-
公开(公告)号:CN112163674A
公开(公告)日:2021-01-01
申请号:CN201911277360.5
申请日:2019-12-13
Applicant: 哈尔滨理工大学
Abstract: 双向优化BP神经网络滑模变结构控制方法,属于神经网络滑模变结构控制领域。本发明以基于BP算法的多层前馈神经网络(BP神经网络)为基础,正向上,在整体使用Sigmoid激励函数的基础上,用具有混沌特性的logistic映射方程替换了少数神经元的激励函数;反向上,通过自适应规则调整神经网络学习率来优化神经网络的学习过程,是为双向优化,进而提高BP神经网络滑模变结构控制的性能;本发明既保留了BP神经网络和滑模变结构控制的优良特性,又在克服神经网络假饱和现象、提高神经网络泛化能力和加快学习过程的前提下,相较于传统的BP神经网络滑模变结构控制,将更有效地削弱滑模变结构控制抖振现象。
-
公开(公告)号:CN117665388A
公开(公告)日:2024-03-08
申请号:CN202311405374.7
申请日:2023-10-26
Applicant: 国网黑龙江省电力有限公司电力科学研究院 , 哈尔滨理工大学
Abstract: 本发明公开了一种电力系统混沌振荡检测方法,涉及电力系统混沌检测技术领域。本发明获取电力系统的振荡数据,将所述振荡数据送入二维神经网络模型中,得到变量Pc和Qc;根据二维神经网络模型得到的变量Pc和Qc计算均方位移Dc(n);根据所述均方位移计算增长率Kc,当Kc趋近于1时,此时电力系统中的振荡模式为混沌振荡,当Kc趋近于0时,此时电力系统中的振荡模式为周期振荡。本发明实现了电力系统多变量协同内模控制,及时高效的对电力系统进行混沌状态检测。
-
公开(公告)号:CN115377985A
公开(公告)日:2022-11-22
申请号:CN202211051547.5
申请日:2022-08-31
Applicant: 哈尔滨理工大学
IPC: H02J3/06 , H02J3/38 , H02J3/32 , H02J3/00 , G06Q10/04 , G06Q10/06 , G06Q50/06 , G06N3/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种电网发电机组调度优化方法,设计电网调度领域。本发明用以解决现有技术中通常忽略环境因素的问题。本发明通过神经网络模型预测未来一时间段的电网负荷;建立电网发电系统模型,建以发电系统运行成本最低的目标函数,电网发电系统模型的约束条件包括基于未来一时间段的电网负荷的发电系统功率平衡约束、各机组最大出力、最小出力约束、持续开机、停机时间约束、机组爬坡约束、储能设备约束和调相机约束;基于目标函数和约束条件,利用狼群优化算法得到最优机组组合方式进行电网调度。本发明的调度方法兼顾经济因素和环境因素,有助于及时掌握电网发电状态,优化电网调度,提高发电经济性。
-
公开(公告)号:CN111342477A
公开(公告)日:2020-06-26
申请号:CN202010080833.9
申请日:2020-02-05
Applicant: 哈尔滨理工大学
IPC: H02J3/24
Abstract: 本发明是一种双向优化BP神经网络滑模变结构的四阶电力系统混沌控制方法。本发明以四阶电力系统混沌数学模型为基础,利用双向优化BP神经网络与滑模变结构控制相结合的控制方法对电力系统混沌振荡进行控制。在神经网络中,本发明对算法正向使用的激励函数和反向使用的学习率分别作出了优化,进而有效抑制滑模变结构控制的抖振现象,使混沌振荡控制更为理想;相较于传统滑模变结构控制,本发明既保留了BP神经网络和滑模变结构控制的优良特性,又在克服神经网络假饱和现象、提高泛化能力以及合理加快学习过程的前提下,更有效地削弱了滑模变结构控制的抖振现象,使电力系统混沌控制获得更好的效果。
-
公开(公告)号:CN119726808A
公开(公告)日:2025-03-28
申请号:CN202510133953.3
申请日:2025-02-06
Applicant: 哈尔滨理工大学
Abstract: 一种用于分布式电源接入的次同步振荡抑制方法及装置,涉及电力系统技术领域。为解决:如何在分布式电源接入的电力系统中抑制小干扰引发的次同步振荡,同时减少抖振问题,提升系统稳定性的技术问题,本发明提供的技术方案为:一种用于分布式电源接入的次同步振荡抑制方法,包括:构建滑模面,所述滑模面以目标系统的电流的参考值与实际值的误差为状态变量,结合比例系数和积分系数构建;通过引入分数阶指数趋近律设计滑模趋近律,所述分数阶指数趋近律用于动态调整滑模控制趋近速度;基于分数阶指数趋近律的滑模控制结果,结合目标系统等效电感、电阻和同步转速,动态生成换流器的输出控制信号。适合应用于次同步振荡抑制的工作中。
