-
公开(公告)号：CN114329809B
公开(公告)日：2025-03-25
申请号：CN202111352916.X
申请日：2021-11-16
Applicant: 上海电力大学
IPC: G06F30/17 , G06F30/27 , G06F18/2413 , G06F18/214 , G06N20/00 , H02K19/10 , G06F111/06
Abstract: 本发明涉及一种电励磁双凸极磁阻电机的优化建模方法，包括以下步骤：根据电机的应用场景选择多个优化目标；通过计算综合敏感度指标从电机本体的结构参数中选取数值最大的前n个结构参数；预设每个参数结构具有M个选择等级，即可得到Mn组参数建模样本；将所有的参数建模样本进行归一化，并按设定比例随机分为训练集和测试集；利用KNN算法对训练集和设定的优化目标进行机器学习，建立电机优化模型，通过测试集检验建立的电机优化模型的精确度。与现有技术相比，本发明引入了综合敏感度指标对电机本体的结构参数进行缩减，极大地缩减了参数建模样本空间，有效缩小样本所需数据，提高了建模的速度，满足工业对电机快速化优化的要求。
-
公开(公告)号：CN118133656A
公开(公告)日：2024-06-04
申请号：CN202410087611.8
申请日：2024-01-22
Applicant: 上海电力大学
Abstract: 本发明涉及一种基于物理信息神经网络的中压配电网线路参数辨识方法，对所采集的中压配电网量测数据进行缺失值、离群值及最大最小化归一化数据预处理，处理后的量测数据构建用于物理信息神经网络模型训练与测试的数据集；以最小线路参数误差为目标构建传统神经网络的损失函数，将配电网潮流方程作为物理约束的正则化项加入损失函数计算过程中，构建物理信息神经网络模型，用于配电网线路参数辨识；训练后物理信息神经网络模型用于配电网中各支路线路参数实时辨识。本发明以最小化线路参数误差为目标，并在传统损失函数的基础上加入了潮流方程约束，从而得到满足电网运行约束的物理一致解，提高了中压配电网线路参数辨识模型的可解释性及泛化能力。
-
公开(公告)号：CN117913807A
公开(公告)日：2024-04-19
申请号：CN202410057793.4
申请日：2024-01-15
Applicant: 上海电力大学
Abstract: 本发明涉及一种基于无迹卡尔曼滤波法的中压配电网参数辨识方法，通过量测装置获取配电网节点电压幅值、注入的有功功率和无功功率；在已知配电网拓扑的情况下，根据量测节点有功功率和无功功率，利用Dijkstra算法从末节点前向推导得到配电网首节点的总功率；再其次利用广度优先搜索算法，从首节点后向推导，得到配电网中的每条支路的支路功率；通过得到的支路功率，利用电压损耗计算公式和线性回归算法得到近似的参数辨识结果；最后利用无迹卡尔曼滤波算法建立状态方程与量测方程，将采样得到的sigma点集代入状态方程与量测方程，求解卡尔曼增益系数，更新状态向量，迭代得到精确的配电网参数辨识结果。本发明方法辨识精度高，为配电网安全稳定运行提供了支撑。
-
公开(公告)号：CN114329809A
公开(公告)日：2022-04-12
申请号：CN202111352916.X
申请日：2021-11-16
Applicant: 上海电力大学
Abstract: 本发明涉及一种电励磁双凸极磁阻电机的优化建模方法，包括以下步骤：根据电机的应用场景选择多个优化目标；通过计算综合敏感度指标从电机本体的结构参数中选取数值最大的前n个结构参数；预设每个参数结构具有M个选择等级，即可得到Mn组参数建模样本；将所有的参数建模样本进行归一化，并按设定比例随机分为训练集和测试集；利用KNN算法对训练集和设定的优化目标进行机器学习，建立电机优化模型，通过测试集检验建立的电机优化模型的精确度。与现有技术相比，本发明引入了综合敏感度指标对电机本体的结构参数进行缩减，极大地缩减了参数建模样本空间，有效缩小样本所需数据，提高了建模的速度，满足工业对电机快速化优化的要求。
-
-
-
Search Results
4
records
(took 0.019 seconds)
