System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电机参数预测,具体是一种开关磁阻直流发电机最大效率下开通关断角预测方法。
技术介绍
1、无论是电动机还是发电机,在使用的过程中不仅仅满足转矩输出或者电能输出这些基本条件,更高的目标是让电机以一个较高的效率运行。当电机以某个转速运转时,不同的开通角和关断角会产生不同的铁损耗、铜损耗、杂散损耗等损耗,并由此造成的效率也会各不相同。当前在进行效率的求解方法上,由于铁损耗计算的复杂性,有些学者直接忽略了铁损耗,只考虑了铜损耗,认为相电流的有效值最小即为电机最高效率,还有些学者既忽略了铜损耗又忽略了铁损耗。然而当电机处于中高速运转时,铁损耗在总损耗中的占比逐渐上升,为了计算效率更为准确,本方法在仿真计算效率时有必要考虑上铁损耗。在开关磁阻发电机的仿真模型中,输入功率等于原动机机械输入功率与励磁电源的电功率之和,励磁功率容易计算,而原动机输入功率利用仿真难以计算,因此本专利技术在计算输入功率时,利用铁损耗、铜损耗、机械损耗、杂散损耗与输出功率之和来表示输入功率,在考虑了铁损耗之后的效率求解准确性会有一定的提升。此外,当前国内外研究学者们针对开关磁阻电机效率优化大多是将开通角设置为一个定值,然后变化关断角;或者将关断角设置为一个定值不断变化开通角来进行优化,很少有学者进行开通角和关断角同时优化。
2、电机每种转速都有一个最大效率,因此非常有必要对最大效率对应的控制参数开通角和关断角同时进行预测优化。每台电机都有一个最大效率,该种效率下只对应特定的某个转速、开通角和关断角,由于原动机带动的开关磁阻发电机会以不同的转速运
技术实现思路
1、本专利技术所要解决的技术问题在于克服上述现有技术之不足,提供一种方法简单、计算精确的开关磁阻直流发电机最大效率下开通关断角预测方法。
2、本专利技术是以如下技术方案实现的:一种开关磁阻直流发电机最大效率下开通关断角预测方法,包括如下步骤:
3、s1、建立开关磁阻发电机的仿真模型,得到不同开通角、关断角和多种损耗的效率值;
4、s2、使用三层小波神经网络,将开通角、关断角和效率看作一个非线性函数,其中开通角和关断角是非线性函数的两个输入参数,效率为非线性函数的一个输出参数;
5、s3、初始化小波神经网络;
6、s4、将输入样本数据进行分类;将样本数据分为训练数据和测试数据;
7、s5、计算误差;将训练数据输入进行训练,计算神经网络的预测值,并计算测试数据和预测数据的误差;
8、s6、修正参数;利用求得的误差对小波基函数的参数进行修正,目标是让神经网络的预测输出和期望输出越来越接近;
9、s7、如果误差小到设置值就将神经网络的预测值计算遗传算法的适应度,否则返回步骤s5进行循环;
10、s8、对种群进行初始化;
11、s9、判断适应度的值是否达到期望值或者迭代次数是否达到最大,若满足此条件则直接结束运算,输出最大效率及其对应的开通角和关断角,否则转到步骤s10;
12、s10、按照每个“染色体”的适应度进行选择、交叉和变异操作,并返回步骤s9。
13、其进一步是:步骤s1中,在matlab/simulink中建立开关磁阻发电机的仿真模型。
14、步骤s1中,多种损耗包括铁损耗、铜损耗、机械损耗、杂散损耗和输出功率等参量;所述仿真模型包含控制模块、运动方程模块、不对称功率变换器模块、相绕组模块、磁密获取模块和损耗计算模块;步骤s2中,三层小波神经网络从左至右三层分别为输入层、隐含层和输出层;隐含层的第j个节点输出h(j)计算公式为:
15、
16、式中,hj为小波函数,ωij为输入层到隐含层的连接权值,,aj为的伸缩系数,bj为的平移系数,xi为输入信号序列即开通角和关断角;
17、选用morlet小波函数作为隐含层激励函数,其表达式为:
18、
19、输出层计算公式为:
20、
21、式中,ωjk为隐含层到输出层的连接权值,k=1,2…m;y(k)为预测输出即效率。
22、步骤s3中,输入层到隐含层的连接权值ωij、隐含层到输出层的连接权值ωjk、小波基函数的伸缩系数aj和平移系数bj都需要随机初始化,神经网络的学习速率η需要设置初值。
23、步骤s5中,计算实际值和小波神经网络的预测值之间的误差e:
24、
25、式中,yn(k)和y(k)分别为实际值和预测值。
26、步骤s6中,morlet函数的伸缩系数aj、平移系数bj、权值ωij和ωjk利用误差进行修正,修正公式为:
27、
28、
29、
30、
31、其中,ri为学习步长。
32、在步骤s7中,适应度函数利用的是神经网络的预测值,便于遗传算法寻优求解最大效率值和其对应的开通角和关断角。
