-
公开(公告)号：CN114679175B
公开(公告)日：2025-05-02
申请号：CN202210402454.6
申请日：2022-04-18
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于双改进型自适应陷波器的锁相环，涉及电网同步信号检测技术领域，设计出一种改进型自适应陷波器结构，并由此提出具有抑制直流偏移与负序电压能力的双改进型自适应陷波器作为锁相环环外滤波环节；滑动平均滤波器纳入到同步参考坐标系锁相环中作为环内滤波环节，实现双滤波设计。本发明公开的锁相环具有响应速度快、鲁棒性强等优点，适合于太阳能发电、风力等新能源并网系统，并且可推广到其他三相并网逆变器的控制方法及其他需要获取电网同步信号的场所当中。
-
公开(公告)号：CN114548600B
公开(公告)日：2024-09-06
申请号：CN202210230705.7
申请日：2022-03-10
Applicant: 中国矿业大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q10/067 , G06Q50/06 , H02J3/00 , H02J3/28 , H02J3/38 , H02J3/46 , H02J15/00
Abstract: 本发明公开了一种海岛微网多能源系统优化调度模型，首先，将氢储能系统细分为电‑氢和氢‑电两部分，建立了电制氢设备的效率特性模型和氢燃料电池(hydrogenfuelcell，HFC)的输出模型，然后建立了海水淡化设备(seawaterdesalinationequipment，SDE)的效率特性模型，最后在微网优化调度中考虑HPE和SDE的效率特性，SDE将富余风电转化为淡水满足居民生活需求，HPE将富余风电以氢气的形式存储，实现了电‑氢的转化，风力不足时通过HFC将氢气再次以电能回馈电网，产生的热能可以通过热网供给用户，实现了电能‑氢能、氢能‑电能的双向转化，促进风能高效利用。
-
Patent Agency Ranking
公开(公告)号：CN116565910A
公开(公告)日：2023-08-08
申请号：CN202310544488.3
申请日：2023-05-15
Applicant: 中国矿业大学
IPC: H02J3/28 , H02J3/24 , H02J15/00 , H02J3/46 , H02J3/14 , G06Q10/0631 , G06Q50/06 , G16C20/10 , G06F30/20 , G06F119/08
Abstract: 本发明公开一种考虑HFC热特性的电热联合系统多时间尺度调度策略，属于电热联合系统优化调度领域。首先建立氢储能系统的数学模型，然后考虑氢储能系统中的氢燃料电池HFC热响应特性建立HFC热响应延时数学模型，分析HFC的热响应特性建立常规热力系统的数学模型，在含风电的电热联合系统中利用HFC的热响应特性来降低电热耦合问题的，将HFC产生的热能接入热电联产机组供热热源利用，建立改进的多时间尺度调度模型，以电热联合系统运行成本最小为目标优化多时间尺度调度模型。其充分利用了HFC的热响应特性，优化了电热联合系统的电热耦合关系，加深了电力系统和热力系统的耦合程度，大幅改善了电热联合系统内机组的调节能力以及对弃风的消纳能力。
-
公开(公告)号：CN114548600A
公开(公告)日：2022-05-27
申请号：CN202210230705.7
申请日：2022-03-10
Applicant: 中国矿业大学
Abstract: 本发明公开了一种海岛微网多能源系统优化调度模型，首先，将氢储能系统细分为电‑氢和氢‑电两部分，建立了电制氢设备的效率特性模型和氢燃料电池(hydrogenfuelcell，HFC)的输出模型，然后建立了海水淡化设备(seawaterdesalinationequipment，SDE)的效率特性模型，最后在微网优化调度中考虑HPE和SDE的效率特性，SDE将富余风电转化为淡水满足居民生活需求，HPE将富余风电以氢气的形式存储，实现了电‑氢的转化，风力不足时通过HFC将氢气再次以电能回馈电网，产生的热能可以通过热网供给用户，实现了电能‑氢能、氢能‑电能的双向转化，促进风能高效利用。
-
公开(公告)号：CN112529275B
公开(公告)日：2023-09-22
申请号：CN202011398774.6
申请日：2020-12-02
Applicant: 中国矿业大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/06 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于特征提取和深度学习的风电爬坡事件预测方法，首先，利用改进旋转门(OpSDA)算法对历史风电功率进行爬坡识别得到历史爬坡特征值；然后将历史特征值和历史功率作为预测模型输入，预测功率作为输出，建立CNN‑LSTM风电功率预测模型，通过深度学习挖掘风电爬坡特征与风电功率的耦合关系，其中CNN负责数据特征的二次提取，LSTM负责预测风电功率；最后再进行爬坡识别后得到爬坡事件预测结果。采用深度学习网络有效提取并学习风电中的爬坡特性，能得到更为精确的爬坡预测结果。
-
公开(公告)号：CN114679175A
公开(公告)日：2022-06-28
申请号：CN202210402454.6
申请日：2022-04-18
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于双改进型自适应陷波器的锁相环，涉及电网同步信号检测技术领域，设计出一种改进型自适应陷波器结构，并由此提出具有抑制直流偏移与负序电压能力的双改进型自适应陷波器作为锁相环环外滤波环节；滑动平均滤波器纳入到同步参考坐标系锁相环中作为环内滤波环节，实现双滤波设计。本发明公开的锁相环具有响应速度快、鲁棒性强等优点，适合于太阳能发电、风力等新能源并网系统，并且可推广到其他三相并网逆变器的控制方法及其他需要获取电网同步信号的场所当中。
-
公开(公告)号：CN112529275A
公开(公告)日：2021-03-19
申请号：CN202011398774.6
申请日：2020-12-02
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于特征提取和深度学习的风电爬坡事件预测方法，首先，利用改进旋转门(OpSDA)算法对历史风电功率进行爬坡识别得到历史爬坡特征值；然后将历史特征值和历史功率作为预测模型输入，预测功率作为输出，建立CNN‑LSTM风电功率预测模型，通过深度学习挖掘风电爬坡特征与风电功率的耦合关系，其中CNN负责数据特征的二次提取，LSTM负责预测风电功率；最后再进行爬坡识别后得到爬坡事件预测结果。采用深度学习网络有效提取并学习风电中的爬坡特性，能得到更为精确的爬坡预测结果。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
