一种基于WTD-VMD-ZCD相位选择控制合闸的双电源低压电器试验系统及其使用方法

    公开(公告)号:CN119395528A

    公开(公告)日:2025-02-07

    申请号:CN202411532191.6

    申请日:2024-10-30

    Abstract: 本发明公开了一种基于WTD‑VMD‑ZCD相位选择控制合闸的双电源低压电器试验系统及其使用方法。所述系统包括试验电压源回路、电容充放电回路、试验电流源回路和主控制模块,利用WTD算法对试验电压源产生的电压信号进行去噪重构,然后通过BKA算法对VMD的参数进行优化,将WTD去噪后的电压信号进行VMD分解,并将得到的IMF分量做相关性计算,选择相关性高于设定阈值的IMF分量作为去噪后的试验电压源信号,然后使用ZCD算法进行过零检测,通过选相分合闸进行试验电压源和试验电流源时序接通的逻辑控制,进而实现低压电器的试验。满足了低压电器在试验电源电参量和试验质量上的需求,实现了试验的精准控制,且成本低、系统搭建和操作简单易行。

    一种智能箱式电力变压器
    2.
    发明公开

    公开(公告)号:CN119154127A

    公开(公告)日:2024-12-17

    申请号:CN202411160724.2

    申请日:2024-08-22

    Abstract: 本发明公开了一种智能箱式电力变压器,其结构包括底座、电压箱、柜门、金属盖,柜门合页安装于电压箱侧面,金属盖焊接在电压箱上端,电压箱焊接在底座上端,本发明中远程控制散发机构向上产生风力吹动,使风力从上方往四周的外壳板上流通,进而使外壳板与散发机构上方对外界温度进行隔绝,防止外壳板在外界暴晒后温度传递到内部,且风扇旋转后产生负压状态吸附空气往上吹动,进而部分风力被圆盘引导至支撑板内侧流通,其余风力穿过圆盘的圆形孔洞进入分隔板内部上方,使热量被均匀带动往外壳板位置流通,形成单向向外散热的效果,避免外界热量传导进入内部,防止热量徘徊在内部散热效果较差。

    一种自支撑柔性M型六角铁氧体薄膜的制备方法

    公开(公告)号:CN118996343A

    公开(公告)日:2024-11-22

    申请号:CN202410937937.5

    申请日:2024-07-12

    Abstract: 本发明公开了一种自支撑柔性M型六角铁氧体薄膜的制备方法。该方法选用MgO单晶衬底,使用脉冲激光沉积系统(PLD)制备M/MgO薄膜,再通过湿法刻蚀制备所述自支撑柔性M型六角铁氧体薄膜。其制备方法主要包括以下步骤:S1、制备M型六角铁氧体靶材;S2、脉冲激光沉积,原位退火制得M/MgO薄膜;S3、对所述薄膜二次退火;S4、将二次退火后的薄膜转移,得到所述自支撑柔性M型六角铁氧体薄膜。本发明相比于传统的湿法刻蚀牺牲层法,利用MgO单晶衬底的溶解特性,减少衬底与薄膜之间的牺牲层,简化制备工艺,使得制备过程简单,制备周期较短,薄膜可依托于柔性衬底,大幅度拓展了其应用范围。

    一种遗传算法与无迹卡尔曼滤波融合的锂离子电池SOC预测方法

    公开(公告)号:CN116381507A

    公开(公告)日:2023-07-04

    申请号:CN202310376653.9

    申请日:2023-04-11

    Abstract: 本发明公开了一种遗传算法与无迹卡尔曼滤波融合的锂离子电池SOC预测方法。通过HPPC试验获得锂电池开路电压OCV,建立OCV与SOC映射关系;然后测量锂电池工作电压、电流数据,由自适应遗忘因子递推最小二乘算法(AFFRLS)进行模型参数估算;再通过无迹卡尔曼滤波(UKF)进行SOC的预测,并利用改进的自适应遗传算法(AGA)自适应匹配UKF测量噪声协方差矩阵R;在R的基础上,基于噪声自适应匹配方法更新状态噪声协方差矩阵Q。本发明通过AGA和UKF的融合方法预测SOC,具有鲁棒性良好、噪声自适应、时变状态跟踪能力强等特点,能更好地在非线性、时变性系统进行在线应用,提高了SOC预测精度。

    针对三种方形螺旋结构电磁超材料单元的设计方法

    公开(公告)号:CN112733397B

    公开(公告)日:2023-03-24

    申请号:CN202011578853.5

    申请日:2020-12-28

    Abstract: 本发明公开了针对三种方形螺旋结构电磁超材料单元的设计方法,属于电磁超材料技术领域。包括以下步骤:首先根据所选结构与工作频率计算获得方形螺旋结构合适的基本结构参数;再根据获得的电磁超材料结构参数进行建模和有限元仿真获得超材料单元的谐振频率;最后对模型中的线圈长度进行微调最终获得所需的超材料结构参数。本发明超材料单元设计方法的建立可以在设定的金属宽度与间隙宽度范围内快速获得单层、双层或双层内通孔三种方形螺旋结构最大亚波长深度的超材料单元设计初步参数,大大降低了电磁超材料单元参数设计的复杂度和时间成本。

