一种海上风电混合储能系统的实时控制方法

    公开(公告)号:CN116231688B

    公开(公告)日:2023-10-31

    申请号:CN202210527294.8

    申请日:2022-05-16

    Abstract: 本发明提供了一种海上风电混合储能系统的实时控制方法,包括步骤S1对于风电场发出原始风电,预设所述原始风电并网功率的门限值,若所述原始风电的并网功率满足所述门限值,所述原始风电作为并网风电输入到电网;若所述原始风电的并网功率不满足于门限值,原始风电作为储能风电进入到储能系统;步骤S2根据分配指令将所述储能风电分别分配给所述储能系统中的蓄电池和超级电容;步骤S3所述储能风电经储能系统后输入到电网中。本发明通过分配指令将储能风电准确有效的分配到储能系统中,进行混合储能系统能量管理,充分发挥蓄电池和超级电容的功率能量互补特性,保持储能系统的长期稳定运行。提高蓄电池和超级电容的使用寿命。

    基于统一稳定约束的LCL-SAPF致稳控制方法

    公开(公告)号:CN116760108B

    公开(公告)日:2024-01-05

    申请号:CN202311047287.9

    申请日:2023-08-21

    Abstract: 本发明涉及基于统一稳定约束且适用多电流策略的LCL‑SAPF致稳控制方法,首先基于虚拟导纳模型评估最大有源阻尼边界频率及边界前后正负阻尼特性,以此作为LCL初始谐振频率范围的分段依据;其次,针对LCL初始谐振频率位于不同频段情况,利用前向内环根轨迹第一约束、前向最小相位特性第二约束及不同线路阻抗下前向开环频率特性,归纳得到各情况下的统一稳定约束;最后,根据统一稳定约束具现化的增益曲线或曲面,进行线路阻抗普适性控制参数修正设计。本发明的有益效果是:本发明适用于多种LCL‑SAPF电流策略,在新能源电站大量接入引起线路阻抗变化时均可实现系统致稳运行,使其具备优良的波动普适性与谐波补偿性能。

    一种海上风电混合储能系统的实时控制方法

    公开(公告)号:CN116231688A

    公开(公告)日:2023-06-06

    申请号:CN202210527294.8

    申请日:2022-05-16

    Abstract: 本发明提供了一种海上风电混合储能系统的实时控制方法,包括步骤S1对于风电场发出原始风电,预设所述原始风电并网功率的门限值,若所述原始风电的并网功率满足所述门限值,所述原始风电作为并网风电输入到电网;若所述原始风电的并网功率不满足于门限值,原始风电作为储能风电进入到储能系统;步骤S2根据分配指令将所述储能风电分别分配给所述储能系统中的蓄电池和超级电容;步骤S3所述储能风电经储能系统后输入到电网中。本发明通过分配指令将储能风电准确有效的分配到储能系统中,进行混合储能系统能量管理,充分发挥蓄电池和超级电容的功率能量互补特性,保持储能系统的长期稳定运行。提高蓄电池和超级电容的使用寿命。

    一种实时电价驱动的户用光储系统能量管理方法

    公开(公告)号:CN117638850A

    公开(公告)日:2024-03-01

    申请号:CN202210665984.X

    申请日:2022-06-13

    Abstract: 本发明涉及电力与能源技术,旨在提供一种实时电价驱动的户用光储系统能量管理方法。首先判断光储系统中光伏输出功率与负荷功率是否相等;若相等,则储能电池不充不放,光伏输出功率全部供给家用负荷;若不相等,则根据电池SOC信息、光储系统度电成本与当前购电价比较信息,以及储能电池放电补充功率的缺额或盈余情况,来决定只有储能电池参与充放电或由储能电池与电网共同参与调节;其中,在光储系统度电成本低于当前购电成本时,储能电池满足放电条件,否则满足充电条件。本发明可使户用光储系统在实时电价机制内,以户用光储系统运行成本最低为目标,控制储能系统的充放电,实现户用光储系统经济高效运行,同时满足储能电池安全性的要求。

    一种基于监督神经网络的连铸坯皮下夹渣缺陷实时预报方法

    公开(公告)号:CN112101445B

    公开(公告)日:2023-11-28

    申请号:CN202010943916.6

    申请日:2020-09-09

    Applicant: 浙江大学

    Abstract: 本发明公开一种基于监督神经网络的连铸坯皮下夹渣缺陷实时预报方法,该方法首先使用T阈值下的K均值算法对样本进行预处理,随后使用堆叠缺陷相关的自编码器提取有效特征,作为分类模型的输入,对钢铁连铸过程中的夹渣情况进行预测估计。针对夹渣故障分类中的正负样本不平衡特点,本发明的方法在对占多数的正常样本集进行K‑means聚类时,引入阈值T的限制,使获得的各类大小趋于一致,提升样本的平衡度;针对训练样本中存在与缺陷不相关或相关性较小的信息,在数据预训练时采用了基于缺陷相关的堆叠自编码器特征提取方法,减少不相关的信息,以提高后续分类准确性。

    基于多变量深度重构神经网络的甲烷化炉碳氧化物含量多步预测方法

    公开(公告)号:CN115938498A

    公开(公告)日:2023-04-07

    申请号:CN202211623518.1

    申请日:2022-12-16

    Applicant: 浙江大学

    Inventor: 宋执环 陈雨薇

    Abstract: 本发明公开一种基于多变量深度重构神经网络的甲烷化炉碳氧化物含量多步预测方法,该方法充分利用历史可测量炉内温度等过程变量数据和历史碳氧化物含量间的相互作用,引入历史过程变量指导,通过堆叠结构提取序列的深层关联特征,通过前向预测和反向重构层,以最小化累计预测误差的方式实现对碳氧化物序列更准确的预测;本发明能够充分利用甲烷化炉过程数据及质量数据的连续性和时序性,提高了过程数据在序列建模上的利用率,丰富了序列特征,并提升了模型预测的准确性,实现了对甲烷化炉碳氧化物含量的多步预测。

    一种基于监督神经网络的连铸坯皮下夹渣缺陷实时预报方法

    公开(公告)号:CN112101445A

    公开(公告)日:2020-12-18

    申请号:CN202010943916.6

    申请日:2020-09-09

    Applicant: 浙江大学

    Abstract: 本发明公开一种基于监督神经网络的连铸坯皮下夹渣缺陷实时预报方法,该方法首先使用T阈值下的K均值算法对样本进行预处理,随后使用堆叠缺陷相关的自编码器提取有效特征,作为分类模型的输入,对钢铁连铸过程中的夹渣情况进行预测估计。针对夹渣故障分类中的正负样本不平衡特点,本发明的方法在对占多数的正常样本集进行K‑means聚类时,引入阈值T的限制,使获得的各类大小趋于一致,提升样本的平衡度;针对训练样本中存在与缺陷不相关或相关性较小的信息,在数据预训练时采用了基于缺陷相关的堆叠自编码器特征提取方法,减少不相关的信息,以提高后续分类准确性。

Patent Agency Ranking