公开(公告)号：CN112948462A

公开(公告)日：2021-06-11

申请号：CN202110220371.0

申请日：2021-02-26

Applicant: 武汉大学 ,  国网青海省电力公司电力科学研究院

Inventor： 邓长虹 ,  杨秋玲 ,  王学斌 ,  甘嘉田 ,  卢国强 ,  傅国斌 ,  丁玉杰

IPC: G06F16/2458 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/06 ,  G01W1/10

Abstract: 本发明公开了一种基于改进的奇异谱分析和Bp神经网络的超短期风速预测方法，包括了以下步骤：S1、获取风速历史数据；S2、采用改进的奇异谱分析将风速序列分解成一系列子序列，其中改进的奇异谱分析引入奇异熵判断风速序列的噪声成分并去除；S3、划分每个子序列的训练数据，分别建立Bp神经网络模型并完成训练；S4、对改进奇异谱分析分解得到的子序列分别预测；S5、组合所有子序列的预测结果完成风速预测。本发明通过改进的奇异谱分析去除了原始风速序列的噪声影响，进一步提高了风速的预测精度。

公开(公告)号：CN119886408A

公开(公告)日：2025-04-25

申请号：CN202411803801.1

申请日：2024-12-10

Applicant: 武汉大学

Inventor： 邓长虹 ,  敬照亮 ,  杨秋玲

IPC: G06Q10/04 ,  F03B15/00 ,  G05B13/04 ,  H02J3/28 ,  H02J15/00 ,  G06Q50/06

Abstract: 本发明公开了一种变速抽蓄AES多阶段柔性自适应控制参数优化方法，至少解决了AES控制器参数优化的问题。该方法包含：读取变速抽水蓄能机组工作阶段信号，判断AES‑MSC控制器当前所处工作阶段；调用AES‑MSC控制器参数优化算法对当前所处工作阶段的优化目标函数进行迭代优化，使AES‑MSC控制器参数达到最优；根据AES‑MSC控制器当前所处工作阶段，基于有限状态机原理调用AES‑MSC控制器当前工作阶段的离线仿真模型；达到最大迭代次数时，输出AES‑MSC控制器的参数优化结果；将参数优化结果代入离线仿真模型进行验证；验证结果不及预期，再次迭代优化；验证结果达到预期，保存AES‑MSC控制器参数优化结果。

公开(公告)号：CN119270676A

公开(公告)日：2025-01-07

申请号：CN202411384157.9

申请日：2024-09-30

Applicant: 武汉大学

Inventor： 邓长虹 ,  敬照亮 ,  杨秋玲

IPC: G05B17/02

Abstract: 本发明提出一种大型可变速抽水蓄能机组励磁变流控制器半实物仿真模型，包含：基于交流励磁系统控制原理的网侧变流控制器半实物仿真模型和机侧变流控制器半实物仿真模型。模型具有统一标准的接口，以适应不同机组模型；模型能根据工况自动调整励磁变流控制器算法，以适应机组不同的运行工况；不同运行工况励磁变流控制器模块化，以适应未来机组工况扩展需求，后期维护灵活方便；采用MEX封装模型，使得模型封闭并且与控制器参数整定剥离，最大程度保护各方成果。

公开(公告)号：CN120010248A

公开(公告)日：2025-05-16

申请号：CN202510050399.2

申请日：2025-01-13

Applicant: 武汉大学

Inventor： 邓长虹 ,  敬照亮 ,  杨秋玲

IPC: G05B13/04

Abstract: 本发明公开了一种变速抽蓄AES多阶段柔性自适应控制参数自动在线辨识方法，所述方法包括：S1、读取机组工作阶段信号，判断MSC当前所处工作阶段；S2、基于MSC当前所处工作阶段，采用三相伪随机序列对MSC控制器硬件在环的二次测量信号进行激励；S3、采用粒子群算法识别MSC控制器的比例和积分参数；S4、机组工作阶段变化且不是停机阶段，跳转至S1，开始下一工作阶段的参数辨识；S5、机组工作阶段为停机阶段，退出辨识程序。采用三相伪随机序列对MSC控制器二次侧测量信号进行激励，避免对控制器中间变量进行操作，增强了工程实用性；基于控制器内环和外环同时激励的控制参数辨识方法，有效解决了级联PI控制器的分步辨识问题。

公开(公告)号：CN119204114A

公开(公告)日：2024-12-27

申请号：CN202411323003.9

申请日：2024-09-23

Applicant: 武汉大学

Inventor： 刘晓莉 ,  张洋宁 ,  杨秋玲 ,  邓长虹

IPC: G06N3/0475 ,  G06N3/0464 ,  G06N3/094 ,  G06F30/27 ,  G06F113/06 ,  G06F119/06

Abstract: 本发明公开了一种基于条件生成对抗网络的风电场历史功率估计方法及系统，以临近风电场的历史风速、功率数据和新建风电场的历史风速数据为样本，构造多源融合三维数据矩阵，通过条件生成对抗网络的三维卷积核同时捕获输入数据的时空相关性特性，通过批归一化减少网络参数，提升网络稳定性与学习能力，通过在判别器损失函数中引入Wasserstein距离来避免出现训练困难及模式崩溃等问题，训练一个基于条件生成对抗网络的数据估计模型。对于训练完毕的生成器网络模型，使用网络的前向传播估计新建风电场历史功率数据。本发明采用三维卷积核条件生成对抗网络进行数据估计，克服了新建风电场历史数据缺失的不足，为后续高精度预测模型的建立提供了充足的训练数据。