[發明專利]一種基于模糊狀態的多逆變器廣播式控制的方法及裝置有效
| 申請號: | 201710002562.3 | 申請日: | 2017-01-03 |
| 公開(公告)號: | CN106874541B | 公開(公告)日: | 2020-05-15 |
| 發明(設計)人: | 李華;雍正;閆凱 | 申請(專利權)人: | 國能日新科技股份有限公司 |
| 主分類號: | G06F30/20 | 分類號: | G06F30/20;G06F30/18;G06F119/14;G06Q50/06 |
| 代理公司: | 天津合正知識產權代理有限公司 12229 | 代理人: | 李成運;李震勇 |
| 地址: | 100091 北京市海*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 模糊 狀態 逆變器 廣播 控制 方法 裝置 | ||
1.一種基于模糊狀態的多逆變器廣播式控制的方法,其特征在于,包括:
1)獲取多個發電單元數據集,包括實時輸出功率,狀態信息、定值參數;
2)剔除所獲取數據集中發電單元輸出野值數據;采用最小二乘法或神經網絡算法,預測當幀數據,當幀數據的預測值與實時值的誤差小于允許的偏差,則實時值有效,否則以預測值代替實時值;
3)篩選出數據集中發電單元樣本集合,計算目標平均偏差和偏差率,對多個樣本集合得出最終的偏差參數并輸入到控制系統;
具體方法為:
(301)樣本的選擇規則為:選擇不同網絡拓撲結構節點中的發電單元;選擇不同時空區域的發電單元;選擇不同型號規則的發電單元或不同網絡中繼設備的發電單元;樣本是全部或具有代表性的一部分;
(302)計算樣本平均偏差統計,公式為:
(303)統計每個迭代周期內平均偏差的變化率作為偏差率;
4)將樣本數據對準處理和數據模糊化處理,根據數據融合模型將采樣數據進行融合計算;
具體方法為:
(401)把采樣數據轉換到一個位置上,即空間對準,進行坐標轉換處理;
(402)采用插值法進行采樣數據的時間校準;
(403)確定采樣數據的模糊集、論域和隸屬度函數,再進行數據融合處理;
5)將模糊規則融合后的采樣數據輸入到所述控制系統,系統進行解釋模糊數據并進行業務策略的邏輯運算,將平均分配的目標值輸出到廣播通道;
6)將廣播通道的目標值同一時刻通知到站內所有在線的發電單元,使發電單元按照調節目標變化,最終接近目標值。
2.一種基于模糊狀態的多逆變器廣播式控制的裝置,包括:
數據集獲取模塊,用于獲取多個發電單元數據集,包括實時輸出功率,狀態信息、定值參數;
剔除模塊,用于剔除所獲取數據集中發電單元輸出野值數據;
樣本偏差計算模塊,用于篩選出數據集中發電單元樣本集合,計算目標平均偏差和偏差率,對多個樣本集合得出最終的偏差參數并輸入到控制系統;
數據融合模塊,用于將樣本數據對準處理和數據模糊化處理,根據數據融合模型將采樣數據進行融合計算;
解釋輸出模塊,用于將模糊規則融合后的采樣數據輸入到所述控制系統,系統進行解釋模糊數據并進行業務策略的邏輯運算,將平均分配的目標值輸出到廣播通道;
廣播模塊,用于將廣播通道的目標值同一時刻通知到站內所有在線的發電單元,使發電單元按照調節目標變化,最終接近目標值;
剔除模塊包括最小二乘法單元,用于采用最小二乘法,預測當幀數據,當幀數據的預測值與實時值的誤差小于允許的偏差,則實時值有效,否則以預測值代替實時值;
或者,剔除模塊包括神經網絡單元,用于采用神經網絡算法,預測當幀數據,當幀數據的預測值與實時值的誤差小于允許的偏差,則實時值有效,否則以預測值代替實時值;
樣本偏差計算模塊包括:
樣本選擇單元:用于選擇不同網絡拓撲結構節點中的發電單元;選擇不同時空區域的發電單元;選擇不同型號規則的發電單元或不同網絡中繼設備的發電單元;樣本是全部或具有代表性的一部分;
樣本平均偏差統計單元,用于計算樣本平均偏差統計,公式為:
偏差率計算單元,用于統計每個迭代周期內平均偏差的變化率作為偏差率;
數據融合模塊包括:
空間對準單元,用于把采樣數據轉換到一個位置上,即空間對準,進行坐標轉換處理;
時間校準單元,用于采用插值法進行采樣數據的時間校準;
數據融合單元,用于確定采樣數據的模糊集、論域和隸屬度函數,再進行數據融合處理。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于國能日新科技股份有限公司,未經國能日新科技股份有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710002562.3/1.html,轉載請聲明來源鉆瓜專利網。





