摘要
本发明公开了一种融合PINNs与BNNs的PMSG风机组动态建模方法及装置,本发明使用HSS方法来构建出风力发电机组的谐波状态空间模型,并基于此,来建立PINNs模型的损失函数;如此,将风力发电机组的物理动态特性明确地融入损失函数中,使得在小规模数据的情况下可以实现高精度的等效建模,这一方法解决了数据驱动建模中常见的黑箱局限性以及对大量数据的需求问题;同时,还能够使模型不仅依赖于电力数据,还依赖于系统固有的物理属性,因此,可在不同的运行条件下表现出更强的泛化能力;由此,本发明提供了一种精度高,泛化能力强且对数据需求量少的风力发电机组建模方法,如此,则可基于该模型,来进行风力发电机组的可靠控制。
技术关键词
状态空间模型
电网侧变流器
风力发电机组
谐波
分布方差
动态建模方法
贝叶斯神经网络
电流
内环
电压
永磁
电力
概率分布建模
数据驱动建模
训练集
建模装置
系统为您推荐了相关专利信息
施工设备
线路运行状态
远程监控方法
因子
空间分布特征
雷达系统
信号处理单元
频率综合器
频段
成像方法
状态切换方法
双模式
展示模型
模拟电网故障
复杂度
电测仪表
诊断系统
多参数
神经网络算法
卷积神经网络模型