CN117767778A - 一种自适应的逆变器智能控制方法及系统 - Google Patents
一种自适应的逆变器智能控制方法及系统 Download PDFInfo
- Publication number
- CN117767778A CN117767778A CN202410198907.7A CN202410198907A CN117767778A CN 117767778 A CN117767778 A CN 117767778A CN 202410198907 A CN202410198907 A CN 202410198907A CN 117767778 A CN117767778 A CN 117767778A
- Authority
- CN
- China
- Prior art keywords
- inverter
- adaptive
- weight
- frequency
- learning rate
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000003044 adaptive effect Effects 0.000 claims abstract description 75
- 230000008859 change Effects 0.000 claims abstract description 12
- 230000009897 systematic effect Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 9
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Landscapes
- Inverter Devices (AREA)
Abstract
本发明公开一种自适应的逆变器智能控制方法及系统，该方法包括：获取逆变器的逆变器信息，其中，所述逆变器信息包括：逆变器的占空比、实际的输出电压、实际的输出电流、实际的频率；根据所述逆变器信息、期望的输出电压、期望的输出电流和期望的频率，设置逆变器自适应控制模型，根据所述逆变器自适应控制模型对逆变器进行自适应智能控制，从而输出期望的输出电压、期望的输出电流，其中，所述逆变器自适应控制模型包括设置适应性学习率，用于调整占空比随时间变化的适应性。
Description
技术领域
本发明属于逆变器智能控制技术领域，更具体地，涉及一种自适应的逆变器智能控制方法及系统。
背景技术
逆变器智能控制技术已经在可再生能源、电力系统和工业应用等领域取得了显著的进展。逆变器是将直流电转换为交流电的设备，广泛用于太阳能电池板、风力发电机和电池储能系统等设备中。
在可再生能源系统中，逆变器通常与能量存储系统和智能能量管理系统结合使用，以实现对电网的更好集成。这些系统利用预测算法和实时数据监测，优化能量的生成、储存和分配，以确保最佳的能源利用效率。
但是现有技术中并没有一种技术方案，能够自适应的对逆变器进行智能控制，从而输出期望的电压和电流。
发明内容
为解决以上技术问题，本发明提出一种自适应的逆变器智能控制方法，包括：
获取逆变器的逆变器信息，其中，所述逆变器信息包括：逆变器的占空比、实际的输出电压、实际的输出电流、实际的频率；
根据所述逆变器信息、期望的输出电压、期望的输出电流和期望的频率，设置逆变器自适应控制模型，根据所述逆变器自适应控制模型对逆变器进行自适应智能控制，从而输出期望的输出电压、期望的输出电流，其中，所述逆变器自适应控制模型包括设置适应性学习率，用于调整占空比随时间变化的适应性。
进一步的，所述逆变器自适应控制模型包括：
，
其中，为逆变器的占空比，/>为时间，/>为电压权重，/>为期望的输出电压，/>为实际的输出电压，/>为电流权重，/>为期望的输出电流，/>为实际的输出电流，/>为频率权重，/>为期望的频率，/>为实际的频率，/>为适应性学习率，用于调整逆变器的占空比随时间变化的适应性。
进一步的，所述适应性学习率包括：
，
其中，为时间/>时的适应性学习率，/>为时间/>时的适应性学习率，为学习率的更新速度，/>为斜率调整因子，/>为系统误差，用于表示期望输出与实际输出之间的差异。
进一步的，所述系统误差包括：
，
其中，为电压差异权重，/>为电流差异权重，/>为频率差异权重。
进一步的，通过最小二乘法对电压差异权重、电流差异权重/>、频率差异权重、电压权重/>、电流权重/>、频率权重/>和学习率的更新速度/>进行拟合。
本发明还提出一种自适应的逆变器智能控制系统，包括：
获取数据模块，用于获取逆变器的逆变器信息，其中，所述逆变器信息包括：逆变器的占空比、实际的输出电压、实际的输出电流、实际的频率；
