買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜四川大學申請的專利基于機理-數據混合驅動的風電場分群等值方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117791706B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311776731.0，技術領域涉及：H02J3/38；該發明授權基于機理-數據混合驅動的風電場分群等值方法是由高仕林;張英敏;王渝紅;鄭宗生;李媛;周旭;蔣奇良;廖建權設計研發完成，并于2023-12-21向國家知識產權局提交的專利申請。

本基于機理-數據混合驅動的風電場分群等值方法在說明書摘要公布了：本發明公開了一種基于機理?數據混合驅動的風電場分群等值方法，包括如下步驟：獲取風電機組的動態響應特性及對應的邊界條件，并基于風速及故障穩態電壓對風電機組進行分群；獲取影響風電場并網點故障穩態電壓跌落程度的關鍵性指標，并基于預想故障信息，對風電場并網點故障穩態電壓跌落程度進行預測；結合網絡拓撲結構，采用圖卷積神經網絡，構建網絡拓撲可遷移的系統模型，通過構建的網絡拓撲可遷移的系統模型預測風電場并網點故障穩態電壓的跌落程度。

本發明授權基于機理-數據混合驅動的風電場分群等值方法在權利要求書中公布了：1.一種基于機理-數據混合驅動的風電場分群等值方法，其特征在于，包括如下步驟：步驟一，獲取風電機組的動態響應特性及對應的邊界條件，并基于風速及故障穩態電壓對風電機組進行分群；步驟二，獲取影響風電場并網點故障穩態電壓跌落程度的關鍵性指標；步驟三，基于預想故障信息，結合網絡拓撲結構，采用圖卷積神經網絡，構建網絡拓撲可遷移的系統模型，通過構建的網絡拓撲可遷移的系統模型預測風電場并網點故障穩態電壓的跌落程度；所述的獲取風電機組的動態響應特性及對應的邊界條件，并基于風速及故障穩態電壓對風電機組進行分群，包括：將系統機側變流器采用最大功率跟蹤控制，通過改變Boost電路的驅動信號控制機端電流，從而改變同步發電機轉子轉速，使風力機運行在最優葉尖速比的狀態，網側變流器的控制策略為網側電壓定向的矢量控制技術，在故障及故障恢復期間，將同步旋轉坐標系的d軸與電網A相電壓重合，然后考慮網側變流器與電網之間的有功功率和無功功率交換，其定義公式如下： 式中：分別為網側變流器輸出的有功功率和無功功率；為電網電壓d、q軸分量；為電網電壓合成矢量；為網側d、q軸電流；通過控制網側電流在d軸和q軸的投影控制輸出的有功功率和無功功率；在故障及故障恢復期間，風電機組采用的控制策略為無功優先控制，即在變流器容量約束的前提下，優先滿足無功電流控制，再確定有功電流參考值； 式中：為有功電流上限值；為變流器允許通過電流上限值；為風電機組輸出無功電流參考值；為有功電流參考值；為故障期間定直流側電壓控制得到的有功電流參考值；根據有功電流上限值與故障前網側d軸電流的大小判斷風機是否存在有功斜坡恢復的動態特性； 式中：分別為各分類的臨界功率；為風機機端故障穩態電壓跌落程度；基于風功率曲線得到臨界風速為： 式中：為風功率函數的反函數；在不同故障穩態電壓跌落下得到各響應特性分類的風速邊界條件，兩個風速邊界條件將風機類型劃為三類，根據故障穩態電壓跌落程度以及風機風速兩個指標可以唯一確定風機位置，再對應邊界條件確定風機落在哪一群內；所述的基于預想故障信息，結合網絡拓撲結構，采用圖卷積神經網絡，構建網絡拓撲可遷移的系統模型，通過構建的網絡拓撲可遷移的系統模型預測風電場并網點故障穩態電壓的跌落程度，包括：首先獲取風機的物理模型數據以及穩態運行數據，包括風速、風機葉片參數、潮流數據，d、q軸電流值，對數據預處理，包括去除標簽項和歸一化，采用tensorflow深度學習模型，從Keras模塊中導入不同類型的神經網絡層，包括全連接層、卷積層、扁平化層、最大池化層、連接層和批標準化層，構建神經網絡模型的高級API，再利用神經網絡模型對輸入數據進行訓練和預測，最后使用訓練后的模型對測試集進行預測，得到電壓跌落預測值，計算測試集的電壓跌落預測值與真實值之間的均方誤差MSE來評估模型的性能，若性能達標，則完成網絡拓撲可遷移的系統模型構建，通過網絡拓撲可遷移的系統模型預測風電場并網點故障穩態電壓的跌落程度。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人四川大學，其通訊地址為：610000 四川省成都市一環路南一段24號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。