CN110391670A - 一种微电网系统灾变预测方法及装置 - Google Patents
一种微电网系统灾变预测方法及装置 Download PDFInfo
- Publication number
- CN110391670A CN110391670A CN201810340257.XA CN201810340257A CN110391670A CN 110391670 A CN110391670 A CN 110391670A CN 201810340257 A CN201810340257 A CN 201810340257A CN 110391670 A CN110391670 A CN 110391670A
- Authority
- CN
- China
- Prior art keywords
- inverter
- switching tube
- sequence
- node
- monomer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013277 forecasting method Methods 0.000 title claims abstract description 14
- 230000006855 networking Effects 0.000 claims abstract description 22
- 239000003595 mist Substances 0.000 claims abstract description 16
- 239000000178 monomer Substances 0.000 claims description 44
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 6
- 239000003990 capacitor Substances 0.000 claims description 5
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000010248 power generation Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000004044 response Effects 0.000 abstract description 2
- 230000035945 sensitivity Effects 0.000 description 6
- 230000005611 electricity Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000009183 running Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Inverter Devices (AREA)
Abstract
本发明提供一种微电网系统灾变预测方法及装置,属于微电网技术的应用及分布式发电领域,该装置包括n个逆变器、交流母线和负载,所述n个逆变器经交流母线与负载连接,负载与交流母线相连接。逆变器包括光伏阵列、DC/DC开关变换器、H桥逆变电路、π型滤波器、断电保护电路、雾计算模块、随机重连组网模块、灾变预测模块、控制器、SPWM调制及驱动电路和备用电源。本发明采用雾计算技术,将大量数据和基础信息存储在本地,并在本地进行优化计算,实现“智能前端化”,降低系统信息传输量,提高系统的响应速度和网络带宽。
Description
技术领域
本发明涉及微电网技术的应用及分布式发电领域,特别是涉及一种微电网系统灾变预测方法及装置。
背景技术
开发清洁的可再生能源已成为世界各国经济和社会可持续发展的重要战略。新能源的应用,对优化能源结构、实现节能降耗、合理利用清洁能源、改善和保护环境有重要意义。微电网是由电源、储能装置、能量转换装置、负荷、监控和保护装置等组成的可控系统,具有孤岛和并网两种运行模式,其中电源往往由若干台分布式逆变器并联运行,来实现大容量供电以及冗余供电。分布式逆变器作为微电网系统关键的零部件之一,实际运用中其发生故障的机率极高,从而对整个微电网系统的稳定工作造成极大的威胁。
此时,微电网需要可靠的灾变预测装置来实时监测各逆变器的运行情况,从而提高系统的安全稳定性。传统微电网系统灾变预测策略往往采用集中数据处理的计算方式,存在处理器运算量过大,系统灵敏度低,预测准确性低等问题,造成故障预警效果远未达到理想目标。综上所述,在人们对电力系统安全性、稳定性要求越来高的今天,迫切需要一种灵敏度高、安全性强的微电网系统灾变预测系统。
