最小方差控制中的参数递推辨识

从系统辨识的角度研究最小方差控制中的参数递推辨识问题。对于最小方差闭环控制中的ARMAX模型未知参数矢量,采用多新息递推最小二乘辨识和分离迭代的递推最小二乘辨识法在线辨识和估计ARMAX模型中的未知参数矢量。在白噪声干扰下,两种辨识方法都能得到未知参数矢量的无偏估计;而在有色噪声干扰下,仅分离迭代的递推最小二乘辨识法才能给出参数的无偏估计值。最后用仿真算例验证了方法的有效性和可行性。

多新息在特征模型网络控制系统的应用与仿真

针对网络控制系统存在时延和丢包,控制器设计困难等问题,利用变递推间隔多新息最小二乘辨识算法可以克服坏数据、计算量小的优点,结合特征模型在实际工程中建模简单、控制精度较高的特点,将两者首次结合并运用在了网络控制系统中.最后以直流电机为例,用Truetime仿真工具箱对网络控制系用进行了仿真研究.仿真结果表明,运用了变递推多新息最小二乘法特征模型的网络控制系统稳定性更强.

含风电场的互联电力系统辨识与广域时滞阻尼控制器设计

针对大规模风电的远距离输送以及大区域电网互联将面临的区域低频振荡问题,提出一种适用于风电场并网背景下的广域阻尼控制器设计方法。该方法利用增益调度思想将风电场平均风速划分为若干个控制区域,并逐一对每个控制区域进行系统辨识以及阻尼控制器设计,以解决风电场出力的不确定性造成的控制器失效的问题。提出了改进自回归滑动平均(ARMA)方法和自由权矩阵方法分别完成上述系统辨识以及控制器设计过程。含风电场的EPRI-8机36节点测试系统仿真表明:所提辨识方法克服了传统ARMA方法辨识精度不高的问题,所提控制器设计方法允许的时滞裕度优于传统线性矩阵不等式方法。所提的增益调度控制方法能满足风电场出力变化的实际情况,具有较高的实用价值。

基于加权滑动平均的磁盘使用率预测模型

为能提前做好扩容准备,提出一种改进的加权滑动平均(weighted moving average,WMA)模型,用以预测未来短期内磁盘的使用率.针对磁盘使用率序列变化较为平缓、要求滞后较小的特性,采用自相关和偏自相关系数法对模型定阶,处理数据后,在不影响精度的前提下计算最小滞后值,并使用结合了拉依达准则的权重转移法来均衡权重,用多新息递推最小二乘法对参数进行更精确的估计,以提高预测的准确性.通过Matlab仿真实验可知,该算法预测误差小,滞后性弱,与原始WMA模型相比,具有更好的预测效果.