果卷积，拟合参数，建立模型，最终解码获取负荷的超短期预测结果；本发明，对数据容量要求低，预测速度快，精度高。
-
公开(公告)号：CN111884201B
公开(公告)日：2022-05-13
申请号：CN202010729079.7
申请日：2020-07-27
Applicant: 福州大学 , 福建省力得自动化设备有限公司
Abstract: 本发明涉及一种基于模糊控制的直流微电网电压补偿和功率分配方法及系统，包含电压补偿和功率分配两个部分。本发明所述的电压补偿方法基于模糊控制，首先通过将各单元的输出电流与输出电压偏差进行模糊化后作为第一模糊控制器的输入量，经过模糊推理，得到电压补偿值，解决传统下垂控制母线电压跌落的问题。本发明所述功率分配方法基于模糊控制，首先将各单元的归一化输出电流与系统平均输出电流的偏差进行模糊化作为第二模糊控制器的输入量，经过模糊推理，得到可变的下垂系数调整值，最后经过积分器，作为下垂系数的补偿量，解决传统下垂控制功率分配不均问题。
-
公开(公告)号：CN111884201A
公开(公告)日：2020-11-03
申请号：CN202010729079.7
申请日：2020-07-27
Applicant: 福州大学 , 福建省力得自动化设备有限公司
Abstract: 本发明涉及一种基于模糊控制的直流微电网电压补偿和功率分配方法及系统，包含电压补偿和功率分配两个部分。本发明所述的电压补偿方法基于模糊控制，首先通过将各单元的输出电流与输出电压偏差进行模糊化后作为第一模糊控制器的输入量，经过模糊推理，得到电压补偿值，解决传统下垂控制母线电压跌落的问题。本发明所述功率分配方法基于模糊控制，首先将各单元的归一化输出电流与系统平均输出电流的偏差进行模糊化作为第二模糊控制器的输入量，经过模糊推理，得到可变的下垂系数调整值，最后经过积分器，作为下垂系数的补偿量，解决传统下垂控制功率分配不均问题。
-
公开(公告)号：CN111611747A
公开(公告)日：2020-09-01
申请号：CN202010445937.5
申请日：2020-05-25
Applicant: 福州大学
Abstract: 本发明属于清洁能源储能技术领域，公开一种用于混合储能系统的在线状态估计方法，包括获取对蓄电池和超级电容经过采样电路处理的即时电压和即时电流；当检测到即时电流的增加值超过预设阈值时，对蓄电池和超级电容的即时电压执行在线容量估计；对即时电压执行特征提取，并通过训练后的模糊大脑情感学习模型对蓄电池和超级电容的剩余电量进行估计；发送模糊大脑情感学习模型的输出数据；还公开一种装置，利用冲击负载后的混合储能系统的电压和电流，以及结合模糊推理系统与大脑情感学习模型所设计的神经网络模型作为状态分类器，实现对混合储能系统的状态快速、准确和实时的在线估计，适于微电网和不间断电源系统中应用，提高电力系统的可靠性。
-
公开(公告)号：CN111539442A
公开(公告)日：2020-08-14
申请号：CN201911163794.2
申请日：2019-11-25
Applicant: 福州大学
Abstract: 本申请提供了一种电力电子异常数据的处理方法和处理系统，涉及电力电子数据处理领域。该处理方法包括：获取待处理电子元件的电子信号；将所述电子信号转换为数字信号；使用经过电力电子参数型故障样本训练的GA-FCMNN模型对所述数字信号进行分析；将所述分析的结果与预设的正常结果进行比对，如果存在异常，对所述待处理电子元件进行处理。遗传算法GA用于FCMNN的初始参数选择，通过变异操作和最优选择，实现了FCNMNN分类器的全局最优化。本申请能够有效减少人工选取初始参数的盲目性和时间成本，进一步提升神经网络诊断分类器的学习效率和智能化水平，提高了电子元件故障的识别效率。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.05 seconds)
