为降低环境及负载波动等外界扰动对孤岛微网的影响,提升孤岛微网控制系统的性能,引入模型参考自适应PID控制方法。针对孤岛微网的单相和三相结构,设定某一参考模型,使系统受控输出与模型输出保持一致,但扰动的存在使得两者之间的误差不...为降低环境及负载波动等外界扰动对孤岛微网的影响,提升孤岛微网控制系统的性能,引入模型参考自适应PID控制方法。针对孤岛微网的单相和三相结构,设定某一参考模型,使系统受控输出与模型输出保持一致,但扰动的存在使得两者之间的误差不可避免。为补偿外界干扰带来的影响,通过自适应环节对参数进行在线调整,基于麻省理工学院MIT(Massachusetts Institute of Technology)律,逐步优化控制系统的性能指标并使其最小化,随后推导了Lyapunov稳定性。仿真研究表明,所提控制器在负载波动等干扰下具有较好的控制性能,满足孤岛微网系统对稳定性、鲁棒性和高精度控制的要求。展开更多
为解决不同人员相同操作的个体差异以及同一人员不同时间相同操作差异的问题,提出一种基于混合专家系统(mixture of experts,MoE)和长短期记忆神经网络(long short-term memory,LSTM)的倒闸操作识别方法MoE-LSTM。基于MoE对LSTM进行集成...为解决不同人员相同操作的个体差异以及同一人员不同时间相同操作差异的问题,提出一种基于混合专家系统(mixture of experts,MoE)和长短期记忆神经网络(long short-term memory,LSTM)的倒闸操作识别方法MoE-LSTM。基于MoE对LSTM进行集成,学习不同来源数据的特征分布。采集加速度动作数据构建倒闸操作数据集,基于滑动窗口对动作序列进行切分;将动作序列输入到MoE-LSTM中,由不同LSTM独立学习不同动作的时序依赖;通过门控网络选择对当前输入分类较好的LSTM的输出作为动作识别结果。仿真结果表明:不同LSTM对来自不同时空的动作数据都有擅长分类的特征空间。展开更多
文摘为降低环境及负载波动等外界扰动对孤岛微网的影响,提升孤岛微网控制系统的性能,引入模型参考自适应PID控制方法。针对孤岛微网的单相和三相结构,设定某一参考模型,使系统受控输出与模型输出保持一致,但扰动的存在使得两者之间的误差不可避免。为补偿外界干扰带来的影响,通过自适应环节对参数进行在线调整,基于麻省理工学院MIT(Massachusetts Institute of Technology)律,逐步优化控制系统的性能指标并使其最小化,随后推导了Lyapunov稳定性。仿真研究表明,所提控制器在负载波动等干扰下具有较好的控制性能,满足孤岛微网系统对稳定性、鲁棒性和高精度控制的要求。
文摘为解决不同人员相同操作的个体差异以及同一人员不同时间相同操作差异的问题,提出一种基于混合专家系统(mixture of experts,MoE)和长短期记忆神经网络(long short-term memory,LSTM)的倒闸操作识别方法MoE-LSTM。基于MoE对LSTM进行集成,学习不同来源数据的特征分布。采集加速度动作数据构建倒闸操作数据集,基于滑动窗口对动作序列进行切分;将动作序列输入到MoE-LSTM中,由不同LSTM独立学习不同动作的时序依赖;通过门控网络选择对当前输入分类较好的LSTM的输出作为动作识别结果。仿真结果表明:不同LSTM对来自不同时空的动作数据都有擅长分类的特征空间。