排序方式: 共有43条查询结果,搜索用时 15 毫秒
21.
微型逆变器可直接与光伏(PV)板连接,具有结构简单、体积小、输入输出隔离等优点。为了扩展PV微逆功率范围,前级DC/DC部分可采用两个反激变换器交错并联。首先分析了反激变换器的工作原理,针对传统工作模式下反激变换器不同控制策略的功率密度与损耗等方面存在不足,设计了一台具有主从关系的临界导通模式(BCM)和断续导通模式(DCM)混合控制的微型逆变器,该控制策略可提高PV微逆的稳定性和转换效率。根据电网相位和输出功率的变化选择不同的控制策略,弥补单一控制策略下存在的不足。最后搭建了一台350 W的交错并联反激微型逆变器样机进行实验测试,实验结果验证了该控制策略的有效性与可行性。 相似文献
22.
23.
24.
25.
为提高不同天气类型下光伏输出功率的预测精度,提出了一种基于注意力机制的超短期光伏预测组合模型。首先,通过皮尔逊相关系数分析,选取与光伏发电功率密切相关的关键气象因子,并对其进行逐月标准化,然后加权求和计算得到分类指标天气条件因子(Sky Condition Factor, SCF),以降低输入变量的维度,并消除季节对天气分类的干扰和众多气象因子之间的耦合关系。其次,通过自组织映射神经网络(Self Organizing Map, SOM)对SCF进行无监督聚类,划分出3种天气类型。然后,在3种天气类型下分别构建卷积神经网络(Convolutional Neural Network, CNN)预测模型,并引入高效通道注意力模块(Efficient Channel Attention, ECA),自适应地为特征信息的多重通道分配相应的权重,使模型集中于重要的特征信息,提高模型的预测精度。采用历史实测数据进行仿真,结果表明:与〖JP2〗未引入ECA模块的预测模型相比,所提预测模型在3种天气类型下的预测准确度分别提高了1.006 1%,〖JP〗1.626 1%和1.610 4%,验证了该模型的有效性。 相似文献
26.
作为评价岩体质量好坏的重要指标,RQD的应用已十分广泛,其在工程地质与岩土工程的分析中发挥着重要的作用。而通过钻孔的方法进行RQD的获取具有明显缺点。真实岩体不同方向的RQD并不一致,而以垂直于地表的钻孔获取的RQD并不能完全代表整体岩体的好坏程度。引入三维裂隙网络的方法进行RQD的计算,在三维裂隙网络内设立测线,以测线的形式来模拟钻孔,获取指定方向的RQD值。岩体不同于其他人工材料,其具有明显的非均质性,即在不同位置获取的RQD值并不一致,现今RQD的研究则鲜有考虑。对岩体内的最佳测线数量进行了研究。结果表明:当沿x,y与z轴分别存在25,80与55条测线时,可获取岩体各方向的真实RQD值,且最大限度的节省计算时间以实施进一步的研究。 相似文献
27.
针对智能驾驶领域中需要在内存受限的情况下得到高质量的超分辨率图像的问题,提出一种基于权重八位二进制量化的车载图像超分辨率重建算法。首先,基于八位二进制量化卷积设计信息压缩模块,减少内部冗余,增强网络内信息流动,提高重建速率;然后,整个网络由一个特征提取模块、多个堆叠的信息压缩模块和一个图像重建模块构成,并利用插值后超分辨率空间的信息与低分辨率空间重建后的图像融合,在不增加模型复杂度的基础上,提高网络表达能力;最后,算法中整个网络结构基于对抗生成网络(GAN)框架进行训练,使得到的图片有更好主观视觉效果。实验结果表明,所提算法的车载图像重建结果的峰值信噪比(PSNR)比基于GAN的超分辨率重建(SRGAN)算法提高了0.22 dB,同时其生成模型大小缩小为LapSRN的39%,重建速度提高为LapSRN的7.57倍。 相似文献
28.
在构建基于极限学习机的无监督自适应分类器时, 隐含层的参数通常都是随机选取的, 而随机选取的参数不具备领域适应能力. 为了增强跨领域极限学习机的知识迁移能力,提出一种新的基于极限学习机的无监督领域适应分类器学习方法, 该方法主要利用自编码极限学习机对源域和目标域数据进行重构学习, 从而可以获得具有领域不变特性的隐含层参数. 进一步, 结合联合概率分布匹配和流形正则的思想, 对输出层权重进行自适应调整. 所提出算法能对极限学习机的两层参数均赋予领域适应能力,在字符数据集和对象识别数据集上的实验结果表明其具有较高的跨领域分类精度. 相似文献
29.
永磁同步直线电机(permanent magnet linear synchronous motor, PMLSM)目前多被应用于直线牵引系统,例如轨道交通、无绳电梯等.传统的永磁同步直线电机预测控制主要考虑有限控制集模型预测控制(finite-control-set model predictive control, FCS–MPC),在一个系统采样周期从备选的开关状态中选择一个相对最优的开关状态送入逆变器中.该方法的计算量通常随着预测步长的增加呈几何增长,因而限制了其广泛使用.本文针对PMLSM提出一种基于二次优化的连续控制集模型预测控制(continuous-control-set model predictive control, CCS–MPC)策略.该方法在每个周期内选择两组开关状态送入逆变器,表现为两个相邻电压矢量的合成,因而可以达到更为平滑的控制效果.策略结合了FCS–MPC中的扇区划分原理,将扇区中的两个相邻非零矢量和一个零矢量等效合成为二次优化的最优控制矢量.与此同时,在二次优化的框架下CCS–MPC有效地避免了多步预测控制中计算量过大的问题.仿真与实验结果表明在相同条件下,所提方法相较于空间矢量调制以及FCS–MPC能获得更好的PMLSM控制效果. 相似文献
30.
针对传统循环神经网络(RNN)长时间使用会存在梯度爆炸以及在处理长时间序列时容易忽略重要时序信息的不足,本文提出一种结合注意力机制(Attention)的双重选择循环神经网络(Double selection Recurrent Neural Network, DsRNN),面向短期光伏发电功率预测的模型。首先,引入气象影响因子数据并根据相关性大小进行修正处理,改变原有单一输入源建立新的数据集;然后,融合注意力机制,提取光伏发电功率的时序特征,挖掘数据之间的深层联系;最终,实现对分布式光伏发电进行较有效、精准的短期功率预测。仿真结果表明:气象数据的输入以及DsRNN光伏发电功率预测模型的使用能完成较高精度的预测任务,误差更小。 相似文献