期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于相关熵的光伏电池模型鲁棒参数辨识法 被引量:3
1
作者 陈倩 张正江 +3 位作者 胡桂廷 郑崇伟 闫正兵 朱志亮 《控制工程》 CSCD 北大核心 2019年第1期137-143,共7页
参数辨识可以提高光伏电池模型参数设置的精确度,得到与实际对象相一致的模型。针对加权最小二乘参数辨识(WLS-PI)方法受测量数据显著误差影响显著的问题,提出了一种基于相关熵的鲁棒参数辨识(C-PI)方法。首先,分析了太阳能电池理论模型... 参数辨识可以提高光伏电池模型参数设置的精确度,得到与实际对象相一致的模型。针对加权最小二乘参数辨识(WLS-PI)方法受测量数据显著误差影响显著的问题,提出了一种基于相关熵的鲁棒参数辨识(C-PI)方法。首先,分析了太阳能电池理论模型;其次,构造了一种相关熵估计器,通过该估计器的影响函数分析测量误差对辨识结果的影响,进一步将C-PI方法应用于光伏电池模型的参数辨识上。最后,将C-PI和WLS-PI两种方法用于仿真实例中,结果显示C-PI方法鲁棒性更好;进一步采用光伏电池的测试数据验证了C-PI方法的可行性与有效性。 展开更多
关键词 光伏电池模型 相关熵 加权最小二乘 参数辨识
在线阅读 下载PDF
基于粒子滤波的分布式智能故障诊断系统研究 被引量:2
2
作者 孟志强 朱志亮 +2 位作者 朱建波 张正江 戴瑜兴 《湖南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2018年第2期87-94,共8页
针对传统故障诊断系统硬件结构以及故障识别算法过于复杂的问题,提出并研究了一种基于粒子滤波的分布式智能故障诊断系统.该系统采用ZigBee无线传感网络实现系统分布式多变量参数的实时采集,基于粒子滤波算法在线处理各变量数据,并基于... 针对传统故障诊断系统硬件结构以及故障识别算法过于复杂的问题,提出并研究了一种基于粒子滤波的分布式智能故障诊断系统.该系统采用ZigBee无线传感网络实现系统分布式多变量参数的实时采集,基于粒子滤波算法在线处理各变量数据,并基于简易模式识别算法获得系统真实状态的准确估计,实现系统故障的智能诊断与故障预示.智能故障诊断系统由ZigBee无线传感数据采集网络、粒子滤波算法、系统状态模型和故障模式识别四部分构成.粒子滤波算法基于粒子序贯重要性重采样和蒙特卡洛方法对传感器采集数据滤波,抑制或消除干扰及显著性误差对系统状态估计的影响,可避免粒子退化.故障模式识别就是求取与粒子滤波输出的系统状态估计曲线残差之和最小的系统状态模型.智能故障诊断系统的实现和实例实验结果表明该系统能实现对象的远程监测、对象状态的精确估计、对象故障的准确诊断,拓宽了分布式传感网络的应用范围,并具有成本低、可靠性高、实时性好和易实现的优点. 展开更多
关键词 故障诊断 ZIGBEE 粒子滤波 模式识别
在线阅读 下载PDF
准最小二乘的神经网络在光伏MPPT中的应用 被引量:5
3
作者 张海洲 张正江 +3 位作者 胡桂廷 陈倩 闫正兵 郑崇伟 《控制工程》 CSCD 北大核心 2018年第12期2257-2262,共6页
传统的神经网络以最小二乘(LS)为学习函数,对训练数据的准确性有较高要求。考虑存在测量误差的训练数据对传统神经网络的影响,提出了一种基于准最小二乘的神经网络(QLS-NN)并应用于光伏发电系统的最大功率点跟踪(MPPT)上。根据光伏电池... 传统的神经网络以最小二乘(LS)为学习函数,对训练数据的准确性有较高要求。考虑存在测量误差的训练数据对传统神经网络的影响,提出了一种基于准最小二乘的神经网络(QLS-NN)并应用于光伏发电系统的最大功率点跟踪(MPPT)上。根据光伏电池的内部结构和伏安特性建立其数学模型。根据模型所反映的规律,将温度和照度作为输入变量,最大功率与对应的电压作为输出变量,构建了用于MPPT的QLS-NN。神经网络训练后对最大功率点进行预测与跟踪。仿真结果表明QLS-NN具有较高的鲁棒性,可显著提高了光伏发电系统MPPT的精度。 展开更多
关键词 光伏发电系统 最大功率点跟踪 测量误差 准最小二乘 神经网络
在线阅读 下载PDF
基于模型辨识与BP神经网络的光伏MPPT方法 被引量:4
4
作者 胡桂廷 张正江 +2 位作者 杨光辉 闫正兵 朱志亮 《控制工程》 CSCD 北大核心 2021年第10期1931-1938,共8页
光伏阵列是光伏发电系统的重要组成部分,研究其准确模型并对最大功率点进行跟踪与预测,对光伏发电效率的提高具有重大意义。针对光伏阵列中二极管品质因数以及串联电阻阻值等参数难以直接准确测量的问题,采用光伏阵列在多种工作状况下... 光伏阵列是光伏发电系统的重要组成部分,研究其准确模型并对最大功率点进行跟踪与预测,对光伏发电效率的提高具有重大意义。针对光伏阵列中二极管品质因数以及串联电阻阻值等参数难以直接准确测量的问题,采用光伏阵列在多种工作状况下的实际测量信息对其数学模型进行参数辨识,使辨识后的模型与实际对象相一致。为了对最大功率点进行实时地预测,构造了一种BP神经网络模型。采用辨识后的准确模型产生测试数据,提取光照强度、光伏电池板温度以及最大功率点对应的输出电压等信息,用于BP神经网络的训练。最后将训练好的BP神经网络模型用于光伏发电系统的最大功率点跟踪(MPPT)。结果表明,该方法极大地提高了MPPT的实时性和高效性。 展开更多
关键词 光伏阵列 参数辨识 BP神经网络 最大功率点跟踪
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部