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】
本专利技术属于逆变器智能控制,更具体地,涉及一种自适应的逆变器智能控制方法及系统。
技术介绍
1、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。
2、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。
3、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。
技术实现思路
1、为解决以上技术问题,本专利技术提出一种自适应的逆变器智能控制方法,包括:
2、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;
3、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。
4、进一步的,所述逆变器自适应控制模型包括:
5、,
6、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
7、进一步的,所述适应性学习率包括:
8、,
9、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。
10、进一步的,所述系统误差包括:
11、,
12、其中,为电压差异权重,为电流差异权重,为频率差异权重。
13、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。
14、本专利技术还提出一种自适应的逆变器智能控制系统,包括:
15、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;
16、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。
17、进一步的,所述逆变器自适应控制模型包括:
18、,
19、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。
20、进一步的,所述适应性学习率包括:
21、,
22、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。
23、进一步的,所述系统误差包括:
24、,
25、其中,为电压差异权重,为电流差异权重,为频率差异权重。
26、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。
27、通过本专利技术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:
28、本专利技术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。本专利技术通过以上技术方案,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。
本文档来自技高网...【技术保护点】
1.一种自适应的逆变器智能控制方法,其特征在于,包括:
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:
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:
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:
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:
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:
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:
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:
10.如权利要求9所述的一种自适应的逆变器智
...【技术特征摘要】
1.一种自适应的逆变器智能控制方法,其特征在于,包括:
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:
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:
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:
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。
...【专利技术属性】
技术研发人员:贾强,张银锋,刘延斌,吴胜华,张丰,王骏哲,
申请(专利权)人:中国人民解放军空军预警学院,
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。