智能控制模块，用于根据所述逆变器信息、期望的输出电压、期望的输出电流和期望的频率，设置逆变器自适应控制模型，根据所述逆变器自适应控制模型对逆变器进行自适应智能控制，从而输出期望的输出电压、期望的输出电流，其中，所述逆变器自适应控制模型包括设置适应性学习率，用于调整占空比随时间变化的适应性。
进一步的，所述逆变器自适应控制模型包括：
，
其中，为逆变器的占空比，/>为时间，/>为电压权重，/>为期望的输出电压，/>为实际的输出电压，/>为电流权重，/>为期望的输出电流，/>为实际的输出电流，/>为频率权重，/>为期望的频率，/>为实际的频率，/>为适应性学习率，用于调整逆变器的占空比随时间变化的适应性。
进一步的，所述适应性学习率包括：
，
其中，为时间/>时的适应性学习率，/>为时间/>时的适应性学习率，为学习率的更新速度，/>为斜率调整因子，/>为系统误差，用于表示期望输出与实际输出之间的差异。
进一步的，所述系统误差包括：
，
其中，为电压差异权重，/>为电流差异权重，/>为频率差异权重。
进一步的，通过最小二乘法对电压差异权重、电流差异权重/>、频率差异权重、电压权重/>、电流权重/>、频率权重/>和学习率的更新速度/>进行拟合。
通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
本发明获取逆变器的逆变器信息，其中，所述逆变器信息包括：逆变器的占空比、实际的输出电压、实际的输出电流、实际的频率；根据所述逆变器信息、期望的输出电压、期望的输出电流和期望的频率，设置逆变器自适应控制模型，根据所述逆变器自适应控制模型对逆变器进行自适应智能控制，从而输出期望的输出电压、期望的输出电流，其中，所述逆变器自适应控制模型包括设置适应性学习率，用于调整占空比随时间变化的适应性。本发明通过以上技术方案，能够对逆变器进行自适应的智能控制，从而精准输出期望的电压和电流。
附图说明
图1是本发明实施例1的方法流程图；
图2是本发明实施例2的系统结构图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
本发明提供的方法可以在如下的终端环境中实施，所述终端可以包括一个或多个如下部件：处理器、存储介质和显示屏。其中，存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现下述实施例所述的方法。
处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个终端内的各个部分，通过运行或执行存储在存储介质内的指令、程序、代码集或指令集，以及调用存储在存储介质内的数据，执行终端的各种功能和处理数据。
存储介质可以包括随机存储介质(Random Access Memory，RAM)，也可以包括只读存储介质(Read-Only Memory，ROM)。存储介质可用于存储指令、程序、代码、代码集或指令。
显示屏用于显示各个应用程序的用户界面。
本发明公式中所有下角标只为了区分参数，并没有实际含义。
除此之外，本领域技术人员可以理解，上述终端的结构并不构成对终端的限定，终端可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，终端中还包括射频电路、输入单元、传感器、音频电路、电源等部件，在此不再赘述。
实施例1
如图1所示，本发明实施例提供一种自适应的逆变器智能控制方法，包括：
步骤101，获取逆变器的逆变器信息，其中，所述逆变器信息包括：逆变器的占空比、实际的输出电压、实际的输出电流、实际的频率；
步骤102，根据所述逆变器信息、期望的输出电压、期望的输出电流和期望的频率，设置逆变器自适应控制模型，根据所述逆变器自适应控制模型对逆变器进行自适应智能控制，从而输出期望的输出电压、期望的输出电流，具体的，所述逆变器自适应控制模型包括：
，
其中，为逆变器的占空比，/>为时间，/>为电压权重，/>为期望的输出电压，/>为实际的输出电压，/>为电流权重，/>为期望的输出电流，/>为实际的输出电流，/>为频率权重，/>为期望的频率，/>为实际的频率，/>为适应性学习率，用于调整逆变器的占空比随时间变化的适应性。
其中，所述逆变器自适应控制模型包括设置适应性学习率，用于调整占空比随时间变化的适应性。
具体的，所述适应性学习率包括：
，
其中，为时间/>时的适应性学习率，/>为时间/>时的适应性学习率，为学习率的更新速度，/>为斜率调整因子，/>为系统误差，用于表示期望输出与实际输出之间的差异。
具体的，所述系统误差包括：
，
其中，为电压差异权重，/>为电流差异权重，/>为频率差异权重。
具体的，通过最小二乘法对电压差异权重、电流差异权重/>、频率差异权重/>、电压权重/>、电流权重/>、频率权重/>和学习率的更新速度/>进行拟合。
