-
公开(公告)号：CN113837480B
公开(公告)日：2023-11-07
申请号：CN202111147287.7
申请日：2021-09-29
Applicant: 河北工业大学 , 国网冀北张家口风光储输新能源有限公司 , 国网河北省电力有限公司衡水供电分公司
IPC: G06F18/20 , G06F18/214 , G06F18/213 , H02J3/00 , G06F30/27 , G06N3/04 , G06N3/08 , G06F113/04
Abstract: 本发明为基于改进GRU和差分误差补偿的冲击性负荷预测方法，包括步骤一、对电力负荷数据进行处理，得到日负荷数据；将归一化处理后的日负荷数据划分为负荷初步预测的训练集和测试集；步骤二、建立改进的GRU网络模型，对负荷数据进行初步预测，得到初步预测结果；步骤三、分别对训练误差序列和预测误差序列进行差分分解，得到训练误差序列和预测误差序列的差分矩阵；步骤四、重新建立一个改进的GRU网络模型，用于预测日较前一日的误差变化量；利用误差变化量对初步预测结果进行误差补偿，得到最终预测结果。不仅可以为每个时间点的负荷预测提供过去和未来的负荷信息，而且还可以更完善地提取数据信息，多层网络设计提高了模型的泛化能力。
-
公开(公告)号：CN113255900A
公开(公告)日：2021-08-13
申请号：CN202110698758.7
申请日：2021-06-23
Applicant: 河北工业大学 , 国网冀北张家口风光储输新能源有限公司
Inventor： 李练兵 , 李东颖 , 张佳伟 , 李脉 , 董晓红 , 李思佳 , 李佳祺 , 刘汉民 , 刁嘉 , 李明 , 任杰 , 王阳 , 赵建华 , 王海 , 张文煜 , 袁冬冬 , 姚帅亮 , 张海欣
Abstract: 本发明为一种考虑改进谱聚类与Bi‑LSTM神经网络的冲击性负荷预测方法。该方法考虑电动汽车充电负荷时序特征的不同，采用将改进谱聚类与Bi‑LSTM神经网络的冲击性负荷预测方法，选择DTW相似性度量的改进谱聚类算法对日负荷曲线进行聚类处理，对聚类后的每类曲线进行建模分析，从而达到提高总体负荷预测精度的目的。具体为通过对电动汽车充电负荷数据进行处理，得到日负荷曲线，并对曲线特征进行分析、选择DTW相似性度量的改进谱聚类算法对日负荷曲线进行聚类、根据负荷曲线聚类结果，对各类群体分别数据处理并进行Bi‑LSTM神经网络训练，从而对预测日进行充电负荷预测。
-
公开(公告)号：CN114233174B
公开(公告)日：2024-06-04
申请号：CN202111645656.5
申请日：2021-12-30
Applicant: 河北工业大学 , 河北建投海上风电有限公司
Inventor： 李练兵 , 陈伟光 , 梅春晓 , 谭建鑫 , 卢盛欣 , 孟雷 , 韩旭 , 李永建 , 于力强 , 张清清 , 张国峰 , 侯元柏 , 李佳祺 , 高国强 , 吴伟强 , 陈程 , 贾超
Abstract: 本发明为一种用于海上风电机组运维的登塔设备，包括电动拉链葫芦、抱箍、爬梯、软梯和旋转杆；所述爬梯的一端通过抱箍与风塔直梯的下部转动连接，爬梯中部的两侧分别转动连接有旋转杆，两个旋转杆的上端与各自的电动拉链葫芦的钢丝绳连接，两个旋转杆的下端分别通过连接绳与软梯的上端连接；在电动拉链葫芦的作用下旋转杆转动，爬梯能够展开或收起，同时旋转杆带动软梯展开或收起；当软梯完全展开后，软梯的末端与运维船甲板连接。该设备在爬梯末端设置软梯，爬梯完全展开后爬梯末端与运维船甲板在高度方向上存在间距，通过软梯与运维船甲板衔接，避免爬梯与运维船甲板直接接触，减少爬梯对运维船的刚性冲击，同时方便运维人员登上爬梯。
-
公开(公告)号：CN112994099B
公开(公告)日：2023-12-19
申请号：CN202110243066.3
申请日：2021-03-05
Applicant: 河北工业大学 , 国网河北省电力有限公司电力科学研究院 , 国网河北省电力有限公司
Abstract: 本发明为一种高比例分布式光伏并网消纳能力分析方法。该方法通过向混沌遗传算法中添加混沌扰动公式，通过人工退化因子和混沌扰动因子增加新一代个体的多样性，并添加移民算子，增加种群多样性，有效解决陷入局部最优解的问题；然后将改进后的混沌遗传算法应用到配电网分布式光伏消纳这一新领域。本发明能够解决现有的计算方法不能精准、快速的计算出配电网所允许接入的分布式光伏电源的最大容量问题。
-
公开(公告)号：CN113922444A
公开(公告)日：2022-01-11
申请号：CN202111104578.8
申请日：2021-09-22
Applicant: 河北工业大学 , 国网冀北张家口风光储输新能源有限公司
