排序方式: 共有16条查询结果,搜索用时 0 毫秒
1.
2.
3.
4.
5.
6.
锂离子荷电状态(State of charge,SOC)的精准估计是锂离子电池安全稳定运行的基础。传统的误差反向传播(Back propagation,BP)神经网络估计SOC的精度不高,而循环神经网络(Recurrent neural network,RNN)也容易陷入局部最优。针对这些问题,提出了自适应灾变遗传-循环神经网络(ACGA-RNN)联合算法,将自适应灾变遗传算法(Adaptive cataclysm genetic algorithm,ACGA)用于优化RNN的初始权值和阈值,提高了最优权值和阈值的全局搜索能力,从而有效提升锂离子电池SOC的估计精度。基于锂离子电池充放电的试验数据,将所提ACGA-RNN联合算法与RNN、GA-RNN算法分别用于锂离子电池的SOC估计。测试结果显示,相较于传统的RNN算法与GA-RNN算法,提出的ACGA-RNN联合算法获得了最佳的SOC估计精度,在DST工况下的估计平均绝对误差为1.74%,低于传统RNN和GA-RNN的估计精度3.68%和2.49%;另外,在45℃和0℃条件下,ACGA-RNN联合算法估计的平均绝对值误差分别为1.7... 相似文献
7.
对比了VSG和传统电流型并网逆变器(TGCI)接入弱电网下的谐波域模型,发现传统谐波电流抑制方法并不适用于VSG,同时弱电网条件下非线性负载谐波电流和电网谐波电压对VSG谐波输出阻抗的要求是相互矛盾的,进而导致VSG接入弱电网下的问题更加复杂。提出一种阻抗重塑型谐波电流抑制方法来提升VSG接入弱电网的友好性,主要包含无源和有源部分,有源部分是通过公共耦合点(PCC)电压和附加电压两个变量的适当负、正前馈,增加从电网侧到VSG的谐波阻抗,同时还减小PCC到VSG的输出阻抗,有效地解决VSG接入弱电网的并网电流畸变严重的难题。最后,搭建了10 kW的VSG样机平台验证了所提方法的有效性。 相似文献
8.
9.
输电线路发生故障后,采集到的信号往往带有各种噪声,有效滤除噪声对行波的干扰,提取有用的行波信号,是实现行波差动保护的关键.文中介绍了采用数学形态学滤除行波信号中的随机噪声和脉冲噪声,对故障行波电流信号进行相模变换,求取正反向行波,提取正反向行波波头信号的模极大值实现行波差动保护.在提取行波模极大值的算法中,提出了一种新的算法,使保护的速度更快,仿真研究表明该算法是可行的. 相似文献
10.
为了在保证供电可靠基础上最大程度节约能源,提出基于GOOSE通信的变电站递推式远方备自投节能控制方法。结合备自投电源进线特点,分析控制过程中需遵守的基本原则;以GOOSE通信方式为依据设计整体控制架构,分为备自投装置、开关闭锁与谐波抑制等模块,明确框架下GOOSE报文的发送与接收流程;通过获取故障线路的电压与电流值,判断故障点位置,便于做出控制决策;构建GOOSE开出矩阵,模拟故障发生时,子装置发送到主站的信息,根据矩阵中每行向量表示的意义,设置备自投开关响应动作,实现备自投节能控制。仿真实验表明,该方法可有效抑制谐波,减少电能损耗,满足绿色电网发展需求 相似文献