-
公开(公告)号：CN117891196A
公开(公告)日：2024-04-16
申请号：CN202311820316.0
申请日：2023-12-27
IPC分类号： G05B19/042 , H03K7/08 , G06F15/78 , G06F30/20
摘要： 本发明是一种基于FPGA集成芯片的PWM脉宽调制信号参考波恢复系统，包括相互连接的FPGA集成芯片单元和DAC数模转换模块。FPGA集成芯片单元包括相互连接的采集模块、映射模块、平均值模型计算模块、幅值转换模块、跨时钟域缓存模块、SPI通信模块。采集模块用于采集PWM脉宽调制信号，映射模块用于将PWM脉宽调制信号映射成三电平{1，0，‑1}，平均值模型计算模块用于计算出映射三电平信号的参考波幅值，幅值转换模块用于转换数据格式，跨时钟域缓存模块用于将相应数据格式同步到SPI通信模块，并将双端口ram的数据发送给DAC数模转换模块，将幅值转换模块输出的参考波幅值转换成连续波输出。本发明还具有系统结构优化、仿真系统可靠、数据运算量低和系统运行稳定的优点。
-
公开(公告)号：CN117852571A
公开(公告)日：2024-04-09
申请号：CN202410083999.4
申请日：2024-01-19
摘要： 一种基于粒子群的故障电流衰减时间常数计算方法，包括以下步骤：步骤一、定义电流衰减曲线函数；步骤二、选取实际故障录波波形中要拟合部分的曲线；步骤三、定义目标函数；步骤四、定义粒子群、粒子群中各粒子的位置及移动速度，并对各粒子的位置及移动速度进行初始化，初始化粒子个体和群体的历史最优位置；步骤五、更新每个粒子的移动速度和移动位置，计算每个粒子自定义目标函数的适应值及每个粒子在若干故障时刻的相对误差；步骤六、根据每个粒子在若干故障时刻的相对误差更新粒子个体和群体历史最优位置，判断是否满足终止条件，若不满足条件则重新执行步骤五。计算方法更简单，且得到的故障电流衰减时间常数更为准确。
-
公开(公告)号：CN117892507A
公开(公告)日：2024-04-16
申请号：CN202311821852.2
申请日：2023-12-27
申请人： 国网湖北省电力有限公司电力科学研究院 , 国网湖北省电力有限公司
IPC分类号： G06F30/20 , H02J3/00 , G06F113/04
摘要： 本发明是一种故障录波数据转换为电磁暂态仿真数据的方法，步骤包括：CFG配置文件处理，DAT文件处理，数据输入与对比。CFG配置文件处理包括：依次读取：变电站名称、量测和遥信的总数量、量测数量、各量测配置信息、遥信数量、各遥信配置信息、频率数据、采样速率数量、采样频率、采样个数、时间参数、DAT文件格式类型。DAT文件处理包括：打开DAT文件，读取和分析DAT文件数据。数据输入与比对包括：将各量测中计算出来的点数据输入到符合电磁暂态仿真系统格式的量测数据文件中，利用电磁暂态仿真计算数据与仿真量测数据的对比值来判断故障计算结果与实际故障结果的差异。本发明具有数据转换可靠，正确验证仿真故障计算结果的优点。
-
公开(公告)号：CN117892506A
公开(公告)日：2024-04-16
申请号：CN202311819305.0
申请日：2023-12-27
申请人： 国网湖北省电力有限公司电力科学研究院 , 国网湖北省电力有限公司
IPC分类号： G06F30/20 , H02J3/02 , G06F30/18 , G06F9/50 , G06F113/04
摘要： 本发明是一种交直流大电网电磁暂态仿真负载均衡分网系统及方法。所述分网系统是：边界线路获取模块、最小化分网子系统生成模块、权重计算模块和METIS图划分模块。利用边界线路获取模块计算形成可用于分网的边界线路元件集合。利用最小化分网子系统生成模块生成基于边界点的以边界线路为外延的不可分割的最小化分网子系统。利用权重计算模块形成子系统作为独立顶点权重信息和边界线路为外延边权重信息。利用METIS图划分模块形成预估子系统计算量和计及多核cpu负载均衡分网子系统。所述分网方法是：集合信息建立，最小化分网子系统生成，权重信息描述，负载均衡分网子系统生成。本发明具有系统结构简单、负载均衡可靠、仿真模型优化、综合性能良好的优点。