    一种交互式电磁超材料自动仿真与设计方法

    公开(公告)号:CN113887162A

    公开(公告)日:2022-01-04

    申请号:CN202111249352.7

    申请日:2021-10-26

    Abstract: 本发明公开了一种交互式电磁超材料自动仿真与设计方法,首先利用等效电路法对电磁超材料建立等效电路模型,从而确定电磁超材料的结构参数以及谐振频率;然后在MATLAB软件编写电磁超材料的建模、求解、仿真、数据后处理和计算的库函数,再通过MATLAB为HFSS软件预留的外部接口实现对电磁超材料全自动建模仿真分析。本发明方法借助MATLAB强大的数值计算和建模功能,采用HFSS对电磁超材料模型进行快速和精准地仿真,极大地提高了仿真分析和设计的效率。

    一种锂离子电池荷电状态动态评估与长效预测融合方法

    公开(公告)号:CN108872866B

    公开(公告)日:2021-02-05

    申请号:CN201810565223.0

    申请日:2018-06-04

    Abstract: 本发明公开一种锂离子电池荷电状态动态评估与长效预测融合方法,首先利用扩展卡尔曼滤波法对锂离子电池的电池荷电状态进行评估,得到锂离子电池荷电状态SOCKEF;然后利用回声状态神经网络对锂离子电池的电池荷电状态进行预测,得到锂离子电池荷电状态SOCESN;最后对锂离子电池荷电状态SOCKEF和锂离子电池荷电状态SOCESN进行加权融合,得到最终锂离子电池的电池荷电状态SOC。本发明提高了现有电池SOC检测方法的适应性和评估精度,克服单一方法进行SOC动态评估的局限性,针对性的选取基于模型和数据驱动的融合方法,兼顾SOC检测评估动态实时性和长期长效预测的需求。

    电动汽车动态无线充电负载预测控制方法

    公开(公告)号:CN110341508A

    公开(公告)日:2019-10-18

    申请号:CN201910637766.3

    申请日:2019-07-15

    Abstract: 本发明公开了一种电动汽车动态无线充电负载预测控制方法,属于电动汽车无线充电技术领域。该控制方法是利用电动汽车动态无线充电系统针对接收端负载进行预测控制,通过采集负载电池的电流和电压大小作为控制器的输入信号,通过估算负载电池的荷电状态,判断充电模式,切换充电模式,进而转换输出信号为占空比控制DC/DC变换模块实现功率调控。本发明的电动汽车动态无线充电系统能够实现对系统资源的合理分配,节省了电能传输过程中的电能损耗,减少了漏磁,提高系统传输效率,减少过充的情况,延长了车载电池的寿命,保证了电动汽车动态充电的稳定性,改善了安全性和可靠性。

    基于回声状态网络的锂离子电池SOC在线预测方法

    公开(公告)号:CN108804800A

    公开(公告)日:2018-11-13

    申请号:CN201810565231.5

    申请日:2018-06-04

    CPC classification number: G06F17/5009 G06N3/0445

    Abstract: 本发明公开一种基于回声状态网络的锂离子电池SOC直线预测方法,将k折交叉验证法应用于回声状态网络的多个不确定参数的优选过程,简化了寻找最优参数的过程,同时在寻找合适的训练集和测试集过程中,以一定的梯度差间距初选多个训练集和测试集训练和测试网络,根据训练和测试的误差大小,综合考虑选择出合理的训练集和测试集,确保在一定程度上使得网络具有较强的泛化能力,提升网络预测精度。此外,还采用带遗忘因子的递归最小二乘法训练回声状态网络,随后根据最新采集的电池数据,实时调整网络输出权值,确保网络的在线预测。

    基于数据驱动法的锂离子电池SOC在线预测方法

    公开(公告)号:CN108717165A

    公开(公告)日:2018-10-30

    申请号:CN201810523703.0

    申请日:2018-05-28

    Abstract: 本发明公开一种基于数据驱动法的锂离子电池SOC在线预测方法,将低计算量的增量式支持向量机方法引入到相关向量机。IRVM算法的样本数据由相关向量和新的在线样本组成,由于相关向量机十分稀疏,即相关向量个数远小于初始样本集,所以在线训练的m值十分小,因此在线预测的速度快、效率高、存储空间及计算复杂度低,实现了对锂离子电池SOC的精确预测。本发明能够解决在线锂离子电池SOC的预测问题,有效克服了传统的增量式在线训练算法,需要在线保持原始训练样本集,这样随着在线样本数据的更新,在线数据集将逐渐增大,其结果是m值逐渐增大,从而导致存储空间和计算复杂度增大的问题。

Patent Agency Ranking