-
公开(公告)号:CN107394799B
公开(公告)日:2019-10-15
申请号:CN201710603372.7
申请日:2017-07-22
申请人: 福州大学
IPC分类号: H02J3/24
摘要: 本发明涉及一种基于部分左特征结构配置的电力系统优化阻尼控制方法,针对传统的PSS在多个需要抑制的振荡模态下存在的多PSS参数协调问题,首先利用部分左特征结构配置方法同时配置闭环主导振荡模态的特征值和特征向量,将多余的设计自由度分配到部分特征向量上,然后引入动态补偿器型PSS,满足部分左特征结构配置方法对输出反馈变量的要求,最后通过群搜索优化算法求解控制器参数。根据本发明所提出的一种基于部分左特征结构配置的电力系统优化阻尼控制方法所设计的阻尼控制器,能有效抑制电力系统的多个主导振荡模态,且具有较好的阻尼控制效果和鲁棒性。
-
-
公开(公告)号:CN106842958B
公开(公告)日:2019-10-15
申请号:CN201710163794.7
申请日:2017-03-20
申请人: 福州大学
IPC分类号: G05B13/04
摘要: 本发明涉及一种背靠背转换器的分布式模型预测控制方法,所提出的分布式模型预测控制方法应用于背对背转换器的直接功率控制和直流链路电压控制。FCS‑MPC问题以分布式方式制定,整个系统被分成更简单的子系统。单个控制器能够彼此通信以共同决定本地切换序列。所提出的分布式模型预测控制公式能够为具有涉及容错,灵活性和高控制能力的硬要求的系统提供可行的控制实现,而不存在一个大型集中优化问题的解决方案。本发明有利于减少原来解决方案的计算负担,并为未来发展方向提供指导。
-
公开(公告)号:CN106953577B
公开(公告)日:2019-08-09
申请号:CN201710163793.2
申请日:2017-03-20
申请人: 福州大学
IPC分类号: H02P23/14
摘要: 本发明涉及一种基于改进的粒子群优化算法的异步电机参数辨识方法,以标准粒子群算法为基础,通过分批分别设置种群的最大加权系数和最小加权系数,并增加了随机变异算子,增加变异算子对gbest进行随机变异的策略来提高算法跳出局部收敛的能力,改善粒子群的过早陷入局部最优的问题,扩大粒子的搜索范围,改进了粒子群算法的全局搜索能力和收敛速度,降低陷入局部最优的风险,兼顾优化过程的精度和效率。本发明通过测量获得异步电机各工作特性的测量值,应用该改进的粒子群优化算法实现异步电机静态参数辨识,在有噪声的情况下,仍能具有较高的识别准确率。
-
-
公开(公告)号:CN109713726A
公开(公告)日:2019-05-03
申请号:CN201910137255.5
申请日:2019-02-25
申请人: 福州大学
摘要: 本发明提出一种用于阻抗源逆变器孤岛和并网双模式运行的自适应模型预测控制方法,当使用传统的控制方法时,控制器设计复杂,不适合用于含有直通状态的阻抗源逆变器,且在模式转换时会产生大的过冲电压或电流。本发明针对传统控制方法所存在的问题,引入模型预测控制简化控制器算法,并引入模式检测、网络同步和相位调整算法,使双模式能实现无缝转换,且能实现有功、无功、电压、电流等多目标综合控制,非常适合用于双模式运行的阻抗源逆变器。
-
公开(公告)号:CN106505587B
公开(公告)日:2019-01-18
申请号:CN201610907179.8
申请日:2016-10-19
申请人: 福州大学
IPC分类号: H02J3/24
摘要: 本发明涉及一种基于广义形态滤波与改进MP算法的低频振荡模态辨识方法,提出一种将广义形态滤波与改进MP算法相结合来对电力系统低频振荡模态辨识,利用广义形态滤波对低频振荡信号进行去噪处理,然后再采用改进MP算法进行模态辨识。对于MP算法在进行低频振荡模态辨识的过程中阶数确定的问题,采用归一化奇异熵来进行定阶,该方法在定阶时计算量较小、速度快、受主观因素影响也较小。本发明可以实现噪声干扰下的低频振荡模态准确的辨识,克服了由于电力系统的测量、传输环节通常都会引入噪声干扰,而噪声将严重影响电力系统低频振荡模态辨识的准确性等问题,具有较好的应用前景。
-
公开(公告)号:CN104764980B
公开(公告)日:2017-11-17
申请号:CN201510193324.6
申请日:2015-04-22
申请人: 福州大学
IPC分类号: G01R31/08
CPC分类号: Y04S10/522
摘要: 本发明涉及一种基于BPSO和GA的配电线路故障区段定位方法,该方法利用双种群进化和信息交换的策略实现二进制粒子群和遗传算法的混合,构成二进制混合算法。两个子种群有各自的个体规模,每一代的进化过程互不干扰,在每一代的进化完成后进行信息交换传递,选择最优个体分别进行两个种群下一代的寻优搜索,直至得出最优解。该算法能降低故障定位过程中出现“未成熟收敛”的概率,并且具有一定的容错性,与单独的二进制粒子群或遗传算法进行故障区段定位对比,收敛速度明显提高。
-
公开(公告)号:CN107039972A
公开(公告)日:2017-08-11
申请号:CN201710255640.0
申请日:2017-04-19
申请人: 福州大学
摘要: 本发明涉及一种基于AFSA‑BFO算法的电力系统PSS参数整定方法,首先采用AFSA算法进行搜索,当适应度达到某一值时,表明AFSA算法已收敛到全局最优的区域,此时切换到BFO算法,BFO算法将会在AFSA算法的基础上进行局部寻优;对于算法的切换,引入了新的判别方式。本发明采用AFSA‑BFO算法整定的PSS控制器在总体上具有较好的调节性,且整定的PSS参数具有较好的适应性,在大扰动下仍可提高系统稳定运行水平。
-
-
-
-
-
-
-
-
-