Abstract: 本发明提供了一种储能电池全生命周期智能充放电维保装置及方法，包括HMI控制屏、DSP控制主板和维保电路；所述HMI控制屏与所述DSP控制主板通信连接，所述DSP控制主板和所述维保电路连接；所述维保电路包括储能电池接口、充放电主电路、系统保护模块、大功率充电电源和负载箱；其中，储能电池接口和充放电主电路连接，充放电主路和负载箱连接，充放电主电路还和大功率电源、系统保护模块连接。本申请改变了原来只能放电的工作特性，使充电流更加平稳，使用一个霍尔传感器可采集充、放电信号，具有防止电池正负极反接、防过流、防过压、防过热等保护功能，使充放电电流更加稳定准确。
-
Patent Agency Ranking
公开(公告)号：CN112994098B
公开(公告)日：2023-07-21
申请号：CN202110240761.4
申请日：2021-03-04
Applicant: 河北工业大学 , 国网河北省电力有限公司电力科学研究院 , 国网河北省电力有限公司
IPC: H02J3/38 , H02M7/5395
Abstract: 本发明为一种基于前馈控制的并联虚拟同步机功率解耦方法。该方法通过在有功‑频率环节，无功‑电压环节增加前馈控制，并设计J,D参数，调节励磁系数kf来调整模型根位，结合动态虚拟复阻抗控制方法，实现并联虚拟同步机功率解耦，运用保持滤波器优化系统惯性，运用自适应偏差调节器调节频率偏差，提高了系统的响应速度和稳定性，实现了运行条件变化时频率和功率的动态调节。
-
公开(公告)号：CN113240194B
公开(公告)日：2022-08-23
申请号：CN202110625747.6
申请日：2021-06-04
Applicant: 河北工业大学 , 国网冀北张家口风光储输新能源有限公司
Abstract: 本申请提供储能电池容量预测方法、服务端及计算机可读存储介质，其中储能电池容量预测方法包括以下步骤：获取电池数据，对电池数据进行预处理；在电池数据中选取电池容量退化特征量以及电池容量；初始化布谷鸟搜索算法参数并生成初始解，计算初始解的适应值；根据步长公式以及巢穴位置公式产生新解，比较初始解与新解的适应值，迭代获取最优解；将最优解的权值及阈值信息赋予Elman神经网络的参数空间，进行参数微调训练；将测试集输入至训练后的Elman神经网络中，输出电池容量的预测结果。通过上述方法，可提高电池剩余容量的预测速度以及预测精度。
-
公开(公告)号：CN113837480A
公开(公告)日：2021-12-24
申请号：CN202111147287.7
申请日：2021-09-29
Applicant: 河北工业大学 , 国网冀北张家口风光储输新能源有限公司
Abstract: 本发明为基于改进GRU和差分误差补偿的冲击性负荷预测方法，包括步骤一、对电力负荷数据进行处理，得到日负荷数据；将归一化处理后的日负荷数据划分为负荷初步预测的训练集和测试集；步骤二、建立改进的GRU网络模型，对负荷数据进行初步预测，得到初步预测结果；步骤三、分别对训练误差序列和预测误差序列进行差分分解，得到训练误差序列和预测误差序列的差分矩阵；步骤四、重新建立一个改进的GRU网络模型，用于预测日较前一日的误差变化量；利用误差变化量对初步预测结果进行误差补偿，得到最终预测结果。不仅可以为每个时间点的负荷预测提供过去和未来的负荷信息，而且还可以更完善地提取数据信息，多层网络设计提高了模型的泛化能力。
-
公开(公告)号：CN113784470A
公开(公告)日：2021-12-10
申请号：CN202111010703.9
申请日：2021-08-31
Applicant: 河北工业大学
Abstract: 本申请提供一种基于LLC的感应加热系统，包括：T型LLC模块，用于感应加热，具有电容电压与输入电压；逆变桥模块，用于将直流电源转换为交流电给所述T型LLC模块供电；控制系统，用于获取所述T型LLC模块的电容电压与输入电压在k时刻的相位差θb(t＝k)；根据所述相位差θb(t＝k)，向所述逆变桥模块输出PWM信号，使得所述电容电压与输入电压在k+1时刻的相位差θb(t＝k+1)保持在设定角度范围θc内。本申请提供一种基于LLC的感应加热系统，可使得当T型LLC模块负载发生变化时，依然可使所述T型LLC模块处于谐振状态，提高了工作效率。
-
公开(公告)号：CN113240194A
公开(公告)日：2021-08-10
申请号：CN202110625747.6
申请日：2021-06-04
Applicant: 河北工业大学 , 国网冀北张家口风光储输新能源有限公司
Abstract: 本申请提供储能电池容量预测方法、服务端及计算机可读存储介质，其中储能电池容量预测方法包括以下步骤：获取电池数据，对电池数据进行预处理；在电池数据中选取电池容量退化特征量以及电池容量；初始化布谷鸟搜索算法参数并生成初始解，计算初始解的适应值；根据步长公式以及巢穴位置公式产生新解，比较初始解与新解的适应值，迭代获取最优解；将最优解的权值及阈值信息赋予Elman神经网络的参数空间，进行参数微调训练；将测试集输入至训练后的Elman神经网络中，输出电池容量的预测结果。通过上述方法，可提高电池剩余容量的预测速度以及预测精度。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.025 seconds)
