改进阿基米德算法与BiGRU结合的锂电池SOH估计与RUL预测方法

    公开(公告)号:CN119936672A

    公开(公告)日:2025-05-06

    申请号:CN202510114276.0

    申请日:2025-01-24

    Abstract: 本发明公开了改进阿基米德算法与BiGRU结合的锂电池SOH估计与RUL预测方法,涉及新能源汽车和电网储能技术领域,包括以下步骤:研究锂电池的工作原理及老化机理,通过电池建模和数据驱动的方法提取包含电池老化状态信息的特征参数作为预测模型的输入;对提取的特征参数进行相关性分析,保留相关程度高的特征量,并进行数据预处理;将筛选好的特征量输入BiGRU模型进行SOH估计与RUL预测;使用改进阿基米德算法优化BiGRU模型。本发明采用上述改进阿基米德算法与BiGRU结合的锂电池SOH估计与RUL预测方法,在模型求解方面提出基于改进阿基米德算法优化B i GRU神经网络的锂电池SOH预测与RUL估计模型,使得模型能够更好地拟合训练数据,增加了模型的学习能力,提高了预测精度。

    一种基于Mamba-2大模型的火储协同调峰过程智能建模方法

    公开(公告)号:CN119538720A

    公开(公告)日:2025-02-28

    申请号:CN202411590903.X

    申请日:2024-11-08

    Abstract: 一种基于Mamba‑2大模型的火储协同调峰过程智能建模方法摘要:本发明公开了一种基于Mamba‑2大模型的火储协同调峰过程智能建模方法。首先,将耦合熔盐储热与超临界燃煤机组协同调峰过程模型简化为五输入五输出耦合系统;其次,结合稀疏注意力机制和新型Lion优化器得到改进的Mamba‑2,提高了模型对多变量长时间序列的建模性能;最后,依托仿真平台验证本发明基于Mamba‑2大模型的耦合熔盐储热与超临界燃煤机组协同调峰过程建模方法的有效性。本发明所提耦合系统协同调峰过程模型结构准确表征了系统的水动力特性和储‑放热特性,为高比例新能源电力系统的建设提供可靠保障。

    一种融合深度学习和贝叶斯神经网络的风电机组系统级运行状态及风险监测方法

    公开(公告)号:CN119062522A

    公开(公告)日:2024-12-03

    申请号:CN202410902925.9

    申请日:2024-07-05

    Inventor: 黄从智 何佳璇

    Abstract: 一种融合深度学习和贝叶斯神经网络的风电机组系统级运行状态及风险监测方法,该方法融合预测与健康管理技术与概率风险评估技术,实现了风电机组的系统级运行状态及风险监测。首先,选取风电机组关键部件状态变量,获取其运行数据并进行预处理。其次,构建基于TimeMixer网络的风电机组关键部件状态监测模型。然后,基于JS散度构建关键部件健康度,实现风电机组部件级状态监测。最后,基于部件级健康度和关键状态变量构建贝叶斯神经网络拓扑结构并进行训练。通过训练后的贝叶斯神经网络预测风电机组的系统级健康度并计算风电机组故障概率上下限,实现风电机组运行风险持续估计。本发明为解决风电机组系统级运行状态及风险监测问题提供了一种方案和思路。

    一种基于两阶段分布式去噪的虚拟电厂惯量估计算法

    公开(公告)号:CN118983768A

    公开(公告)日:2024-11-19

    申请号:CN202410594161.1

    申请日:2024-05-14

    Abstract: 本发明提供了一种基于两阶段分布式去噪的虚拟电厂惯量估计算法,属于电力系统领域。首先,针对新能源系统如光伏电厂、风电场、储能聚合区和常规发电厂,引入虚拟电厂(Virtual Power Plant,VPP)的概念。然后,针对VPP引入电力系统频率响应模型,构建了精确描述电力系统动态特性的回归方程;针对虚拟电厂惯量估计的精度与效率问题,本发明提出一种两阶段分布式去噪的虚拟电厂惯量估计方法,其中第一阶段采用自适应无迹卡尔曼滤波对VPP的非线性频率响应模型进行处理,第二阶段采用基于分布式去噪扩散模型(Denoising Diffusion Probabilistic Model,DDPM)的算法对VPP的分布式非高斯噪声进行处理,实现了对虚拟电厂惯量的精准评估。分布式DDPM算法能有效地近似后验概率分布,从而增强估计的稳定性和准确性,实现了对虚拟电厂惯量的精准评估。该算法不仅提升了采样数据的可靠性、抑制了VPP普遍存在的非高斯噪声的影响,还有效增强了电力系统的频率稳定性。本研究为虚拟电厂的稳定运行与优化控制提供了理论支撑和技术支持。

    一种继及传感器安全通信的虚拟电厂惯量估计新方法

    公开(公告)号:CN118920438A

    公开(公告)日:2024-11-08

    申请号:CN202410594239.X

    申请日:2024-05-14

    Abstract: 本发明为一种继及传感器安全通信的虚拟电厂惯量估计新方法。本发明提供了一种虚拟电厂(Virtual Power Plant,VPP)惯量估计的新方法,属于电力系统领域。首先引入VPP概念并建立电力系统频率响应模型。本发明方法包括两个阶段:第一阶段使用自适应无迹卡尔曼滤波处理VPP频率响应模型的非线性;第二阶段利用分布式去噪扩散模型(Denoising Diffusion Probabilistic Model,DDPM)处理非高斯噪声,以提高估计准确性。为保障传感器间通信的安全性,本发明还引入了改进的ElGamal加密算法,并通过融合权重计算传感器间估计误差的协方差矩阵,以确保通信的安全性、隐私性和融合性。该研究为VPP的稳定运行与优化控制提供了理论和技术支持。

    改进型crossformer神经网络在热电联产机组宽负荷智能建模中的研究及应用

    公开(公告)号:CN118395839A

    公开(公告)日:2024-07-26

    申请号:CN202410417908.6

    申请日:2024-04-09

    Abstract: 本发明公开了改进型crossformer神经网络在热电联产机组宽负荷智能建模中的研究及应用。首先,将热电联产机组锅炉‑汽轮机耦合系统作为研究对象并分析其建模难点;然后,为其设计融合双向门控循环单元和多感受野卷积的crossformer神经网络建模策略。最后,依托仿真平台验证本发明建模策略的可行性,并采用性能指标量化分析建模策略的有效性。本发明将研究对象简化为四输入四输出的系统,更准确描述了其动态特性。本发明所建模型能够满足深度调峰下的机组模型精度需求。

    一种基于AM-LSTM神经网络的系统频率响应模型建模方法

    公开(公告)号:CN112560352B

    公开(公告)日:2024-07-19

    申请号:CN202011548918.1

    申请日:2020-12-24

    Abstract: 本发明公开了一种基于AM‑LSTM神经网络的系统频率响应模型建模方法,属于电力系统频率响应模型的建模领域。针对风火耦合系统频率响应模型的建模问题,提出了一种基于注意力机制和长短时记忆神经网络相结合的系统频率响应模型建模方法,利用注意力机制提取耦合系统频率响应模型输入的时间序列特征,能有效利用风火耦合系统输入数据;利用长短时记忆神经网络解决了递归神经网络在更新过程中出现的梯度消失问题,此外,长短时记忆神经网络解决了现有耦合系统频率响应模型难以描述耦合系统中存在的非线性及不确定性等问题,提高了风火耦合系统频率响应模型的精度和建模效率。

Patent Agency Ranking