一种改进多目标灰狼算法的无线充电系统参数优化方法

    公开(公告)号:CN114444354B

    公开(公告)日:2024-06-14

    申请号:CN202210079217.0

    申请日:2022-01-24

    Abstract: 本发明提出了一种改进多目标灰狼算法的无线充电系统参数优化方法。本发明首先对磁谐振式无线充电系统进行数学建模,推导出关于传输效率和功率密度的解析表达式,构建优化目标模型和约束条件;对多目标灰狼算法进行改进,利用反向精英学习策略生成初始种群,引入非线性自适应权重改进灰狼位置更新公式,采用对数控制因子改进收敛因子曲线,有效提高了算法的收敛精度和收敛速度;以优化目标模型最小化作为优化目标,结合约束条件,通过改进后的多目标灰狼算法进行优化求解,得到无线充电系统的最优参数。本发明避免了传统无线充电系统参数优化过程中,多次进行有限元仿真造成的计算资源的浪费,同时也提高了系统的传输效率和功率密度。

    一种分段线圈式电动汽车无线充电系统及控制方法

    公开(公告)号:CN113511085A

    公开(公告)日:2021-10-19

    申请号:CN202110425410.0

    申请日:2021-04-20

    Abstract: 本发明属于电动汽车无线充电技术领域,尤其涉及一种分段线圈式电动汽车动态无线充电系统及控制方法。本发明提出的电动汽车动态无线充电系统由原边直流母线、发射模块和接收模块三部分构成。其中发射模块包括逆变电源及原边电路补偿部分、原边控制器、电流传感器、控制耦合器和发射线圈。该系统可以由电动汽车驾驶人主动控制充电过程的启动,让电动汽车无线充电系统更加高效。通过提出一种电动汽车动态无线充电系统的拓扑结构,从而解决常规动态无线充电在无电动汽车经过时依然持续放电的问题,进而减少电磁损耗;通过提出一种新型的原边信号控制方法,避免突发干扰引起的无负载启动问题,同时减轻控制电路的冗杂度,从而提高整个系统的经济性。

    一种改进多目标灰狼算法的无线充电系统参数优化方法

    公开(公告)号:CN114444354A

    公开(公告)日:2022-05-06

    申请号:CN202210079217.0

    申请日:2022-01-24

    Abstract: 本发明提出了一种改进多目标灰狼算法的无线充电系统参数优化方法。本发明首先对磁谐振式无线充电系统进行数学建模,推导出关于传输效率和功率密度的解析表达式,构建优化目标模型和约束条件;对多目标灰狼算法进行改进,利用反向精英学习策略生成初始种群,引入非线性自适应权重改进灰狼位置更新公式,采用对数控制因子改进收敛因子曲线,有效提高了算法的收敛精度和收敛速度;以优化目标模型最小化作为优化目标,结合约束条件,通过改进后的多目标灰狼算法进行优化求解,得到无线充电系统的最优参数。本发明避免了传统无线充电系统参数优化过程中,多次进行有限元仿真造成的计算资源的浪费,同时也提高了系统的传输效率和功率密度。

    一种分段线圈式电动汽车无线充电系统及控制方法

    公开(公告)号:CN113511085B

    公开(公告)日:2022-10-18

    申请号:CN202110425410.0

    申请日:2021-04-20

    Abstract: 本发明属于电动汽车无线充电技术领域,尤其涉及一种分段线圈式电动汽车动态无线充电系统及控制方法。本发明提出的电动汽车动态无线充电系统由原边直流母线、发射模块和接收模块三部分构成。其中发射模块包括逆变电源及原边电路补偿部分、原边控制器、电流传感器、控制耦合器和发射线圈。该系统可以由电动汽车驾驶人主动控制充电过程的启动,让电动汽车无线充电系统更加高效。通过提出一种电动汽车动态无线充电系统的拓扑结构,从而解决常规动态无线充电在无电动汽车经过时依然持续放电的问题,进而减少电磁损耗;通过提出一种新型的原边信号控制方法,避免突发干扰引起的无负载启动问题,同时减轻控制电路的冗杂度,从而提高整个系统的经济性。

    基于CEEMD和改进SSA-LSSVM的预测方法

    公开(公告)号:CN113836801A

    公开(公告)日:2021-12-24

    申请号:CN202111066960.4

    申请日:2021-09-13

    Abstract: 本发明属于风功率预测技术,具体涉及基于CEEMD和改进SSA‑LSSVM的预测方法,对历史风功率数据进行预处理;对数据进行CEEMD分解,得到的结果分别作为改进SSA‑LSSVM预测模型的输入;获得最优的SSA‑LSSVM预测模型并得到预测结果;采用改进SSA‑LSSVM预测模型进行训练建模,得到基于CEEMD和改进SSA‑LSSVM的超短期风功率预测模型;利用训练生成的风功率预测模型对各内涵模态分量IMF进行预测,得到各分量预测结果,并将每个分量预测的结果求和,得到预测时间内的风功率预测结果。该方法抑制了预测模型的自相关性,改进麻雀算法容易陷入局部最优的难题,大大提高了风功率预测精度。

    一种基于长短期记忆模块的短期风功率预测方法

    公开(公告)号:CN113487068A

    公开(公告)日:2021-10-08

    申请号:CN202110685441.X

    申请日:2021-06-21

    Abstract: 本发明提供了一种基于长短期记忆模块的短期风功率预测方法,包括:获取原始风功率数据,并对原始风功率数据进行预处理得到预处理数据;对预处理数据进行改进经验模态分解处理得到多个内涵模态分量;将多个内涵模态分量输入长短期记忆模型得到初始预测结果;基于原始风功率数据和初始预测结果确定误差序列,并将误差序列输入自回归滑动平均模型得到修正误差序列;基于修正误差序列和初始预测结果确定目标预测结果。本发明采用改进经验模态分解对风功率预处理数据进行分解,能够减少由增加白噪声带来的重构误差,可抑制模态分裂的问题,采用自回归滑动平均模型对误差序列进行修正,使得目标预测结果与实际值更加接近,得到更准确的预测结果。

    一种基于长短期记忆模块的短期风功率预测方法

    公开(公告)号:CN113487068B

    公开(公告)日:2023-03-24

    申请号:CN202110685441.X

    申请日:2021-06-21

    Abstract: 本发明提供了一种基于长短期记忆模块的短期风功率预测方法,包括:获取原始风功率数据,并对原始风功率数据进行预处理得到预处理数据;对预处理数据进行改进经验模态分解处理得到多个内涵模态分量;将多个内涵模态分量输入长短期记忆模型得到初始预测结果;基于原始风功率数据和初始预测结果确定误差序列,并将误差序列输入自回归滑动平均模型得到修正误差序列;基于修正误差序列和初始预测结果确定目标预测结果。本发明采用改进经验模态分解对风功率预处理数据进行分解,能够减少由增加白噪声带来的重构误差,可抑制模态分裂的问题,采用自回归滑动平均模型对误差序列进行修正,使得目标预测结果与实际值更加接近,得到更准确的预测结果。

Patent Agency Ranking