一种离网型风光互补制储氢系统及其容量配置方法

    公开(公告)号:CN115001150B

    公开(公告)日:2024-07-26

    申请号:CN202210784611.4

    申请日:2022-06-29

    Abstract: 本发明为一种离网型风光互补制储氢系统及其容量配置方法,所述离网型风光互补制储氢系统包括光伏发电组件、风力发电组件、制氢变流器组件、电解槽组件、储氢罐组件、蓄电池组件和燃料电池组件;蓄电池组件与和燃料电池组件的结合,作为离网型风光互补制储氢系统的电力支撑,保证系统中各组件的基本运行用电需求;蓄电池组件还用于平抑可再生能源的间歇性与波动性,达到平滑可再生能源输出功率的效果,从而保证系统的稳定性;燃料电池组件将氢能转换为电能效率不超过50%,将电解槽、水箱、氢燃料电池串联构成水循环和热回收结构,氢燃料电池工作过程中产生的热水作为热能供应;产生的冷水进入电解槽储水箱用于电解水制氢,实现水循环利用。

    基于变换器的建模方法、装置以及电子设备

    公开(公告)号:CN114337210B

    公开(公告)日:2023-12-29

    申请号:CN202210026587.8

    申请日:2022-01-11

    Abstract: 本发明公开了一种基于变换器的建模方法、装置以及电子设备。其中,该方法包括:获取变换器中多个开关的开关状态,其中,变换器中的每个桥臂上设置有至少两个开关;根据开关状态确定变换器对应的多种充放电状态;根据多种充放电状态对状态空间表达式的参数进行调整,得到目标状态空间表达式,其中,状态空间表达式用于表征变换器的工作状态;基于目标状态空间表达式构建目标数学模型,其中,目标数学模型用于对变换器的电流纹波进行分析。本发明解决了现有技术中在分析变换器的电流纹波时所存在的分析效率低的技术问题。

    离子膜的故障检测方法及装置

    公开(公告)号:CN113945569B

    公开(公告)日:2023-12-26

    申请号:CN202111163342.1

    申请日:2021-09-30

    Abstract: 本发明公开了一种离子膜的故障检测方法及装置。其中,该方法包括:获取离子膜图像集,其中,上述离子膜图像集中包含不同故障类别的多个离子膜;基于上述故障类别对上述离子膜图像集进行标注处理,得到标注数据集,其中,上述标注数据集包括:训练集、验证集和测试集;采用上述标注数据集训练目标残差网络模型,得到离子膜故障检测模型,其中,上述目标残差网络模型为进行了自然图像特征迁移而得到的神经网络模型;采用上述离子膜故障检测模型检测制氢设备的离子膜是否出现故障,得到故障检测结果。本发明解决了现有技术中使用现有的基于卷积神经网络模型的离子膜故障检测方法容易产生过拟合,无法兼顾检测处理速度和检测准确率的技术问题。

    光伏制氢站的功率配置方法和装置

    公开(公告)号:CN113162022B

    公开(公告)日:2023-06-06

    申请号:CN202110217801.3

    申请日:2021-02-26

    Abstract: 本发明公开了一种光伏制氢站的功率配置方法和装置。其中,应用于光伏发电系统中,光伏发电系统至少包括光伏组件、储能电池以及制氢设备,该方法包括:获取光伏组件的输出功率、储能电池的储能功率以及制氢设备的电解槽功率,其中,储能电池用于稳定光伏发电系统中直流母线的电压;获取光伏发电系统的总成本函数;根据输出功率、储能功率以及电解槽功率确定总成本函数对应的约束条件;基于约束条件确定总成本函数收敛时,光伏组件的目标输出功率以及储能电池的目标储能功率,以使光伏组件输出的目标输出功率的功率波动最小。本发明解决了由于光伏组件输出的功率波动较大,导致制氢设备的安全性能差的技术问题。

    一种基于CEEMDAN-IGWO-N-BEATS的风电场超短期风向预测方法

    公开(公告)号:CN115600725A

    公开(公告)日:2023-01-13

    申请号:CN202211103988.5

    申请日:2022-09-09

    Abstract: 本发明公开一种基于CEEMDAN‑IGWO‑N‑BEATS的风电场超短期风向预测方法。为降低原始风向数据信号波动性,本发明预测方法利用CEEMDAN算法将原始风向序列信号分解为一系列本征模态分量和一组残差分量;为避免灰狼优化算法陷入局部最优解,提升局部搜索精度,采用动态调整非线性收敛因子策略,利用基于停滞检测的扰动因子选择机制和基于影响力系数的越界重置策略提高算法收敛性,并对N‑BEATS模型中超参数寻优,进而对各个分量预测;最后把各分量预测结果合并得到最终的预测结果。本发明预测方法在针对风电机组风向时间序列预测研究中不论是预测精度还是在泛化性、可解释性上都优于传统的神经网络模型,可以有效应用于实际场景中对风电机组风向的预测。

    风机传感器数据重构方法、装置与计算机可读存储介质

    公开(公告)号:CN113157992B

    公开(公告)日:2022-09-30

    申请号:CN202110130797.7

    申请日:2021-01-29

    Abstract: 本申请提供了一种风机传感器数据重构方法、装置与计算机可读存储介质。该方法包括:获取风机传感器的历史数据,历史故障数据包括第一类历史故障数据和第二类历史故障数据;对标准LSTM模型进行优化,得到优化LSTM模型;基于优化LSTM模型,构建数据预重构模型;采用第一类历史故障数据和第二类历史故障数据分别对数据预重构模型进行训练,得到第一类数据重构模型和第二类数据重构模型;采用第一类数据重构模型对第一类实时故障数据进行重构,得到重构后的第一类实时故障数据;采用第二类数据重构模型对第二类实时故障数据进行重构,得到重构后的第二类实时故障数据。实现了对风机传感器的不同种类的故障数据的精确重构。

Patent Agency Ranking