-
公开(公告)号：CN114401545B
公开(公告)日：2024-05-14
申请号：CN202210024126.7
申请日：2022-01-11
Applicant: 福州大学
Abstract: 本发明提出一种带授时功能的5G能源互联网网关及所组网络的工作方法，包括：中央处理器、以及分别连接中央处理器的5G通信模块、授时信号输出模块和协议转换模块；所述5G通信模块用于连接5G基站；所述协议转换模块用于通过能源互联网设备对应的接口与能源互联网设备构成连接；所述授时信号输出模块与能源互联网设备连接，将从5G通信模块获取的时基信号输出至能源互联网设备。同时解决了分布式微电网的低时延通讯和高精度授时问题，具有成本低，安装实施便捷的优点。
-
公开(公告)号：CN107994798B
公开(公告)日：2024-03-12
申请号：CN201810027553.4
申请日：2018-01-11
Applicant: 福州大学 , 科华恒盛股份有限公司
Abstract: 本发明公开了一种含在线故障诊断的双向双buck逆变器及其工作方法，系统包含了逆变器、采样电路、隔离驱动电路和控制器，控制器基于双向工作模式读取目标输入输出值，基于MPC确定用于目标预测操作参数，分别确定用于目标的预测成本值，根据成本值选择可能目标值中最优的一个并设置目标值；控制器根据所设置的目标值来调整输出实现对逆变器功率开关管的控制。控制器根据数据分析、特征提取以及特征融合进行故障判断，包括阈值判断和残差判断，完成故障报警与定位。本发明系统响应快，实时性和可靠性高，诊断时所需输入量少，无需增加额外的检测电路，快速诊断和定位出逆变器系统的故障，可以有效的提升直流微网的运行环境，保证系统安全可靠运行。
-
公开(公告)号：CN116738317A
公开(公告)日：2023-09-12
申请号：CN202310752614.4
申请日：2023-06-25
Applicant: 福州大学
IPC: G06F18/241 , G01R31/00 , G01R31/54 , G01R31/26 , G06F18/2415 , G06F18/2131 , G06F18/10 , G06N3/048 , G06N3/08
Abstract: 本发明的目的在于提供一种基于小波包能量交叉熵和大脑情感学习神经网络的MMC在线故障诊断方法，采用小波包分解采集的MMC模块化多电平故障桥臂电流离线数据，得到各频段能量熵，并求取相邻频段能量交叉熵；接着采用T‑SNE非线性降维对能量交叉熵数据进行降维，作为最终的数据特征训练FBELNN；将实时采集到的MMC桥臂数据进行上述特征提取，然后输入到训练好的FBELNN模型中，进行在线故障诊断。
-
公开(公告)号：CN113609955B
公开(公告)日：2023-08-08
申请号：CN202110878138.1
申请日：2021-07-30
Applicant: 福州大学
IPC: G06F18/10 , G06F18/214 , G06N3/0499 , G06N3/084 , G06F30/27 , G06F119/04
Abstract: 本发明涉及一种基于深度学习和数字孪生的三相逆变器参数辨识方法和系统，步骤S1：引入混合逻辑动态模型来构建三相逆变器的高精度仿真模型；步骤S2：采集实际电路的输入输出电流和输入输出电压等信号，并进行去噪处理；步骤S3：对神经网络进行训练、验证和测试后，将同时刻的数字孪生模型的仿真数据和实际电路模型的输出数据进行作差，构建神经网络的目标函数，采用梯度下降法更新神经网络中的权值，用新的元件参数更新所述的数字孪生模型；步骤S4：反复调整神经网络中的权值直至神经网络的目标函数小于所设置的阈值；输出数字孪生模型的元件参数，实现实际电路的元件参数在线快速辨识。本发明能在不对系统侵入的情况下更经济、更可靠地对元件参数进行辨识以对三相逆变器的运行状态进行监测。
-
公开(公告)号：CN115730703A
公开(公告)日：2023-03-03
申请号：CN202211346648.5
申请日：2022-10-31
Applicant: 福州大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/049 , G06N3/048
Abstract: 本发明提出基于深度交叉时间卷积网络DTCN模型的电力负荷预测方法，用于超短期电力负荷的预测，所述预测方法利用数据集中的连续型与离散型特征向量，通过用DCN进行自动特征工程提取数据特征，将整理后的稠密向量，按时间顺序堆叠起来输入到TCN中预测，分别通过使用sigmoid和tanh激活函数和扩大因果卷积，拟合参数，建立模型，最终解码获取负荷的超短期预测结果；本发明，对数据容量要求低，预测速度快，精度高。
-
Patent Agency Ranking
公开(公告)号：CN111884201B
公开(公告)日：2022-05-13
申请号：CN202010729079.7
申请日：2020-07-27
Applicant: 福州大学 , 福建省力得自动化设备有限公司
Abstract: 本发明涉及一种基于模糊控制的直流微电网电压补偿和功率分配方法及系统，包含电压补偿和功率分配两个部分。本发明所述的电压补偿方法基于模糊控制，首先通过将各单元的输出电流与输出电压偏差进行模糊化后作为第一模糊控制器的输入量，经过模糊推理，得到电压补偿值，解决传统下垂控制母线电压跌落的问题。本发明所述功率分配方法基于模糊控制，首先将各单元的归一化输出电流与系统平均输出电流的偏差进行模糊化作为第二模糊控制器的输入量，经过模糊推理，得到可变的下垂系数调整值，最后经过积分器，作为下垂系数的补偿量，解决传统下垂控制功率分配不均问题。
-
公开(公告)号：CN111884201A
公开(公告)日：2020-11-03
申请号：CN202010729079.7
申请日：2020-07-27
Applicant: 福州大学 , 福建省力得自动化设备有限公司
Abstract: 本发明涉及一种基于模糊控制的直流微电网电压补偿和功率分配方法及系统，包含电压补偿和功率分配两个部分。本发明所述的电压补偿方法基于模糊控制，首先通过将各单元的输出电流与输出电压偏差进行模糊化后作为第一模糊控制器的输入量，经过模糊推理，得到电压补偿值，解决传统下垂控制母线电压跌落的问题。本发明所述功率分配方法基于模糊控制，首先将各单元的归一化输出电流与系统平均输出电流的偏差进行模糊化作为第二模糊控制器的输入量，经过模糊推理，得到可变的下垂系数调整值，最后经过积分器，作为下垂系数的补偿量，解决传统下垂控制功率分配不均问题。
-
公开(公告)号：CN111539442A
公开(公告)日：2020-08-14
申请号：CN201911163794.2
申请日：2019-11-25
Applicant: 福州大学
Abstract: 本申请提供了一种电力电子异常数据的处理方法和处理系统，涉及电力电子数据处理领域。该处理方法包括：获取待处理电子元件的电子信号；将所述电子信号转换为数字信号；使用经过电力电子参数型故障样本训练的GA-FCMNN模型对所述数字信号进行分析；将所述分析的结果与预设的正常结果进行比对，如果存在异常，对所述待处理电子元件进行处理。遗传算法GA用于FCMNN的初始参数选择，通过变异操作和最优选择，实现了FCNMNN分类器的全局最优化。本申请能够有效减少人工选取初始参数的盲目性和时间成本，进一步提升神经网络诊断分类器的学习效率和智能化水平，提高了电子元件故障的识别效率。
-
公开(公告)号：CN107192964B
公开(公告)日：2019-10-15
申请号：CN201710500276.X
申请日：2017-06-27
Applicant: 福州大学
IPC: G01R31/40
Abstract: 本发明涉及一种基于模型预测的三相逆变器故障在线诊断方法，首先建立了闭环控制的逆变器系统参考模型。将模型预测值与实际观测值做比较得出状态变量残差，分析该残差与阈值的关系，判断是否发生开路故障并报警，启动故障诊断器。故障诊断器是根据预设故障情况搭建的在线式诊断机制，对当前异常的状态变量值进行评估，评选最接近实际状态的一种故障状态，准确定位到故障开关器件。本发明公开的一种基于模型预测的三相逆变器故障在线诊断方法，输入量少、实时性高，无需增加额外的检测电路，可准确对故障开关器件定位，特别适用于闭环控制的复杂电力电子电路的故障诊断。
-
公开(公告)号：CN109116150A
公开(公告)日：2019-01-01
申请号：CN201810874145.2
申请日：2018-08-03
Applicant: 福州大学
Abstract: 本发明涉及一种基于小脑模型神经网络（Cerebellar Model Neural Network，CMNN）的电力电子变换器故障诊断方法，通过数据采集并降噪处理，得到带有故障信息的样本，再通过时、频域分析等方法提取少数故障特征，建立数据样本库；通过CMNN故障分类器，并采用Back-Propagation算法，离线训练后将训练样本中包含的各类型故障及故障具体位置准确划分，提取故障分类器的最优参数，并将最优参数直接赋予分类器网络，进行分类器测试工作；将此带有最优参数的分类器网络植入DSP中，做实际电路的故障诊断与定位，实现变换器电路快速自检。本发明能更准确、更可靠的判断变换器的健康状况，也提高了变换器故障分析的效率。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.029 seconds)