-
公开(公告)号：CN115619028A
公开(公告)日：2023-01-17
申请号：CN202211327749.8
申请日：2022-10-26
IPC分类号： G06Q10/04 , G06Q50/06 , G06F18/23213 , G06F18/214 , G06F18/24 , G06N3/048 , G06N3/08
摘要： 本发明提出一种基于聚类算法融合的电力负荷精准预测方法，该预测方法引入了聚类算法，与改进型多输出ANN预测模型相结合。首先对样本数据进行预处理，并使用最大最小归一化方法对样本数据进行归一化处理，再利用K‑means聚类算法对样本进行聚类，采用同类特征的数据作为预测输入，强化了样本规律性，提升预测精度；之后引入多输出策略改进传统的ANN预测模型，提升了模型拟合程度，使输出更接近实际值，将聚类算法与ANN预测模型相结合，构成组合预测模型。与传统ANN预测模型及典型深度学习预测模型相比，本发明所提方法提升了预测精度，且具有良好的学习性和适应性。该发明进一步提高了负荷预测精度，具有一定的参考价值。
-
公开(公告)号：CN118645992A
公开(公告)日：2024-09-13
申请号：CN202410689561.0
申请日：2024-05-30
发明人： 黄亮 , 庹量禹 , 崔一铂 , 凌在汛 , 孙朝霞 , 顾一鸣 , 向慕超 , 吴笑民 , 刘曼佳 , 邓桂平 , 陈文 , 韩鸿凌 , 金晨 , 阮佳楠 , 田晨丞 , 宋杨 , 鲁金华 , 万冲
IPC分类号： H02J3/00 , G06N3/0442 , G06N3/049 , G06N3/048 , G06N3/08 , G06Q50/06 , G06Q50/40 , B60L3/12 , B60L53/00
摘要： 一种基于IACO‑Attention‑LSTM的电动汽车充电负荷预测方法，选择电价以及节假日作为输入变量；IACO算法采用精英蚂蚁系统和最小最大蚂蚁系统，使用IACO算法对LSTM神经网络进行优化时，IACO反馈LSTM神经网络的预测误差；进行IACO‑LSTM方法负荷预测前，IACO算法对LSTM进行训练，选择不同的超参数对数据集进行训练并预测输出结果，根据预测结果和真实负荷值的误差确定让蚂蚁最快遍历所有目标的超参数，在迭代次数完成之后输出最优解，赋值给LSTM神经网络，确定最终LSTM神经网络预测模型，运用Attention机制对所有预测结果进行整合，得到预测结果，以提升预测准确性和效率。
-
公开(公告)号：CN118569576A
公开(公告)日：2024-08-30
申请号：CN202410690369.3
申请日：2024-05-30
发明人： 凌在汛 , 向慕超 , 崔一铂 , 黄亮 , 庹量禹 , 刘曼佳 , 佟翾 , 张帅 , 成诚 , 吴笑民 , 刘鸣柳 , 易忱 , 韩鸿凌 , 金晨 , 阮佳楠 , 田晨丞 , 焦海文 , 阮庄
IPC分类号： G06Q10/0631 , G06Q50/06 , G06Q50/40 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N3/086 , G06N3/006
摘要： 本发明提供了一种基于IGwo‑Attention‑LSTM的电动汽车充电负荷预测方法，其结合了GWO优化算法，提出了IGWO和IACO算法，用于改进LSTM模型的超参数设定，从而提高模型的性能和泛化能力；并引入了Attention机制，对LSTM多个时间步的预测结果进行整合，使得模型能够更好地捕捉时间序列数据的关联性和重要性；同时通过改进GWO算法的缺点，IGWO‑Attention‑LSTM算法在负荷预测中展现出更高的准确性和稳定性，准确的负荷预测可以帮助充电站在高峰期提前做好准备，避免能源浪费和高峰时段的能源成本增加，从而节约能源成本。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.057 秒)