发明内容
针对上述问题,本发明针对现代微电网系统中数据量和数据节点数不断增加的应用背景,解决的是现有微电网系统灾变预测策略存在处理器运算量过大,灵敏度低,预测准确性低的问题,提出一种分布式计算微电网系统灾变预测策略,从而实现系统对数据传输量的要求更小、灵敏度更高、准确性更高,安全性更强,具体提出一种微电网系统灾变预测装置及方法。
本发明通过以下技术方案解决上述问题:
一种微电网系统灾变预测方法,包括如下步骤,
步骤1:以周期为T的A/D采样对各个逆变器的输出电流进行采样得到电流序列;
步骤2:设微电网系统由N(N=m×n)个逆变器单体组成,将全部逆变器单体分成m部分,每个部分含有n个逆变器单体,其中,n和m均为正整数;
步骤3:设网络连接矩阵为且满足以下条件:其中,k为步骤2中总共m部分的第k部分,也就是k小于等于m;i,j为第k部分中的第i,j个结点,i=1,2,…n,j=1,2,…n;
步骤4:将每个逆变器单体作为一个网络结点,生成一个局部小世界网络;
步骤5:采用步骤1的采集方式对小世界网络进行采样,得到采样数据,并对采样数据进行累加和求均值得到参考值序列;
步骤6:把参考值序列与步骤1中采集的电流序列输入到灾变预测模块中;
步骤7:灾变预测模块对参考值序列和电流序列进行互相关性分析,得到互相关性系数,并将互相关性系数传到控制器中;
步骤8:控制器对所接收到的互相关系数进行分析比较,若系数大于预警值Δe,则判定该逆变器单体为正常状态,否则判定该逆变器单体可能会发生故障,控制器将断开逆变器单体输出端的并网开关,进入停止工作状态,并对外发出报警信号,预警值Δe的取值范围为0.5≤Δe<1,预警值Δe为系统预先设定的值。
所述步骤4中生成一个局部小世界网络的过程为:
首先以一个随机重连概率对m部分中的n个逆变器单体的网络矩阵进行随机重连,生成m个小世界网络;
根据结点数量N,构建m个度为3,,结点数为n的环形网络,每个环形网络的连接矩阵为此处,n为节点数,在中,若某个矩阵元素则以概率P将和修改为0,随机选择一个值为0的和将和修改为1,其中j′=1,2,…,n,且j′≠i;然后利用式子:重新计算对角元素,生成逆变器单体的随机矩阵Csc,得到m个小世界网络;
最终,将m个小世界网络中的部分结点连接在一起,生成局部小世界网络。
所述步骤5中计算参考值序列的具体过程为:
由步骤4生成的逆变器单体的局部小世界网络后,每个逆变器单体被当作一个结点,两个结点间的连接关系由连接矩阵来决定,即当连接矩阵内的则说明第k部分逆变器单体中结点i和电池结点j有连接关系;基站按照连接关系,当cij=1,则通过随机重连组网模块,将第k部分逆变器单体中的第i和第j个逆变器单体结点进行连接组网;由此,结点i即可获取结点j中由步骤1采集到的输出电流序列;经过n次上述随机重连组网,结点i即可获得所在小世界网络中所有结点的输出电流序列,利用公式:结点i得到参考值序列;其中,i=1,2,…,n k=1,2,…,m,l=1,2,…,L,L为输出电流序列的长度,为结点输出电流序列中的最大值,表示第k部分中结点i的电流序列,序列长度为l。
所述步骤7中确定一组序列互相关性系数的具体过程为:
设待测的一组离散信号序列为和则该组序列的互相关性系数为:
为了消除信号幅度对大小的影响,将(1)式进一步转换为:
其中,i=1,2,…,n k=1,2,…,m,l=1,2,…,L,L为参考值序列和输出电流序列的长度;
因此,就在0~1之间随着序列和相似程度的增大而增大;反之,也成立,最终求得该组序列的互相关性系数。
所述步骤8中Δe的取值为0.8。
一种微电网系统灾变预测方法的装置,包括n个逆变器、交流母线和负载,所述n个逆变器经交流母线与负载连接,负载与交流母线相连接;
逆变器包括光伏阵列、DC/DC开关变换器、H桥逆变电路、π型滤波器、断电保护电路、雾计算模块、随机重连组网模块、灾变预测模块、控制器、SPWM调制及驱动电路和备用电源;所述光伏阵列的输出端与DC/DC开关变换器的输入端相连接;所述H桥逆变电路的输入端与DC/DC开关变换器输出端和SPWM调制及驱动电路输出端相连接,H桥逆变电路的输出端与π型滤波器输入端相连接;所述π型滤波器输出端经断电保护电路与交流母线相连接;所述雾计算模块与随机重连组网模块连接;所述雾计算模块的输出端经灾变预测模块与控制器的输入端连接;所述控制器输出端与PWM调制及驱动电路的输入端相连接;所述备用电源输出端与DSP控制器输入端相连接。所述随机重连组网模块与外部的无线基站无线连接。