-
公开(公告)号:CN119692202A
公开(公告)日:2025-03-25
申请号:CN202510133950.X
申请日:2025-02-06
Applicant: 哈尔滨理工大学
IPC: G06F30/27 , G06N7/08 , G05B13/04 , G06F113/04 , G06F113/06
Abstract: 一种双馈感应发电机分数阶混沌系统的建模方法及装置,涉及电力系统混沌建模技术领域。为解决现有技术中存在的,现有的整数阶建模方法在描述复杂时变特性和非线性耦合行为时仍存在建模精度不足、参数求解困难的问题的缺陷,本发明提供的技术方案为:包括:通过分数阶微分算子,确定预设模型的状态变量,并构建五维分数阶状态微分方程;利用定子磁链定向条件对五维方程进行降维,简化为三维分数阶状态微分方程;定义时间快慢变换因子,并在新的时间尺度下运行预设模型,优化状态变量的参数分布;通过仿射变换的伸缩因子,对优化后的状态变量进行转换,优化预设模型的系数分布。适合应用于双馈感应发电机的动力学特性的刻画工作中。
-
公开(公告)号:CN117613956A
公开(公告)日:2024-02-27
申请号:CN202311405384.0
申请日:2023-10-26
Applicant: 国网黑龙江省电力有限公司电力科学研究院 , 哈尔滨理工大学
Abstract: 本发明提供了一种基于逆系统的混沌电力系统多变量协同内模控制方法。本发明以发电机功角、负荷节点电压角度和负荷节点电压幅值为受控变量,以储能装置1的调节参数、静止无功补偿装置电压和储能装置2的调节参数作为控制输入变量;建立逆系统模型,将逆系统模型串联在受控电力系统之前,得到伪线性子系统;构建内模控制器,将所述伪线性化子系统作为内部模型,将受控电力系统作为被控模型,设定目标运行点作为控制目标,对内模控制器中的可调参数寻优。本发明能够协助内模控制实现变量的针对性受控,提高控制器对于外加扰动的鲁棒性以及降低电力系统对自身参数变化的敏感性,能够以较快的速率实现混沌振荡的抑制。
-
公开(公告)号:CN115714558A
公开(公告)日:2023-02-24
申请号:CN202211371719.7
申请日:2022-11-03
Applicant: 国网黑龙江省电力有限公司电力科学研究院 , 国网黑龙江省电力有限公司 , 国家电网有限公司 , 哈尔滨理工大学
Abstract: 一种提升重力储能电机效率的模型预测转矩控制方法,涉及电机控制技术领域。本发明为了提高重力储能电机的效率,将电机的电压矢量、转子位置角和定子电流输入预测模型中,预测电机下一时刻的磁链和转矩;对电机预测变量值与给定参考值通过代价函数,筛选出最优电压矢量作用于系统,所述代价函数包括负载角代价函数。提高了永磁同步电机在复杂工况下的稳定性能,进而够提升重力储能电机控制系统的效率,改善重力储能系统的实用性。
-
公开(公告)号:CN119651675A
公开(公告)日:2025-03-18
申请号:CN202510133946.3
申请日:2025-02-06
Applicant: 哈尔滨理工大学
Abstract: 一种构网型双馈风电机组次同步振荡抑制方法及装置,涉及电气工程和电力系统控制技术领域。为解决现有技术中存在的,现有的构网型双馈风电机组次同步振荡抑制方法中,控制方法的鲁棒性不足,以及系统解耦不充分的技术问题,本发明提供的技术方案为:包括:建立基于双馈感应电机定子dq轴电流、转子dq轴电流及转子角速度的动态模型;然后,对转子的电流方程进行可逆性分析以确认其可逆性;接着,应用逆系统理论对转子电流方程进行解耦,生成可控的伪线性系统;此外,采用内模控制策略增强伪线性系统的鲁棒性,并通过一阶低通滤波器对系统误差进行实时补偿,以优化对建模误差和外部扰动的响应。可应用于风力发电控制系统的工作中。
-
公开(公告)号:CN111342477B
公开(公告)日:2022-02-18
申请号:CN202010080833.9
申请日:2020-02-05
Applicant: 哈尔滨理工大学
IPC: H02J3/24
Abstract: 本发明是一种双向优化BP神经网络滑模变结构的四阶电力系统混沌控制方法。本发明以四阶电力系统混沌数学模型为基础,利用双向优化BP神经网络与滑模变结构控制相结合的控制方法对电力系统混沌振荡进行控制。在神经网络中,本发明对算法正向使用的激励函数和反向使用的学习率分别作出了优化,进而有效抑制滑模变结构控制的抖振现象,使混沌振荡控制更为理想;相较于传统滑模变结构控制,本发明既保留了BP神经网络和滑模变结构控制的优良特性,又在克服神经网络假饱和现象、提高泛化能力以及合理加快学习过程的前提下,更有效地削弱了滑模变结构控制的抖振现象,使电力系统混沌控制获得更好的效果。
-
-
-
-
-
-
-
-
-