国家自然科学基金(51207045)
- 作品数：6 被引量：56H指数：4
- 相关作者：潘学萍鞠平金宇清刘永康徐倩更多>>
- 相关机构：河海大学更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划更多>>
- 相关领域：电气工程动力工程及工程热物理自动化与计算机技术理学更多>>
- 双加权最小二乘支持向量机的短期风速预测被引量：11
- 2014年
- 提出了双加权最小二乘支持向量机的短期风速预测方法。考虑到离预测点越远的历史风速数据对预测值的影响越弱,对训练样本中输入向量数据进行第1次加权,以体现不同元素对预测影响的差异。同时为区分训练样本的差异性,降低异常样本的干扰,对训练样本进行第2次加权。对双加权后的训练样本,采用加权最小二乘支持向量机模型进行预测,降低了对异常点的敏感度,实现了对不同样本的区别对待。根据某实测风速数据进行了风速预测,结果表明,所提方法能提高风速预测精度。
- 潘学萍史宇伟张弛
- 关键词：风速预测加权最小二乘支持向量机
- 风电机组驱动系统参数辨识被引量：16
- 2013年
- 提出了风速激励下的定速风电机组驱动系统参数辨识方法。首先以含定速风电机组的单机无穷大系统为例,仿真了风速激励风电机组的受扰轨线,表明由于感应发电机电气部分动态较快,因此在辨识驱动系统模型参数时,可将电气部分用准稳态模型近似,以降低模型的阶数以及参数辨识的个数。进一步采用轨迹灵敏度方法,分析了驱动系统模型参数的可辨识性。基于粒子群优化算法进行了参数辨识,结果验证了该定速风电机组驱动系统参数辨识方法的可行性。
- 潘学萍高远金宇清鞠平
- 关键词：参数辨识粒子群优化算法
- 基于改进粒子群算法的双馈感应发电机参数辨识被引量：5
- 2014年
- 基本粒子群算法(PSO)存在早熟问题,且惯性权重对参数辨识结果的影响较大,为此提出将变权重PSO算法和全局最优位置变异PSO算法相结合的改进PSO算法,并将其应用于双馈感应发电机(DFIG)的参数辨识。分析了DFIG中各参数的可辨识性和辨识难易度,给出了基于改进PSO算法的参数辨识步骤。与采用基本PSO算法、变权重PSO算法和全局最优位置变异PSO算法的参数辨识结果相比较,该方法具有收敛速度快、辨识误差小的优点,即使在较大的搜索范围内仍具有较高的辨识精度。
- 刘永康潘学萍鞠平
- 关键词：参数辨识灵敏度粒子群算法改进粒子群算法
- Hierarchical parameter estimation of DFIG and drive train system in a wind turbine generator被引量：2
- 2017年
- Xueping PANPing JUFeng WUYuqing JIN
- 关键词：双馈电机风力涡轮发电机双馈感应发电机传动系参数双馈发电机
- 基于PSO算法的定速风电机组三质块传动系统模型参数辨识被引量：2
- 2016年
- 为获得传动系统模型的准确参数,提出阵风激励下三质块传动系统模型的参数辨识方法。根据定速风电机组机械动态与电气动态解耦的特性,提出在辨识传动系统模型参数时可忽略电气动态,据此获得定速风电机组的简化模型。采用轨迹灵敏度方法,分析了传动系统各参数的可辨识性及辨识的难易程度。基于粒子群优化算法(PSO)对传动系统模型进行了参数辨识。辨识结果与轨迹灵敏度分析结论一致,验证了提出的参数辨识方法的可行性。
- 王慧潘学萍鞠平
- 关键词：轨迹灵敏度参数辨识粒子群优化算法
- 双馈风力发电机参数分步辨识及观测量的选择被引量：30
- 2013年
- 参数辨识依赖于激励信号与观测量的选择。该文根据观测量的模式增量计算,确定系统动态在不同观测量上的可观性,据此选择观测量。根据不同扰动激发出的系统主导动态,确定在该扰动下的重要参数。采用分步辨识思路,先根据电网侧故障辨识双馈风力发电机电气部分参数,再基于输入侧风速变化辨识机械部分各参数。辨识方法采用全局最优位置变异粒子群算法,仿真算例验证了该方法的有效性。
- 潘学萍鞠平徐倩刘永康吴峰金宇清
- 关键词：观测量双馈风力发电机轨迹灵敏度参数辨识