所述H桥逆变电路包括4个功率开关管K1-K4和4个二极管T1-T4,二极管T1的输入端与开关管K1的发射极连接,二极管T1的输出端与开关管K1的集电极连接;二极管T2的输入端与开关管K2的发射极连接,二极管T2的输出端与开关管K2的集电极连接;二极管T3的输入端与开关管K3的发射极连接,二极管T3的输出端与开关管K3的集电极连接;二极管T4的输入端与开关管K4的发射极连接,二极管T4的输出端与开关管K4的集电极连接;开关管K1的发射与开关管K3的集电极连接;开关管K2的发射与开关管K4的集电极连接;开关管K3的发射极与开关管K4的发射极连接;开关管K1的集电极与开关管K2的集电极连接。
所述π型滤波器包括电感L1、电感L2和电容C2,所述电感L1和电感L2并联设置,电容C2一端与电感L1连接,另一端与电感L2另一端连接。
本发明的优点与效果是:
本发明采用雾计算技术模式,将大量数据和基础信息存储在本地,并在本地进行优化计算,实现“智能前端化”,降低系统信息传输量,提高系统的响应速度和网络带宽;本发明根据系统各结点信息互相关的特性,运用互相关函数相关理论对系统数据进行运算处理,提高了系统灾变预测的准确性和灵敏度;本发明采用随机重连组网的技术手段,进一步减少系统运算量和提高系统灵敏度。
附图说明
图1为本发明的程序流程图。
图2为本发明的随机网络结构图。
图3为本发明的总体装置结构图。
具体实施方式
以下结合实施例对本发明作进一步说明。
步骤1,各逆变器中的雾计算模块对输出电流进行周期为T的A/D采样,经均值滤波处理后,得到各逆变器的输出电流序列,并将相关数据存储在雾计算模块中。
步骤2,设微电网系统由N(N=m×n)个逆变器单体组成,将全体逆变器单体分成m部分,每个部分含有n个逆变器单体。设网络连接矩阵为且满足以下条件:
将每个逆变器单体作为一个网络结点,生成一个局部小世界网络。生成局部小世界网络的方法如下:
首先以一个随机重连概率P=0.5,对每个部分逆变器单体的网络矩阵进行随机重连,生成m个小世界网络。具体实施为:根据结点数量N,构建m个度为3,结点数为n的环形网络,如图2所示,此时每个环形网络的连接矩阵为接着,在中,若某个矩阵元素则以概率P将和修改为0,随机选择一个值为0的和将和修改为1,其中j′=1,2,…,n,且j′≠i。然后利用式子:重新计算对角元素,生成了逆变器单体的随机矩阵Csc,得到m个小世界网络。最终,将m个小世界网络中的部分结点连接在一起,生成局部小世界网络。
步骤3,每个逆变器单体中的雾计算模块将获取所在小世界网络中所有逆变器单体由步骤1采集到的数据,并通过累加和求均值的数学关系,得到参考值序列。紧接着将该参考值序列和自身由步骤1中采集到的输出电流序列传输到灾变预测模块中。求得参考值序列的具体方法如下:
由步骤2生成了逆变器单体的局部小世界网络后,如前所述,每个逆变器单体被当作一个结点,两个结点间的连接关系由连接矩阵来决定,即当连接矩阵内的则说明第k部分逆变器单体中结点i和电池结点j有连接关系。基站按照连接关系,当cij=1,则通过随机重连组网模块,将第k部分逆变器单体中的第i和第j个逆变器单体结点进行连接组网。由此,上述中的结点i即可获取结点j中由步骤1采集到的输出电流序列。经过n次上述随机重连组网,结点i即可获得所在小世界网络中所有结点的输出电流序列,利用公式:结点i得到参考值序列。其中,i=1,2,…,n k=1,2,…,m,l=1,2,…,L,L为输出电流序列的长度,为结点输出电流序列中的最大值。
步骤4,上述逆变器单体结点中的灾变预测模块在得到参考值序列和自身由步骤1中采集到的输出电流序列后,对该组序列进行互相关性分析,得到互相关性系数,并将该系数传输到DSP控制器中。其中确定一组序列互相关性系数的方法如下所述:
设待测的一组离散信号序列为和则该组序列的互相关性系数为:
为了消除信号幅度对大小的影响,将(1)式改写成:
其中,i=1,2,…,n k=1,2,…,m,l=1,2,…,L,L为参考值序列和输出电流序列的长度。
这样,就在0~1之间随着序列和相似程度的增大而增大。反之,也成立。最终,求得该组序列的互相关性系数。
步骤5,DSP控制器对所接收到的互相关系数进行分析比较,若系数大于预警值Δe,则判定该逆变器单体为正常状态,否则判定该逆变器单体可能会发生故障。DSP控制器将断开逆变器单体输出端的并网开关,进入停止工作状态,并对外发出报警信号,以免危及整个微电网系统。预警值Δe的取值范围为0.5≤Δe<1,本发明令其的值为0.8,预警值为0.8时,控制的效果最好,错判的几率几乎为零。
