-
公开(公告)号：CN111817347B
公开(公告)日：2021-08-31
申请号：CN202010739033.3
申请日：2020-07-28
Applicant: 河北工业大学
IPC: G06Q10/04
Abstract: 本发明一种基于改进量子遗传算法的双馈风机变流器参数辨识方法，包括步骤一、构建双馈风机变流器的辨识模型，确定待辨识参数；步骤二、对双馈风机施加扰动，并采集施加扰动后的双馈风机变流器d轴和q轴的参数，获取双馈风机变流器d轴的实际输出响应曲线与辨识模型的输出响应曲线、双馈风机变流器q轴的实际输出响应曲线与辨识模型的输出响应曲线；步骤三、通过改进量子遗传算法辨识参数，并输出辨识结果。该方法将传统量子遗传算法与非线性规划函数相结合，形成量子遗传‑非线性规划算法，增强了局部搜索能力，能够及时跳出局部最优解，获得全局最优解，辨识的结果更加精确；且记忆库的存在增加了改进量子遗传算法种群的多样性，加快了收敛速度。
-
公开(公告)号：CN111444626A
公开(公告)日：2020-07-24
申请号：CN202010266873.2
申请日：2020-04-07
Applicant: 河北工业大学
Abstract: 本发明为双馈风机结构参数在线参数辨识方法，该方法首先进行双馈风机的整体建模，根据所建立的数学模型，在风电场监控系统上采集辨识所需要的的电流电压转速数据。所辨识的参数为双馈风机的转子定子电阻电感互感，应用迭代的方法进行参数的计算，在迭代过程中加入相对加权因子提高辨识的精度，实现了双馈风机结构参数的在线辨识。
-
公开(公告)号：CN110188964B
公开(公告)日：2021-03-16
申请号：CN201910490826.3
申请日：2019-06-06
Applicant: 河北工业大学
Abstract: 本发明为一种基于相关性的光伏出力预测方法，该方法包括以下步骤：获取同地区参考光伏电站和目标光伏电站的光伏出力历史数据；对所获取的两个电站的历史数据分别做无遮归一化处理，分别求取各自的无遮天j时刻出力及每天j时刻的无遮系数；求取历史数据中各天的晴朗系数Z和突变系数C，归一化处理后对样本天进行聚类来分类天气；对参考光伏电站和目标光伏电站的各自的属于某类天气的所有样本无遮系数进行函数拟合，得到各类天气下两个电站的累计分布函数；用Copula函数对累计分布函数建立相关性；选择对应天气下的空间相关性模型，求出目标光伏电站的无遮系数，再求得目标光伏电站的功率预测结果。该方法成本低、所需数据量少、预测精度高。
-
Patent Agency Ranking
公开(公告)号：CN110259648B
公开(公告)日：2020-10-09
申请号：CN201910603546.9
申请日：2019-07-05
Applicant: 河北工业大学
Abstract: 本发明提出一种基于优化K‑means聚类的风机叶片故障诊断方法，该方法通过对某一风机故障帧和非故障帧的频域对比来确定该台风机的故障频率带。该方法基于廓系数优化K‑means聚类的效果，将一段声音信号的故障帧和非故障帧进行区分，并将特征帧的样本标签在时域上刻画条形图，综合分析同类特征帧的周期特性来判断某台风机的叶片是否故障。本申请无需大量样本，而且不必在桨叶上安装额外的装置，可以任意采集某台风机几个旋转周期的声音信号，通过本发明提出的方法进行诊断既可以判断该台风机叶片是否该故障，又可以确定故障的频率带的具体数值，对于单台风机的叶片故障诊断具有普适性。
-
公开(公告)号：CN110259648A
公开(公告)日：2019-09-20
申请号：CN201910603546.9
申请日：2019-07-05
Applicant: 河北工业大学
Abstract: 本发明提出一种基于优化K-means聚类的风机叶片故障诊断方法，该方法通过对某一风机故障帧和非故障帧的频域对比来确定该台风机的故障频率带。该方法基于廓系数优化K-means聚类的效果，将一段声音信号的故障帧和非故障帧进行区分，并将特征帧的样本标签在时域上刻画条形图，综合分析同类特征帧的周期特性来判断某台风机的叶片是否故障。本申请无需大量样本，而且不必在桨叶上安装额外的装置，可以任意采集某台风机几个旋转周期的声音信号，通过本发明提出的方法进行诊断既可以判断该台风机叶片是否该故障，又可以确定故障的频率带的具体数值，对于单台风机的叶片故障诊断具有普适性。
-
公开(公告)号：CN111817347A
公开(公告)日：2020-10-23
申请号：CN202010739033.3
申请日：2020-07-28
Applicant: 河北工业大学
Abstract: 本发明一种基于改进量子遗传算法的双馈风机变流器参数辨识方法，包括步骤一、构建双馈风机变流器的辨识模型，确定待辨识参数；步骤二、对双馈风机施加扰动，并采集施加扰动后的双馈风机变流器d轴和q轴的参数，获取双馈风机变流器d轴的实际输出响应曲线与辨识模型的输出响应曲线、双馈风机变流器q轴的实际输出响应曲线与辨识模型的输出响应曲线；步骤三、通过改进量子遗传算法辨识参数，并输出辨识结果。该方法将传统量子遗传算法与非线性规划函数相结合，形成量子遗传-非线性规划算法，增强了局部搜索能力，能够及时跳出局部最优解，获得全局最优解，辨识的结果更加精确；且记忆库的存在增加了改进量子遗传算法种群的多样性，加快了收敛速度。
-
公开(公告)号：CN111444626B
公开(公告)日：2022-03-15
申请号：CN202010266873.2
申请日：2020-04-07
Applicant: 河北工业大学
Abstract: 本发明为双馈风机结构参数在线参数辨识方法，该方法首先进行双馈风机的整体建模，根据所建立的数学模型，在风电场监控系统上采集辨识所需要的的电流电压转速数据。所辨识的参数为双馈风机的转子定子电阻电感互感，应用迭代的方法进行参数的计算，在迭代过程中加入相对加权因子提高辨识的精度，实现了双馈风机结构参数的在线辨识。
-
公开(公告)号：CN110188964A
公开(公告)日：2019-08-30
申请号：CN201910490826.3
申请日：2019-06-06
Applicant: 河北工业大学
Abstract: 本发明为一种基于相关性的光伏出力预测方法，该方法包括以下步骤：获取同地区参考光伏电站和目标光伏电站的光伏出力历史数据；对所获取的两个电站的历史数据分别做无遮归一化处理，分别求取各自的无遮天j时刻出力及每天j时刻的无遮系数；求取历史数据中各天的晴朗系数Z和突变系数C，归一化处理后对样本天进行聚类来分类天气；对参考光伏电站和目标光伏电站的各自的属于某类天气的所有样本无遮系数进行函数拟合，得到各类天气下两个电站的累计分布函数；用Copula函数对累计分布函数建立相关性；选择对应天气下的空间相关性模型，求出目标光伏电站的无遮系数，再求得目标光伏电站的功率预测结果。该方法成本低、所需数据量少、预测精度高。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.078 seconds)
