一种基于卷积神经网络的变流器负载类型识别方法
2025-02-25 16:13
No.1343979289586180096
技术概要
PDF全文
本技术公开了一种基于卷积神经网络的变流器负载类型识别方法,包括以下步骤:确定参与变流器负载类型识别的状态变量;获取变流器运行的状态变量数据;采用卷积神经网络分析变流器负载类型。本发明首先筛选反映变流器负载类型的系统状态变量,再采用卷积神经网络识别变流器的负载类型。所设计的方法能够快速、准确地识别变流器负载类型,且具有抗干扰性强的优势。
背景技术
变流器模型预测控制算法是当前变流器优化控制算法的主要形式,在变流器模型预测控制算法的设计与优化过程中,算法的在线计算量是约束算法进一步优化的主要因素。为解决模型预测控制算法设计与算法计算量之间的矛盾,业界提出了基于神经网络的变流器模型预测控制算法,采用神经网络拟合模型预测控制算法的外特性,并基于神经网络在线计算变流器的最优控制量。 在基于神经网络的变流器模型预测控制算法中,系统的控制性能取决于所采用的神经网络控制模型,而变流器系统的负载不同对应的神经网络控制模型也不同,因此为提高神经网络控制模型的适应性,需及时识别出变流器的负载类型。 在传统基于电压电流关系的负载类型辨识方法中,至少需要获取一个周期的电压电流信号,存在计算复杂、精度低等问题,且容易受到干扰。基于此,为快速、准确识别出变流器的负载类型,本方案首先筛选反映变流器负载类型的系统状态变量,再通过卷积神经网络对采样的状态变量进行计算,得到变流器的负载类型。所设计的方法具有快速、准确识别变流器负载类型,且抗干扰性强的优势。
实现思路
阅读余下40%
技术概要为部分技术内容,查看PDF获取完整资料
该技术已申请专利,如用于商业用途,请联系技术所有人!
技术研发人员:
沈坤  武梦谣  陈荣彬  黎成龙  杜保强  阳红
技术所属: 湖南师范大学
相关技术
一种服务开发方法、装置、设备及存储介质 一种服务开发方法、装置、设备及存储介质
一种高精度双层优化方法的神经网络搜索架构构建方法 一种高精度双层优化方法的神经网络搜索架构构建方法
跨总线域的设备对宿主机空间DMA访问方法及相关设备 跨总线域的设备对宿主机空间DMA访问方法及相关设备
一种客户信息定期维护方法及系统 一种客户信息定期维护方法及系统
代码发布方法、装置、计算机设备和可读存储介质 代码发布方法、装置、计算机设备和可读存储介质
一种基于统一管理平台的子应用数据获取方法及装置 一种基于统一管理平台的子应用数据获取方法及装置
利用深度学习的BIM模型错误自动检测系统 利用深度学习的BIM模型错误自动检测系统
一种基于智能反射面的室内T型走廊场景路径损耗的分析方法 一种基于智能反射面的室内T型走廊场景路径损耗的分析方法
模型评估任务处理方法及装置 模型评估任务处理方法及装置
基于大数据的异常信号智能识别方法 基于大数据的异常信号智能识别方法
技术分类
电信、广播电视和卫星传输服务 电信、广播电视和卫星传输服务
互联网软件服务 互联网软件服务
集成电路设计 集成电路设计
信息集成数字服务 信息集成数字服务
电气机械制造 电气机械制造
计算机、通信、电子设备制造 计算机、通信、电子设备制造
医药制造、生物基材料 医药制造、生物基材料
石油煤矿化学用品加工 石油煤矿化学用品加工
化学原料制品加工 化学原料制品加工
非金属矿物加工 非金属矿物加工
金属制品加工 金属制品加工
专用设备制造 专用设备制造
通用设备制造 通用设备制造
通用零部件制造 通用零部件制造
汽车制造业 汽车制造业
铁路、船舶、航天设备制造 铁路、船舶、航天设备制造
电力、热力生产和供应 电力、热力生产和供应
燃气生产和供应 燃气生产和供应
水生产和供应 水生产和供应
房屋建筑、土木工程 房屋建筑、土木工程
交通运输、仓储和邮政 交通运输、仓储和邮政
农、林、牧、渔业 农、林、牧、渔业
采矿业 采矿业
农副、食品加工 农副、食品加工
烟草、酒水加工 烟草、酒水加工
纺织皮具居家制品 纺织皮具居家制品
文教体娱加工 文教体娱加工
苏ICP备18062519号-5 © 2018-2025 【123技术园】 版权所有,并保留所有权利