通过上述步骤,达到微电网系统灾变预测的目的,从而实现微电网系统的安全性得到进一步的提升。
一种微电网系统灾变预测方法的装置,包括n个逆变器、交流母线和负载,所述n个逆变器经交流母线与负载连接,负载与交流母线相连接。逆变器的个数一般根据用户的需求或者实际控制系统大小来定,一般是50-100个。
逆变器包括光伏阵列、DC/DC开关变换器、H桥逆变电路、π型滤波器、断电保护电路、雾计算模块、随机重连组网模块、灾变预测模块、控制器、SPWM调制及驱动电路和备用电源。SPWM调制及驱动电路使用现有的SPWM调制电路。断电保护电路包括了漏电检测传感器和电子开关,漏电检测传感器与电子开关连接,漏电检测传感器输出的信号控制电子开关。
光伏阵列的输出端与DC/DC开关变换器的输入端相连接,光伏阵列为现有的太阳能发电板。H桥逆变电路的输入端与DC/DC开关变换器输出端和SPWM调制及驱动电路输出端相连接,H桥逆变电路的输出端与π型滤波器输入端相连接。π型滤波器输出端经断电保护电路与交流母线相连接。
H桥逆变电路包括4个功率开关管K1-K4和4个二极管T1-T4,二极管T1的输入端与开关管K1的发射极连接,二极管T1的输出端与开关管K1的集电极连接;二极管T2的输入端与开关管K2的发射极连接,二极管T2的输出端与开关管K2的集电极连接;二极管T3的输入端与开关管K3的发射极连接,二极管T3的输出端与开关管K3的集电极连接;二极管T4的输入端与开关管K4的发射极连接,二极管T4的输出端与开关管K4的集电极连接;开关管K1的发射与开关管K3的集电极连接;开关管K2的发射与开关管K4的集电极连接;开关管K3的发射极与开关管K4的发射极连接;开关管K1的集电极与开关管K2的集电极连接。
π型滤波器包括电感L1、电感L2和电容C2,所述电感L1和电感L2并联设置,电容C2一端与电感L1连接,另一端与电感L2另一端连接。
雾计算模块与随机重连组网模块连接,雾计算模块与随机重连组网模块均为包括STM32系列单片机芯片电路。雾计算模块的输出端经灾变预测模块与控制器的输入端连接。控制器输出端与PWM调制及驱动电路的输入端相连接。备用电源输出端与控制器输入端相连接。随机重连组网模块与外部的无线基站无线连接。控制器采用DSP控制器,型号为现有的DSP控制器。备用电源为蓄电池,输出的电压根据需求进行设定。无线基站为现有的一些无线通信基站,随机重连组网模块中还包括了4G无线模块或者其他的无线模块均可以。
以上已对本发明创造的较佳实施例进行了具体说明,但本发明并不限于实施例,熟悉本领域的技术人员在不违背本发明创造精神的前提下还可作出种种的等同的变型或替换,这些等同的变型或替换均包含在本申请的范围内。
Claims (8)
1.一种微电网系统灾变预测方法,其特征在于,包括如下步骤,
步骤1:以周期为T的A/D采样对各个逆变器的输出电流进行采样得到电流序列;
步骤2:设微电网系统由N(N=m×n)个逆变器单体组成,将全部逆变器单体分成m部分,每个部分含有n个逆变器单体,其中,n和m均为正整数;
步骤3:设网络连接矩阵为且满足以下条件:其中,i=1,2,…n,j=1,2,…n,其中,k为步骤2中总共m部分的第k部分,也就是k小于等于m;i,j为第k部分中的第i,j个结点;
步骤4:将每个逆变器单体作为一个网络结点,生成一个局部小世界网络;
步骤5:采用步骤1的采集方式对小世界网络进行采样,得到采样数据,并对采样数据进行累加和求均值得到参考值序列;
步骤6:把参考值序列与步骤1中采集的电流序列输入到灾变预测模块中;
步骤7:灾变预测模块对参考值序列和电流序列进行互相关性分析,得到互相关性系数,并将互相关性系数传到控制器中;
步骤8:控制器对所接收到的互相关系数进行分析比较,若系数大于预警值Δe,则判定该逆变器单体为正常状态,否则判定该逆变器单体可能会发生故障,控制器将断开逆变器单体输出端的并网开关,进入停止工作状态,并对外发出报警信号,预警值Δe的取值范围为0.5≤Δe<1,预警值Δe为系统预先设定的值。
2.根据权利要求1所述的一种微电网系统灾变预测方法,其特征在于:所述步骤4中生成一个局部小世界网络的过程为:
首先以一个随机重连概率对m部分中的n个逆变器单体的网络矩阵进行随机重连,生成m个小世界网络;
