基于SVM的永磁直驱风电系统滑模变桨距控制

为改善风力发电系统在恒功率运行区域内的动态性能,提出了一种基于在线支持向量机的滑模变桨距学习控制方案。学习控制分为2步:第1步采用滑模控制器(SMC)进行控制,支持向量滑模学习控制器(SVM-SMC)通过离线和在线学习得到控制器的结构和初步优化参数。当学习到达一定程度时,变桨距系统切换到SVM-SMC控制;第2步采用探索机制,实际控制量由SVM-SMC控制器输出加上均值为零的正态分布的随机扰动构成,根据预测性能指标得到学习样本,通过在线学习算法对控制参数进行实时优化。构建了永磁直驱风力发电系统变桨距控制模型并在RT-LAB实时仿真系统上进行半实物仿真比较,结果表明该方法不仅具有滑模控制的抗干扰、对变化参数鲁棒性强以及速度加快等优点,在保证功率输出稳定在额定值附近的同时,实现桨距角的平稳调节,减轻了机组疲劳度和组件间的磨损。

并联混合动力汽车能量管理建模及优化研究

为了降低混合动力汽车的能耗,提高其能量回收率及减少其尾气排放量,对并联式混合动力汽车(PHEV)的能量管理系统采用基于粒子群优化的模糊控制进行分析与设计。首先在Matlab中的Simulink软件上建立了模糊控制器模型,根据经验设计模糊控制规则;然后将模糊控制器嵌入到Advisor仿真软件的并联式混合动力汽车模型中,并用粒子群优化算法对该模糊控制器进行优化;最后选择几种典型的运行路况进行仿真分析研究。仿真结果表明,在满足汽车行驶性能的前提下,优化后的模糊控制器不仅能有效降低尾气的排放,并且能明显提高能量回收率。

基于无风速传感器的永磁直驱风力发电系统的直接转矩最大功率跟踪控制

风力发电系统最大风能跟踪控制中使用风速传感器来检测风速,不仅增加了设备及其维护成本,也减少了对风机系统整体的利用率。论文提出了一种永磁直驱型风力发电系统的无风速传感器直接转矩控制策略,通过直接控制电机的转矩和定子磁链幅值实现永磁同步发电机的最大功率跟踪。相比于传统的矢量控制,省去了复杂的坐标变换、繁琐计算等问题,直接根据发电机转速来估算最优转矩给定,不需要转速外环,避免了风速的测量和风速测量不准确等问题,具有快速的转矩和转速响应性能,能快速地实现最大功率跟踪,有效地提高风机系统整体的利用率。最后,建立了dq轴坐标系下的永磁同步发电机数学模型,通过Matlab/Simulink仿真证明所提出的控制策略的正确性和有效性。

PSO-LIBSVM在污水水质建模中的应用

针对间歇式活性污泥法(SBR)复杂非线性等问题,常规神经网络建立的出水水质模型性能精度不高。采用支持向量机建立生化需氧量(BOD)软测量模型,并通过粒子群算法弥补支持向量机模型参数的不足。仿真结果表明,相对于BP神经网络、标准SVM模型,PSO-LIBSVM模型的误差小、精度高,降低了模型的复杂度并提高了其泛化能力。

基于支持向量机权系数的独立变桨距学习控制

由于风速的随机性和不均衡性易造成高风速段机组输出功率波动,同时给整个风电机组带来挥舞震动等不平衡载荷.为降低疲劳载荷和改进系统性能,在分析风力发电系统恒功率运行区域内载荷动态模型的基础上,将支持向量机和权系数控制相结合,提出一种基于在线支持向量机学习的权系数的独立变桨距学习控制方案.然后构建永磁直驱风力发电系统独立变桨距控制系统模型并在RT-LAB实时仿真系统上进行仿真.仿真结果表明该方法在保证稳定功率输出的同时,实现了桨距角的平稳调节,降低了不平衡载荷和减轻了机组疲劳度和组件间的磨损,从而验证了该控制策略的正确性和有效性.