实施例2
如图2所示，本发明实施例还提出一种自适应的逆变器智能控制系统，包括：
获取数据模块，用于获取逆变器的逆变器信息，其中，所述逆变器信息包括：逆变器的占空比、实际的输出电压、实际的输出电流、实际的频率；
智能控制模块，用于根据所述逆变器信息、期望的输出电压、期望的输出电流和期望的频率，设置逆变器自适应控制模型，根据所述逆变器自适应控制模型对逆变器进行自适应智能控制，从而输出期望的输出电压、期望的输出电流，具体的，所述逆变器自适应控制模型包括：
，
其中，为逆变器的占空比，/>为时间，/>为电压权重，/>为期望的输出电压，/>为实际的输出电压，/>为电流权重，/>为期望的输出电流，/>为实际的输出电流，/>为频率权重，/>为期望的频率，/>为实际的频率，/>为适应性学习率，用于调整逆变器的占空比随时间变化的适应性。
其中，所述逆变器自适应控制模型包括设置适应性学习率，用于调整占空比随时间变化的适应性。
具体的，所述适应性学习率包括：
，
其中，为时间/>时的适应性学习率，/>为时间/>时的适应性学习率，为学习率的更新速度，/>为斜率调整因子，/>为系统误差，用于表示期望输出与实际输出之间的差异。
具体的，所述系统误差包括：
，
其中，为电压差异权重，/>为电流差异权重，/>为频率差异权重。
具体的，通过最小二乘法对电压差异权重、电流差异权重/>、频率差异权重/>、电压权重/>、电流权重/>、频率权重/>和学习率的更新速度/>进行拟合。
实施例3
本发明实施例还提出一种存储介质，存储有多条指令，所述指令用于实现所述的一种自适应的逆变器智能控制方法。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：步骤101，获取逆变器的逆变器信息，其中，所述逆变器信息包括：逆变器的占空比、实际的输出电压、实际的输出电流、实际的频率；
步骤102，根据所述逆变器信息、期望的输出电压、期望的输出电流和期望的频率，设置逆变器自适应控制模型，根据所述逆变器自适应控制模型对逆变器进行自适应智能控制，从而输出期望的输出电压、期望的输出电流，具体的，所述逆变器自适应控制模型包括：
，
其中，为逆变器的占空比，/>为时间，/>为电压权重，/>为期望的输出电压，/>为实际的输出电压，/>为电流权重，/>为期望的输出电流，/>为实际的输出电流，/>为频率权重，/>为期望的频率，/>为实际的频率，/>为适应性学习率，用于调整逆变器的占空比随时间变化的适应性。
其中，所述逆变器自适应控制模型包括设置适应性学习率，用于调整占空比随时间变化的适应性。
具体的，所述适应性学习率包括：
，
其中，为时间/>时的适应性学习率，/>为时间/>时的适应性学习率，为学习率的更新速度，/>为斜率调整因子，/>为系统误差，用于表示期望输出与实际输出之间的差异。
具体的，所述系统误差包括：
，
其中，为电压差异权重，/>为电流差异权重，/>为频率差异权重。
具体的，通过最小二乘法对电压差异权重、电流差异权重/>、频率差异权重/>、电压权重/>、电流权重/>、频率权重/>和学习率的更新速度/>进行拟合。
实施例4
本发明实施例还提出一种电子设备，包括处理器和与所述处理器连接的存储介质，所述存储介质存储有多条指令，所述指令可被所述处理器加载并执行，以使所述处理器能够执行一种自适应的逆变器智能控制方法。
具体的，本实施例的电子设备可以是计算机终端，所述计算机终端可以包括：一个或多个处理器、以及存储介质。
其中，存储介质可用于存储软件程序以及模块，如本发明实施例中的一种自适应的逆变器智能控制方法，对应的程序指令/模块，处理器通过运行存储在存储介质内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的一种自适应的逆变器智能控制方法。存储介质可包括高速随机存储介质，还可以包括非易失性存储介质，如一个或者多个磁性存储系统、闪存、或者其他非易失性固态存储介质。在一些实例中，存储介质可进一步包括相对于处理器远程设置的存储介质，这些远程存储介质可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输系统调用存储介质存储的信息及应用程序，以执行步骤：步骤101，获取逆变器的逆变器信息，其中，所述逆变器信息包括：逆变器的占空比、实际的输出电压、实际的输出电流、实际的频率；
步骤102，根据所述逆变器信息、期望的输出电压、期望的输出电流和期望的频率，设置逆变器自适应控制模型，根据所述逆变器自适应控制模型对逆变器进行自适应智能控制，从而输出期望的输出电压、期望的输出电流，具体的，所述逆变器自适应控制模型包括：
，
其中，为逆变器的占空比，/>为时间，/>为电压权重，/>为期望的输出电压，/>为实际的输出电压，/>为电流权重，/>为期望的输出电流，/>为实际的输出电流，/>为频率权重，/>为期望的频率，/>为实际的频率，/>为适应性学习率，用于调整逆变器的占空比随时间变化的适应性。
其中，所述逆变器自适应控制模型包括设置适应性学习率，用于调整占空比随时间变化的适应性。
具体的，所述适应性学习率包括：
，
其中，为时间/>时的适应性学习率，/>为时间/>时的适应性学习率，为学习率的更新速度，/>为斜率调整因子，/>为系统误差，用于表示期望输出与实际输出之间的差异。
具体的，所述系统误差包括：
，
其中，为电压差异权重，/>为电流差异权重，/>为频率差异权重。
具体的，通过最小二乘法对电压差异权重、电流差异权重/>、频率差异权重/>、电压权重/>、电流权重/>、频率权重/>和学习率的更新速度/>进行拟合。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中，应所述理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的系统实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的全部或部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储介质(ROM，Read-Only Memory)、随机存取存储介质(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种自适应的逆变器智能控制方法，其特征在于，包括：
获取逆变器的逆变器信息，其中，所述逆变器信息包括：逆变器的占空比、实际的输出电压、实际的输出电流、实际的频率；
根据所述逆变器信息、期望的输出电压、期望的输出电流和期望的频率，设置逆变器自适应控制模型，根据所述逆变器自适应控制模型对逆变器进行自适应智能控制，从而输出期望的输出电压、期望的输出电流，其中，所述逆变器自适应控制模型包括设置适应性学习率，用于调整占空比随时间变化的适应性。
2.如权利要求1所述的一种自适应的逆变器智能控制方法，其特征在于，所述逆变器自适应控制模型包括：
，
其中，为逆变器的占空比，/>为时间，/>为电压权重，/>为期望的输出电压，/>为实际的输出电压，/>为电流权重，/>为期望的输出电流，/>为实际的输出电流，/>为频率权重，/>为期望的频率，/>为实际的频率，/>为适应性学习率，用于调整逆变器的占空比随时间变化的适应性。
3.如权利要求2所述的一种自适应的逆变器智能控制方法，其特征在于，所述适应性学习率包括：
，
其中，为时间/>时的适应性学习率，/>为时间/>时的适应性学习率，/>为学习率的更新速度，/>为斜率调整因子，/>为系统误差，用于表示期望输出与实际输出之间的差异。
4.如权利要求3所述的一种自适应的逆变器智能控制方法，其特征在于，所述系统误差包括：
，
其中，为电压差异权重，/>为电流差异权重，/>为频率差异权重。
5.如权利要求4所述的一种自适应的逆变器智能控制方法，其特征在于，通过最小二乘法对电压差异权重、电流差异权重/>、频率差异权重/>、电压权重/>、电流权重/>、频率权重/>和学习率的更新速度/>进行拟合。
6.一种自适应的逆变器智能控制系统，其特征在于，包括：
获取数据模块，用于获取逆变器的逆变器信息，其中，所述逆变器信息包括：逆变器的占空比、实际的输出电压、实际的输出电流、实际的频率；
智能控制模块，用于根据所述逆变器信息、期望的输出电压、期望的输出电流和期望的频率，设置逆变器自适应控制模型，根据所述逆变器自适应控制模型对逆变器进行自适应智能控制，从而输出期望的输出电压、期望的输出电流，其中，所述逆变器自适应控制模型包括设置适应性学习率，用于调整占空比随时间变化的适应性。
7.如权利要求6所述的一种自适应的逆变器智能控制系统，其特征在于，所述逆变器自适应控制模型包括：
，
其中，为逆变器的占空比，/>为时间，/>为电压权重，/>为期望的输出电压，/>为实际的输出电压，/>为电流权重，/>为期望的输出电流，/>为实际的输出电流，/>为频率权重，/>为期望的频率，/>为实际的频率，/>为适应性学习率，用于调整逆变器的占空比随时间变化的适应性。
8.如权利要求7所述的一种自适应的逆变器智能控制系统，其特征在于，所述适应性学习率包括：
，
其中，为时间/>时的适应性学习率，/>为时间/>时的适应性学习率，/>为学习率的更新速度，/>为斜率调整因子，/>为系统误差，用于表示期望输出与实际输出之间的差异。
9.如权利要求8所述的一种自适应的逆变器智能控制系统，其特征在于，所述系统误差包括：
，
其中，为电压差异权重，/>为电流差异权重，/>为频率差异权重。