根据结点数量N,构建m个连接度为3,其中连接度为两个节点的连接通道,结点数为n的环形网络,每个环形网络的连接矩阵为在中,若某个矩阵元素则以概率P将和修改为0,随机选择一个值为0的和将和修改为1,其中j′=1,2,…,n,且j′≠i;然后利用式子:重新计算对角元素,生成逆变器单体的随机矩阵Csc,得到m个小世界网络;
最终,将m个小世界网络中的部分结点连接在一起,生成局部小世界网络。
3.根据权利要求1所述的一种微电网系统灾变预测方法,其特征在于:所述步骤5中计算参考值序列的具体过程为:
由步骤4生成的逆变器单体的局部小世界网络后,每个逆变器单体被当作一个结点,两个结点间的连接关系由连接矩阵来决定,即当连接矩阵内的则说明第k部分逆变器单体中结点i和电池结点j有连接关系;基站按照连接关系,当cij=1,则通过随机重连组网模块,将第k部分逆变器单体中的第i和第j个逆变器单体结点进行连接组网;由此,结点i即可获取结点j中由步骤1采集到的输出电流序列;经过n次上述随机重连组网,结点i即可获得所在小世界网络中所有结点的输出电流序列,利用公式:结点i得到参考值序列;其中,i=1,2,…,n k=1,2,…,m,l=1,2,…,L,L为输出电流序列的长度,为结点输出电流序列中的最大值,表示第k部分中结点i的电流序列,序列长度为l。
4.根据权利要求1所述的一种微电网系统灾变预测方法,其特征在于:所述步骤7中确定一组序列互相关性系数的具体过程为:
设待测的一组离散信号序列为和则该组序列的互相关性系数为:
为了消除信号幅度对大小的影响,将(1)式进一步转换为:
其中,i=1,2,…,n k=1,2,…,m,l=1,2,…,L,L为参考值序列和输出电流序列的长度;
因此,就在0~1之间随着序列和相似程度的增大而增大;反之,也成立,最终求得该组序列的互相关性系数。
5.基于权利要求1所述的一种微电网系统灾变预测方法,其特征在于:所述步骤8中Δe的取值为0.8。
6.根据权利要求1所述的一种微电网系统灾变预测方法的装置,其特征在于:包括n个逆变器、交流母线和负载,所述n个逆变器经交流母线与负载连接,负载与交流母线相连接;
逆变器包括光伏阵列、DC/DC开关变换器、H桥逆变电路、π型滤波器、断电保护电路、雾计算模块、随机重连组网模块、灾变预测模块、控制器、SPWM调制及驱动电路和备用电源;所述光伏阵列的输出端与DC/DC开关变换器的输入端相连接;所述H桥逆变电路的输入端与DC/DC开关变换器输出端和SPWM调制及驱动电路输出端相连接,H桥逆变电路的输出端与π型滤波器输入端相连接;所述π型滤波器输出端经断电保护电路与交流母线相连接;所述雾计算模块与随机重连组网模块连接;所述雾计算模块的输出端经灾变预测模块与控制器的输入端连接;所述控制器输出端与PWM调制及驱动电路的输入端相连接;所述备用电源输出端与控制器输入端相连接。所述随机重连组网模块与外部的无线基站无线连接。
7.根据权利要求6所述的一种微电网系统灾变预测方法的装置,其特征在于:所述H桥逆变电路包括4个功率开关管K1-K4和4个二极管T1-T4,二极管T1的输入端与开关管K1的发射极连接,二极管T1的输出端与开关管K1的集电极连接;二极管T2的输入端与开关管K2的发射极连接,二极管T2的输出端与开关管K2的集电极连接;二极管T3的输入端与开关管K3的发射极连接,二极管T3的输出端与开关管K3的集电极连接;二极管T4的输入端与开关管K4的发射极连接,二极管T4的输出端与开关管K4的集电极连接;开关管K1的发射与开关管K3的集电极连接;开关管K2的发射与开关管K4的集电极连接;开关管K3的发射极与开关管K4的发射极连接;开关管K1的集电极与开关管K2的集电极连接。
8.根据权利要求6所述的一种微电网系统灾变预测方法的装置,其特征在于:所述π型滤波器包括电感L1、电感L2和电容C2,所述电感L1和电感L2并联设置,电容C2一端与电感L1连接,另一端与电感L2另一端连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810340257.XA CN110391670A (zh) | 2018-04-16 | 2018-04-16 | 一种微电网系统灾变预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810340257.XA CN110391670A (zh) | 2018-04-16 | 2018-04-16 | 一种微电网系统灾变预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110391670A true CN110391670A (zh) | 2019-10-29 |