33、在步骤s8中,包括种群大小m、进化代数g、交叉概率pc、变异概率pm和数据范围bd。首先初始化种群大小m、进化代数g、交叉概率pc、变异概率pm和数据范围bd,然后判断适应度的值是否达到期望值或者迭代次数是否达到最大,若不满足,通过变异、交叉和选择寻找最大效率;若满足此条件则直接结束运算,输出最大效率及其对应的开通角和关断角。
34、本专利技术具有以下优点:本专利技术的开关磁阻直流发电机最大效率下开通关断角预测方法,在开关磁阻发电机效率的求解上考虑了铁损耗,让效率的求解变得更为精确;同时,本专利技术利用仿真得到了不同转速下若干组不同的开通角、关断角和效率,通过小波神经网络建模,训练并预测了不同转速下开通角、关断角和效率的关系,在通过遗传算法对效率进行寻优得到最大效率的开通角和关断角,为开关磁阻发电机在某种转速下的高效率运行开通关断角的设定提供了依据。
本文档来自技高网...【技术保护点】
1.一种开关磁阻直流发电机最大效率下开通关断角预测方法,其特征在于:包括如下步骤:
2.如权利要求1所述的一种开关磁阻直流发电机最大效率下开通关断角预测方法,其特征在于:步骤S1中,在MATLAB/Simulink中建立开关磁阻发电机的仿真模型。
3.如权利要求1所述的一种开关磁阻直流发电机最大效率下开通关断角预测方法,其特征在于:步骤S1中,多种损耗包括铁损耗、铜损耗、机械损耗、杂散损耗和输出功率等参量;所述仿真模型包含控制模块、运动方程模块、不对称功率变换器模块、相绕组模块、磁密获取模块和损耗计算模块。
4.如权利要求1所述的一种开关磁阻直流发电机最大效率下开通关断角预测方法,其特征在于:步骤S2中,三层小波神经网络从左至右三层分别为输入层、隐含层和输出层;隐含层的第j个节点输出h(j)计算公式为:
5.如权利要求4所述的一种开关磁阻直流发电机最大效率下开通关断角预测方法,其特征在于:步骤S3中,输入层到隐含层的连接权值ωij、隐含层到输出层的连接权值ωjk、小波基函数的伸缩系数aj和平移系数bj都需要随机初始化,神经网络的学习
6.如权利要求4所述的一种开关磁阻直流发电机最大效率下开通关断角预测方法,其特征在于:步骤S5中,计算实际值和小波神经网络的预测值之间的误差e:
7.如权利要求4所述的一种开关磁阻直流发电机最大效率下开通关断角预测方法,其特征在于:步骤S6中,Morlet函数的伸缩系数aj、平移系数bj、权值ωij和ωjk利用误差进行修正,修正公式为:
8.如权利要求1所述的一种开关磁阻直流发电机最大效率下开通关断角预测方法,其特征在于:在步骤S7中,适应度函数利用的是神经网络的预测值,便于遗传算法寻优求解最大效率值和其对应的开通角和关断角。
9.如权利要求1所述的一种开关磁阻直流发电机最大效率下开通关断角预测方法,其特征在于:在步骤S8中,包括种群大小M、进化代数G、交叉概率Pc、变异概率Pm和数据范围Bd,首先初始化种群大小M、进化代数G、交叉概率Pc、变异概率Pm和数据范围Bd,然后判断适应度的值是否达到期望值或者迭代次数是否达到最大,若不满足,通过变异、交叉和选择寻找最大效率;若满足此条件则直接结束运算,输出最大效率及其对应的开通角和关断角。
...【技术特征摘要】
1.一种开关磁阻直流发电机最大效率下开通关断角预测方法,其特征在于:包括如下步骤:
2.如权利要求1所述的一种开关磁阻直流发电机最大效率下开通关断角预测方法,其特征在于:步骤s1中,在matlab/simulink中建立开关磁阻发电机的仿真模型。
3.如权利要求1所述的一种开关磁阻直流发电机最大效率下开通关断角预测方法,其特征在于:步骤s1中,多种损耗包括铁损耗、铜损耗、机械损耗、杂散损耗和输出功率等参量;所述仿真模型包含控制模块、运动方程模块、不对称功率变换器模块、相绕组模块、磁密获取模块和损耗计算模块。
4.如权利要求1所述的一种开关磁阻直流发电机最大效率下开通关断角预测方法,其特征在于:步骤s2中,三层小波神经网络从左至右三层分别为输入层、隐含层和输出层;隐含层的第j个节点输出h(j)计算公式为:
5.如权利要求4所述的一种开关磁阻直流发电机最大效率下开通关断角预测方法,其特征在于:步骤s3中,输入层到隐含层的连接权值ωij、隐含层到输出层的连接权值ωjk、小波基函数的伸缩系数aj和平移系数bj都需要随机初始化,神经网络的学习速率η需要设...
【专利技术属性】
技术研发人员:任惠宁,孙萌,温厚林,于丰,李超杰,孙凤华,严宇,唐玥彤,
申请(专利权)人:国网江苏省电力有限公司丰县供电分公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。