-
公开(公告)号：CN120012577A
公开(公告)日：2025-05-16
申请号：CN202510090762.3
申请日：2025-01-21
Applicant: 贵州大学
IPC: G06F30/27 , G06N20/10 , G06N20/20 , G06F111/06
Abstract: 本发明公开了一种基于群体智能优化算法的光伏发电系统参数辨识方法及系统，方法包括：获取光伏发电系统的历史运行数据，建立包含环境因素影响的数据集，构建光伏发电量预测模型；采用粒子群优化算法初始化参数搜索空间，模拟计算光伏系统输出功率；建立光伏系统输出功率与环境因素的非线性映射关系，计算得到系统输出功率预测值；通过随机森林算法评估各参数对系统输出功率的重要性，筛选出关键参数；将优化后的参数值代入光伏发电量预测模型，计算系统输出功率，将输出功率与实测值进行对比，若二者误差在允许范围内，则输出最终的参数辨识结果。本发明提高了光伏发电系统参数辨识的准确性和效率。
-
Patent Agency Ranking
公开(公告)号：CN119988798A
公开(公告)日：2025-05-13
申请号：CN202510083982.3
申请日：2025-01-20
Applicant: 贵州大学
IPC: G06F17/11 , G06F18/213 , G06F18/25 , G06N3/084 , G06N3/0985 , G06N3/092 , G06F7/78
Abstract: 本发明公开了一种基于深度强化学习的风力发电机组参数辨识方法及系统，该方法包括：获取初始数据集；提取所述初始数据的机械特征、电气特征和控制特征；根据所述机械特征、电气特征和控制特征，建立对应的机械子系统模型、电气子系统模型和控制子系统模型；分析所述机械子系统模型、电气子系统模型和控制子系统模型之间的动态耦合关系，获取耦合矩阵；根据所述耦合矩阵，对所述机械子系统模型、电气子系统模型和控制子系统模型进行耦合，获取综合数学模型；根据所述综合数学模型进行风力发电机参数辨识，获取识别结果。本发明实现了风力发电机组的精确建模和参数辨识，为优化机组性能和预测性维护提供了重要支持。
-
公开(公告)号：CN115224728A
公开(公告)日：2022-10-21
申请号：CN202210845287.2
申请日：2022-07-19
Applicant: 贵州大学
Abstract: 本发明公开一种风力发电系统模型辨识方法和系统，包括：构建风力发电系统的可变参数仿真模型；确定待优化的控制参数，获取采样数据，基于采样数据对风力发电系统运行过程中的暂稳态区间进行判断，基于可变参数仿真模型计算改进的人工鱼群算法视野和步长，对采样数据进行初始化。转换个体编码，将个体编码代入可变参数仿真模型，并基于视野和步长，通过改进的人工鱼群算法对个体编码执行聚群、追尾及觅食行为，判断目标函数值是否满足约束条件，若不满足则再重复聚群、追尾及觅食行为，若满足则取优赋值作为最优参数并输出，得到最优化控制参数及控制状态。通过上述技术方案，本发明能够准确模拟风力电站的实际运行特性并确定其最优化控制参数。
-
公开(公告)号：CN115102200A
公开(公告)日：2022-09-23
申请号：CN202210845518.X
申请日：2022-07-19
Applicant: 贵州大学
Abstract: 本发明公开了一种储能系统模型辨识方法和系统,包括：数据采集模块、模型定义模块、计算执行模块，数据采集模块，对现场采样获得的实测数据运用三次样条插值进行数据预处理，并将实测波形划分为A、B、C三个时段；模型定义模块，运用电力系统仿真软件，建立储能系统可变参数仿真模型；计算执行模块，设置改进蚁群优化算法的优化参数；运用改进蚁群优化算法选择相应结构的储能系统仿真模型，任意设定多组模型参数，得到确定的模型，将现场采样所得到的激励信号输入模型，得到相应的输出；最后对模型辨识输出值与实际系统的输出值进行误差分析，以最小化两者之间的误差为目标函数，再运用改进蚁群优化算法进行优化求解，直至获得最优参数模型。
-
公开(公告)号：CN115102200B
公开(公告)日：2023-04-25
申请号：CN202210845518.X
申请日：2022-07-19
Applicant: 贵州大学
Abstract: 本发明公开了一种储能系统模型辨识方法和系统,包括：数据采集模块、模型定义模块、计算执行模块，数据采集模块，对现场采样获得的实测数据运用三次样条插值进行数据预处理，并将实测波形划分为A、B、C三个时段；模型定义模块，运用电力系统仿真软件，建立储能系统可变参数仿真模型；计算执行模块，设置改进蚁群优化算法的优化参数；运用改进蚁群优化算法选择相应结构的储能系统仿真模型，任意设定多组模型参数，得到确定的模型，将现场采样所得到的激励信号输入模型，得到相应的输出；最后对模型辨识输出值与实际系统的输出值进行误差分析，以最小化两者之间的误差为目标函数，再运用改进蚁群优化算法进行优化求解，直至获得最优参数模型。
-
公开(公告)号：CN115204048A
公开(公告)日：2022-10-18
申请号：CN202210845513.7
申请日：2022-07-19
Applicant: 贵州大学
Abstract: 本发明公开了一种光伏发电系统模型辨识系统和方法，涉及光伏发电技术领域。本发明包括如下步骤：步骤一：建立光伏发电系统的可变参数仿真模型。步骤二：运用改进粒子群算法，确定待优化参数、迭代次数、粒子最大速度、位置信息、输入采样数据。步骤三：将每个个体编码转换成光伏发电系统参数代入模型。步骤四：判断模型误差值是否满足预设条件，满足则输出结果，不满足更新模型直至满足结束。本发明通过针对光伏发电系统模型进行高低电压策略与参数辨识，同时利用实测的输入和输出，以目标函数满足预设条件为目标，开展光伏发电系统在不同工况下的模型参数辨识，同时实现光伏电站精准建模，为构建以新能源为主体的新型电力系统提供基础。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