Family
ID=68283879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810340257.XA Pending CN110391670A (zh) | 2018-04-16 | 2018-04-16 | 一种微电网系统灾变预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110391670A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111212084A (zh) * | 2020-01-15 | 2020-05-29 | 广西师范大学 | 一种面向边缘计算的属性加密访问控制方法 |
CN114142587A (zh) * | 2021-10-19 | 2022-03-04 | 广西师范大学 | 一种田园综合体发电系统装置及控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101187999A (zh) * | 2007-11-15 | 2008-05-28 | 重庆大学 | 建筑物火灾烟流特性预测系统和预测方法 |
US20140219084A1 (en) * | 2011-07-15 | 2014-08-07 | Hiroaki Nishikawa | Ultra low power-data driven networking processing device for avoiding overload |
US9020875B1 (en) * | 2012-01-23 | 2015-04-28 | Hrl Laboratories, Llc | Catastrophe prediction via estimated network autocorrelation |
CN105006837A (zh) * | 2015-07-23 | 2015-10-28 | 广西师范大学 | 基于非线性动力学特性的光伏微网灾变预测方法及装置 |
CN105548792A (zh) * | 2015-12-28 | 2016-05-04 | 中南大学 | 基于预测控制的矩阵变换器开关开路故障诊断方法 |
CN107257140A (zh) * | 2017-08-17 | 2017-10-17 | 哈尔滨工业大学 | 基于逆下垂控制的光伏微网系统离/并网控制方法 |
CN107425533A (zh) * | 2017-09-08 | 2017-12-01 | 湘潭大学 | 一种电压不平衡时同步逆变器并网运行态势利导方法 |
CN107729676A (zh) * | 2017-10-31 | 2018-02-23 | 中国地质大学(武汉) | 高炉操作参数及状态变量与co利用率相关性分析方法 |
-
2018
- 2018-04-16 CN CN201810340257.XA patent/CN110391670A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101187999A (zh) * | 2007-11-15 | 2008-05-28 | 重庆大学 | 建筑物火灾烟流特性预测系统和预测方法 |
US20140219084A1 (en) * | 2011-07-15 | 2014-08-07 | Hiroaki Nishikawa | Ultra low power-data driven networking processing device for avoiding overload |
US9020875B1 (en) * | 2012-01-23 | 2015-04-28 | Hrl Laboratories, Llc | Catastrophe prediction via estimated network autocorrelation |
CN105006837A (zh) * | 2015-07-23 | 2015-10-28 | 广西师范大学 | 基于非线性动力学特性的光伏微网灾变预测方法及装置 |
CN105548792A (zh) * | 2015-12-28 | 2016-05-04 | 中南大学 | 基于预测控制的矩阵变换器开关开路故障诊断方法 |
CN107257140A (zh) * | 2017-08-17 | 2017-10-17 | 哈尔滨工业大学 | 基于逆下垂控制的光伏微网系统离/并网控制方法 |
CN107425533A (zh) * | 2017-09-08 | 2017-12-01 | 湘潭大学 | 一种电压不平衡时同步逆变器并网运行态势利导方法 |
CN107729676A (zh) * | 2017-10-31 | 2018-02-23 | 中国地质大学(武汉) | 高炉操作参数及状态变量与co利用率相关性分析方法 |
Non-Patent Citations (2)
Title |
---|
曹筱欧;郑凤柱;刘金华;李峥铮;: "分布式供电网络中新型光伏并网逆变器研究", 现代电子技术, no. 08, 15 April 2017 (2017-04-15) * |
黎玉芳;李志鸿;: "桂林地区气温与降水量的时间序列预测模型", 广西科学, no. 02, 15 May 2013 (2013-05-15) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111212084A (zh) * | 2020-01-15 | 2020-05-29 | 广西师范大学 | 一种面向边缘计算的属性加密访问控制方法 |
CN114142587A (zh) * | 2021-10-19 | 2022-03-04 | 广西师范大学 | 一种田园综合体发电系统装置及控制方法 |
CN114142587B (zh) * | 2021-10-19 | 2023-09-26 | 广西师范大学 | 一种田园综合体发电系统装置及控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106443358B (zh) | 一种基于信号注入装置的架空配电网行波定位系统 | |
CN108964236B (zh) | 面向传感网应用的自追踪太阳能收集系统 | |
CN104680424A (zh) | 大型光伏电站的电压电能情况预估方法 | |
CN102638195B (zh) | 一种太阳能发电系统控制方法 | |
CN107895945B (zh) | 一种电池板电位差补偿系统 | |
CN110288111A (zh) | 一种基于天气预测的家庭电能管理的方法及系统 | |
US11705735B2 (en) | Method and apparatus for controlling power supply system, and system | |
CN109270982A (zh) | 一种太阳能光伏最大功率跟踪控制方法 | |
US20190214825A1 (en) | Micro-energy collection method and device, and micro-energy supply device | |
CN108448652A (zh) | 一种新能源与电网配合供电方法及其校验装置 | |
CN104124704B (zh) | 分布式电源与微网接入主电网的管理方法 | |
CN107977038B (zh) | 太阳能阵列电压补偿装置 | |
CN110391670A (zh) | 一种微电网系统灾变预测方法及装置 | |
CN107885274B (zh) | 一种光伏阵列智能电压补偿器 | |
CN103560533B (zh) | 基于变化率控制储能电站平滑风光发电波动的方法及系统 | |
CN105243230A (zh) | 一种计及卸荷电路的直驱风电场的等值建模方法 | |
CN103066888B (zh) | 一种具有自补偿功能的光伏组件 | |
CN106846161A (zh) | 一种大型光伏电站的电压电能情况预估方法 | |
CN105429462A (zh) | 一种双级多功能并网变换器的控制系统及其方法 | |
CN105207263A (zh) | 垃圾焚烧发电厂的光伏发电系统及并网控制方法 | |
CN205070454U (zh) | 垃圾焚烧发电厂的光伏发电系统 | |
CN109546188B (zh) | 液流电池储能多属性综合评估方法 | |
CN103490437A (zh) | 一种分布式风光抽蓄互补发电控制系统及方法 | |
CN204906306U (zh) | 分布式光伏并网模块化发电系统嵌入式防窃电装置 | |
CN107979324A (zh) | 太阳能充电系统及其控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |