会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

电池系统管理|离散型卡尔曼滤波算法基础

电池系统管理 | 离散型卡尔曼滤波算法基础

  • 2024-11-17
  • 阅读36

东南大学研究团队：基于改进粒子群算法的无线充电系统参数优化

基于LCC-S型补偿拓扑的磁耦合谐振式无线充电（MCR-WPT）系统，建立其数学模型，从工作频率、补偿电感和负载阻抗三个方面分析其对系统传输性能的影响。针对目前高阶补偿拓扑的参数难以达到最优配置的问题，以提高系统的传输效率为优化目标，以输出功率为约束条件，建立其优化模型，对高阶非线性参数最优配置问题进行优化。为避免优化结果陷入局部最优，提出一种基于种群进化的混合粒子群优化（HP？SO）算法，并基于LCC-S型无线电能传输（WTP）系统优化模型对传统的粒子群算法和改进的算法进行仿真对比。结果表明改进的粒子群算法可有效地避免优化结果陷入局部最优。最后，搭建了无线充电系统实验平台，对系统的工作频率特性和负载阻抗特性进行实验分析，实验结果与理论分析和仿真优化结果一致。

  • 2024-11-17
  • 阅读33

专家报告|西安交通大学刘增副教授：分布式储能中多变流器系统构网控制与振荡分析

2024年5月24-26日，第二十一届中国电气自动化与电控系统学术年会在天津召开，会议邀请西安交通大学刘增副教授在会上作了《分布式储能中多变流器系统构网控制与振荡分析》的报告分享。此报告探讨了分布式储能中多变流器系统的构网控制与振荡特性，主要包括研究背景、系统架构、构网控制技术和系统振荡分析四个方面。在现代电力系统中，分布式储能广泛应用，而多变流器系统在实际运行中面临功率协调、稳定性及控制复杂度等挑战。为应对这些问题，报告从储能变流器的并联架构及构网控制基本原理出发，介绍功率分配、频率电压控制等核心技术，深入分析多变流器间的动态耦合关系，通过基于端口频率特性的系统建模和实验验证揭示系统振荡的成因及抑制方法。本文将对报告内容进行详细解读，帮助读者更好地理解和掌握这一领域的最新研究进展。

  • 2024-11-17
  • 阅读115

未来已来！工业物联网详解

了解 IIoT 的迷人世界、其核心概念、其与更广泛的物联网 (IoT) 的别，以及推动各个行业创新的实际应用。

  • 2024-11-17
  • 阅读28

张莲教授：基于混合特征选择和INGO-DHKELM的变压器故障诊断方法

针对变压器故障特征选择困难和诊断模型准确率较低的问题，提出一种混合式故障特征选择方法，并利用改进北方苍鹰优化算法（improved northern goshawk optimization algorithm，INGO）优化深度混合核极限学习机（deep hybrid kernel limit learning machine，DHKELM）实现变压器故障诊断。首先，基于相关比值法构建24维变压器故障特征集，从线性相关和非线性相关的角度出发，采用Pearson相关系数和互信息法，筛除相关性较低的特征。其次，引入Logistic混沌映射、随机反向学习和自适应t分布变异改进NGO算法，提升其寻优性能。然后，利用INGO算法对保留特征进行二次筛选，获得最优输入特征。最后，将极限学习机自动编码器引入混合核极限学习机中，建立DHKELM诊断模型，利用INGO对DHKELM模型初始参数进行优化，完成INGO-DHKELM变压器故障诊断模型的构建。实验表明，与常规特征选择方法相比，利用混合式故障特征选择方法所选择的输入特征进行故障诊断能够有效提升诊断准确率；相较于其他优化型诊断模型，INGO-DHKELM具有更高的准确率和更好的稳定性。

  • 2024-10-11
  • 阅读101

《储能科学与技术》推荐|段双明等：基于自适应多层RLS的锂离子电池参数辨识

摘 要？电池参数的准确辨识是电动汽车电池管理系统实现高精度状态估计的基础。针对遗忘因子递推最小二乘法（forgetting factor recursive least squares，FFRLS）辨识变化电池参数时精度不足的问题，本文提出以层数形式更新参数的自适应多层递推最小二乘（adaptive multi-layer recursive least squares，AMLRLS）电池在线参数辨识方法。AMLRLS算法以第L-1层辨识参数的电压误差作为第L层的目标值，递推分离出电压误差中的参数量，以所有层的参数量之和作为一个数据点的辨识结果，形成多层RLS结构更新参数。针对每一次辨识算法都计算至最大设置层的问题，设计层数选择器，将第一层FFRLS辨识结果的电压误差作为层数选择器的输入量，以电压误差大小自适应选择层数，减小计算量。搭建电池模型，仿真验证AMLRLS的参数跟踪能力。仿真结果表明，AMLRLS的参数误差比RLS最大降低了69%，比AFFRLS（adaptive forgetting factor recursive least squares）最大降低了46.5%。在实验验证中，AMLRLS在DST（dynamic stress test）工况下相较其他算法电压均方根误差和平均绝对误差最大降低了43.9%和32.1%，不同电流、不同温度和不同初始SOC条件下的实验结果验证了AMLRLS具有较强的适用性。最后，实验比较了各算法的计算时间，相较于未设置层数选择器的情况，AMLRLS在DST工况下计算时间缩短了37.4%，在FUDS下缩短了28.6%，减少了电池管理系统的计算负担。关键词？锂离子电池；参数辨识；最小二乘法；等效电路模型

  • 2024-11-12
  • 阅读32

基于LSTM神经网络的双馈风机控制参数辨识方法｜《中国电力》

能源危机促进了新能源的快速发展，以风电为代表的新能源机组在电网中的占比不断提高，但具有间歇性和随机性特征的风电机组通过非线性电力电子变流器大量接入电网对电力系统的安全稳定运行带来巨大挑战，主要原因之一是风机控制参数对其出力特性影响巨大，而风机实际控制参数难以收集，导致研究人员无法获得风机的精确模型，因此，从风机自身特性研究和电力系统稳定性分析的角度来看，对风机的真实控制参数进行高精度辨识具有极为重要的实际意义和研究意义。 《中国电力》2023年第6期刊发了薛飞等人撰写的《基于LSTM神经网络的双馈风机控制参数辨识方法》一文。文章提出一种基于LSTM的双馈风机控制系统参数辨识方法。基于RT-LAB半实物仿真平台获得来自真实控制器的双馈风机硬件在环测试数据，采用Person相关系数法提取高相关性特征并进行神经网络训练，利用LSTM神经网络对双馈风机的控制参数进行辨识。

  • 2024-11-12
  • 阅读383

学术报告|东南大学花为教授：高速化背景下的电机参数在线辨识方法研究

学术报告|东南大学花为教授：高速化背景下的电机参数在线辨识方法研究 ？科技部中青年科技创新领军人才等。主持国家重点研发计划项目课题、973项目子课题、国家自然科学基金、江苏省重大科技成果转化资金、航空科学基金等科研项目 30 多项。共发表论文近200篇，其中SCI检索150 余篇。出版国家级规划教材工部、国际出版社专著2部。申请中国发明专利109件．PCT发明专利1件，己获授权发明专利60件，1件获第42 届瑞士日内瓦国际发明展览会银奖，中国专利优秀奖、江苏省专利项目金奖。

  • 2024-11-11
  • 阅读83