-
公开(公告)号:CN116599079A
公开(公告)日:2023-08-15
申请号:CN202310459561.7
申请日:2023-04-26
Applicant: 哈尔滨理工大学
IPC: H02J3/24 , G06F30/27 , G06N3/0464 , G06N3/08 , G06F18/2415
Abstract: 本发明提供一种基于分数阶卷积神经网络与深度迁移学习定位次同步振荡源的方法,属于电力系统次同步振荡领域,所述次同步振荡源定位方法包括短时傅里叶变换(STFT),分数阶卷积神经网络,和深度迁移学习。首先在RSCAD中根据实际系统构建双馈风机串补等效仿真系统,通过该系统产生次同步振荡,再通过STFT对获取的数据进行处理,并通过线性映射转换为图像;构建两个分数阶卷积神经网络模型,一个仿真系统,一个实际系统,将得到的图像输入到仿真系统分数阶卷积神经网络中进行训练,最后通过深度迁移学习将训练模型迁移到实际系统之中,在利用实际运行数据进行训练微调,实现系统次同步振荡的振源定位。该方法具有能够快速有效的定位次同步振荡源的优点。
-
公开(公告)号:CN119651675A
公开(公告)日:2025-03-18
申请号:CN202510133946.3
申请日:2025-02-06
Applicant: 哈尔滨理工大学
Abstract: 一种构网型双馈风电机组次同步振荡抑制方法及装置,涉及电气工程和电力系统控制技术领域。为解决现有技术中存在的,现有的构网型双馈风电机组次同步振荡抑制方法中,控制方法的鲁棒性不足,以及系统解耦不充分的技术问题,本发明提供的技术方案为:包括:建立基于双馈感应电机定子dq轴电流、转子dq轴电流及转子角速度的动态模型;然后,对转子的电流方程进行可逆性分析以确认其可逆性;接着,应用逆系统理论对转子电流方程进行解耦,生成可控的伪线性系统;此外,采用内模控制策略增强伪线性系统的鲁棒性,并通过一阶低通滤波器对系统误差进行实时补偿,以优化对建模误差和外部扰动的响应。可应用于风力发电控制系统的工作中。
-
公开(公告)号:CN119726808A
公开(公告)日:2025-03-28
申请号:CN202510133953.3
申请日:2025-02-06
Applicant: 哈尔滨理工大学
Abstract: 一种用于分布式电源接入的次同步振荡抑制方法及装置,涉及电力系统技术领域。为解决:如何在分布式电源接入的电力系统中抑制小干扰引发的次同步振荡,同时减少抖振问题,提升系统稳定性的技术问题,本发明提供的技术方案为:一种用于分布式电源接入的次同步振荡抑制方法,包括:构建滑模面,所述滑模面以目标系统的电流的参考值与实际值的误差为状态变量,结合比例系数和积分系数构建;通过引入分数阶指数趋近律设计滑模趋近律,所述分数阶指数趋近律用于动态调整滑模控制趋近速度;基于分数阶指数趋近律的滑模控制结果,结合目标系统等效电感、电阻和同步转速,动态生成换流器的输出控制信号。适合应用于次同步振荡抑制的工作中。
-
-