10.如权利要求9所述的一种自适应的逆变器智能控制系统，其特征在于，通过最小二乘法对电压差异权重、电流差异权重/>、频率差异权重/>、电压权重/>、电流权重/>、频率权重/>和学习率的更新速度/>进行拟合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410198907.7A CN117767778B (zh) | 2024-02-22 | 2024-02-22 | 一种自适应的逆变器智能控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410198907.7A CN117767778B (zh) | 2024-02-22 | 2024-02-22 | 一种自适应的逆变器智能控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117767778A true CN117767778A (zh) | 2024-03-26 |
| CN117767778B CN117767778B (zh) | 2024-05-28 |
Family
ID=90318706
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410198907.7A Active CN117767778B (zh) | 2024-02-22 | 2024-02-22 | 一种自适应的逆变器智能控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117767778B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110072838A (ko) * | 2009-12-23 | 2011-06-29 | 재단법인 포항산업과학연구원 | 인버터의 모델전류추종 적응제어방법 |
| CN108429475A (zh) * | 2018-02-11 | 2018-08-21 | 东南大学 | 一种用于波浪发电系统的并网逆变器控制方法 |
| CN111342767A (zh) * | 2020-02-24 | 2020-06-26 | 国网浙江嘉善县供电有限公司 | 一种光伏最大功率点跟踪自动控制系统及其方法 |
| CN112865583A (zh) * | 2021-02-05 | 2021-05-28 | 联合汽车电子有限公司 | 单相离网逆变器的控制方法、系统、电子设备及存储介质 |
| CN116094024A (zh) * | 2022-06-27 | 2023-05-09 | 中国电力科学研究院有限公司 | 一种逆变器自适应控制方法、装置、终端及存储介质 |
| CN116707331A (zh) * | 2023-08-02 | 2023-09-05 | 中国人民解放军空军预警学院 | 基于模型预测的逆变器输出电压高精度调节方法及系统 |
| CN117318480A (zh) * | 2023-09-04 | 2023-12-29 | 华中科技大学 | 一种基于强化学习的dc-dc变换器的调制策略设计方法及系统 |
-
2024
- 2024-02-22 CN CN202410198907.7A patent/CN117767778B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110072838A (ko) * | 2009-12-23 | 2011-06-29 | 재단법인 포항산업과학연구원 | 인버터의 모델전류추종 적응제어방법 |
| CN108429475A (zh) * | 2018-02-11 | 2018-08-21 | 东南大学 | 一种用于波浪发电系统的并网逆变器控制方法 |
| CN111342767A (zh) * | 2020-02-24 | 2020-06-26 | 国网浙江嘉善县供电有限公司 | 一种光伏最大功率点跟踪自动控制系统及其方法 |
| CN112865583A (zh) * | 2021-02-05 | 2021-05-28 | 联合汽车电子有限公司 | 单相离网逆变器的控制方法、系统、电子设备及存储介质 |
| CN116094024A (zh) * | 2022-06-27 | 2023-05-09 | 中国电力科学研究院有限公司 | 一种逆变器自适应控制方法、装置、终端及存储介质 |
| CN116707331A (zh) * | 2023-08-02 | 2023-09-05 | 中国人民解放军空军预警学院 | 基于模型预测的逆变器输出电压高精度调节方法及系统 |
| CN117318480A (zh) * | 2023-09-04 | 2023-12-29 | 华中科技大学 | 一种基于强化学习的dc-dc变换器的调制策略设计方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 刘俊志: ""基于自适应学习预测控制的三相三电平并网逆变器控制研究"", 《中国知网》, 1 May 2022 (2022-05-01) * |
| 陈启宏;罗潇汝;张立炎;: "三相四桥臂并网逆变器约束模型预测控制", 电网技术, no. 02, 12 January 2018 (2018-01-12) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117767778B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8731732B2 (en) | Methods and system to manage variability in production of renewable energy | |
| CN109993296A (zh) | 量化实现方法及相关产品 | |
| CN105243516B (zh) | 基于主动配电网的分布式光伏发电最大消纳能力计算系统 | |
| CN107918292B (zh) | 面向指数积分的电力电子电路暂态仿真gpu加速方法 | |
| CN111638666B (zh) | 多模块并机系统无主从功率分配方法及多模块功率系统 | |
| CN110429654A (zh) | 一种光伏电站的升压变压器控制方法、系统及相关组件 | |
| Basu | Dynamic economic dispatch with demand-side management incorporating renewable energy sources and pumped hydroelectric energy storage | |
| CN204231387U (zh) | 一种基于fpga实现高速通信的智能微电网控制系统 | |
| CN104319897A (zh) | 一种基于fpga实现高速通信的智能微电网控制系统 | |
| CN117767778B (zh) | 一种自适应的逆变器智能控制方法及系统 | |
| CN104778507A (zh) | 一种基于自适应粒子群算法的楼宇智能用电策略获取方法 | |
| CN117060499A (zh) | 风光水多能互补运行的控制方法、装置、设备及存储介质 | |
| CN115175023B (zh) | 一种基于光伏逆变器的物联表抄表方法、系统及装置 | |
| CN111523653A (zh) | 运算装置及方法 | |
| CN211403196U (zh) | 一种具有语音交互和场景控制的家用智能配电箱控制装置 | |
| Elabbas et al. | Agent based load management for Microgrid | |
| Yu et al. | Event‐triggered consensus approach for distributed battery energy storage systems | |
| CN116991193B (zh) | 一种粗-精两级调控的大功率电源稳压方法及系统 | |
| CN112686467A (zh) | 含自备电厂的大用户生产运行优化方法、装置和终端设备 | |
| Xiu et al. | Unit commitment using improved adjustable robust optimisation for large‐scale new energy power stations | |
| CN108919878A (zh) | 一种发电厂的功率协调控制系统 | |
| CN117578627B (zh) | 发电调度方法、装置、电子设备和存储介质 | |
| Umadevi et al. | IoT Based Power Grid Losses Using Integrated Distribution Systems Using Decision Tree Algorithm with Automatic Location Tracking | |
| Cai et al. | Optimal dispatch of a virtual storage plant using inexact ADMM | |
| CN212114896U (zh) | 一种基于虚拟电厂的分布式电能管理控制系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |