一种适用于模块化多电平换流器的多阶段模型预测控制方法

模块化多电平换流器(MMC)具有可扩展性强、输出电能质量高等优点,在电能传输领域受到了广泛的关注。针对传统模型预测控制权重因子设计复杂、桥臂环流谐波分量大等问题,文中提出了一种多阶段模型预测控制(MSMPC)方法。所提出MSMPC方法包括三个阶段:1)第一阶段获得输出电流跟踪的参考控制选项,实现交流电流控制;2)第二阶段通过引入两个环流因子来计算前阶段控制中上、下桥臂的子模块(SMs)的最优数量;3)第三阶段提出一种子模块预测电压分组排序方法,可有效减少电压排序次数和降低开关频率。与传统的MPC方法相比,所提出的MSMPC方法避免了权重因子设计,提高了环流抑制的性能,同时降低了控制器的计算量。通过仿真和实验结果验证了所提MSMPC方法的有效性。

基于模型预测控制的多微网系统2阶段优化调度

针对多微网系统集中式优化所带来的巨大计算压力以及源荷不确定性给系统稳定运行所造成的影响,提出了基于模型预测控制的多微网系统2阶段优化调度方法。针对日前阶段,考虑微网间源荷时空互补特性,以微网间热电交互功率、各微网中可控微源出力以及储能系统出力为优化变量,建立最小化多微网运行成本的日前优化模型,并利用同步型交叉方向乘子算法求解日前调度计划;针对日内阶段,为应对源荷预测偏差,用模型预测控制对储能系统进行合理调控,以平滑热、电网联络线,跟踪日前调度计划。算例结果表明,所提优化调度方法可缓解集中式优化的计算压力,提升系统运行的经济性与可靠性。

分阶段数据筛选的缺陷预测方法在列车运行控制系统软件质量评估中的应用

针对当前工程中存在的缺陷预测问题,包括历史数据不足、新工程缺乏充分的初始训练项目以及不同工程和案例之间数据分布的不一致性等问题,在此项目中,计划在前期工作的基础上,对多个项目中的缺陷进行详细的分类分析,并对它们进行分类。为了实现这一目标,提出了一种基于项目集的学习算法。首先,将从源数据集中挑选出与目标数据集分布最相近的一组数据项。接下来,在选定的项目集中,将选择与项目集相似度较高的项目数据。最终,将利用这些精选的数据来训练Naive Bayes模型,以期提高分类效果。以铁路运控系统的软件故障为例,进行了比较试验。实验结果表明,与项目内缺陷预测相比,本文所提出的分阶段数据筛选方法表现更优,不仅能够提升预测性能,还能有效减小训练数据与目标项目数据之间的差异。这种方法有望为多工程缺陷预测问题提供一种有力的解决方案,特别是在数据不足和分布不一致的情况下,可以辅助完成列车运行控制系统软件质量评估和相关确认活动质量评价。

基于鲁棒随机模型预测控制的园区综合能源系统两阶段优化

可再生能源发电与负荷的不确定性给园区综合能源系统的安全准确调度带来了巨大挑战,为了提高系统调度的准确度和运行经济性,提出了一种基于鲁棒随机模型预测控制的两阶段优化调度策略。该模型考虑到园区综合能源系统中负荷预测误差分布的规律性和可再生能源出力波动的概率分布难以准确刻画的特点,分别利用随机优化和鲁棒优化处理负荷侧和发电侧的不确定性;在第二阶段的优化目标中加入协调策略以使实时优化控制变量值尽量接近日前全局优化值,从而在修正第一阶段预测误差的同时克服实时优化过程中的短视效应;通过算例对比分析证明了所提策略可以有效平衡不同优化时间尺度上的预测误差与系统短视效应所带来的经济性影响,有利于兼顾系统的经济性与鲁棒性。

大水位变幅下多级闸控河渠自适应控制方法研究

【目的】提高多级闸控河渠水位变幅较大时的河渠水位控制精度,减小河渠水位振荡,提升控制算法的收敛效率。【方法】利用河渠实时水位动态修正ID模型参数并调整闸坝启闭频率,提出自适应预测控制(APC)算法,对比分析6种工况下不同控制算法的精度与效率。【结果】与基于ID模型的线性二次型控制(LQR)算法与模型预测控制(MPC)算法相比,APC算法可分别缩短19%~32%和8%~40%的调控时长,可减少47%~97%和14%~93%的河渠水位累计波动,可减小24%~77%和5%~59%的河渠水位平均绝对偏差。【结论】APC算法提高了多级闸控河渠水位的控制精度和算法的收敛性,可在不同的河渠水位变幅下保持良好的控制性能,能够为多级闸控河渠的智慧水利建设提供技术支持。

计及运行成本风险的主动配电网两阶段随机模型预测控制

分布式电源出力和负荷不确定性造成主动配电网运行风险,影响其运行安全性和经济性。建立了计及运行成本风险的主动配电网两阶段随机模型预测模型。结合不确定场景集和不同调节设备的动作特性,通过引入条件风险价值作为风险控制手段,构建了计及风险的两阶段随机优化模型,以降低运行成本分布中的"厚尾"风险。利用模型预测控制方法实现时序滚动优化,精细化协调控制,以减少可再生能源波动性以及负荷预测偏差给主动配电网经济运行带来的影响。最后,通过算例仿真分析,验证了所提方法在保证主动配电网安全运行的同时,进一步降低高额运行成本发生的概率,可实现主动配电网运行风险的有效、准确管控。

基于对象特征模型描述的舱外自由移动机器人地面实验系统预测控制方法

本文基于对象特征建模的思想，在关节角空间和任务空间建立了空间机器人系统的特征模型，提出了一种基于特征模型的舱外自由移动机器人地面实验系统的单步预测控制方法。该方法不需计算机器人动力学方程，不需在线调整控制器参数，具有很强的适应能力，同时设计简单，使用方便，计算量小，适合工程应用。

基于免疫原理的模型预测控制方法及其在过热汽温控制中的应用

提出了基于免疫原理的模型预测控制方法,将免疫遗传算法作为优化技术用于模型预测控制的设计,并应用在电站锅炉过热汽温的控制系统中,仿真研究表明了该算法的可行性和有效性。

一种混合储能变换器的模型预测整体控制方法

新能源发电渗透率逐渐提高,由新能源本身固有特性向电网引入的功率扰动不容忽视,且在高比例接入情况下对于新能源发电参与电网调节的需求越来越大,这对其系统功率响应性能提出了更高的要求。由蓄电池和超级电容组成的混合储能由于具有互补的能量特性,应用于新能源发电系统中可以帮助提升其整体的能量处理能力。为了充分发挥储能介质的功率特性,针对光伏发电系统中的应用,提出了一种应用于蓄电池-超级电容混合储能变换器的模型预测整体控制方法。根据变换器主电路的数学模型,结合混合储能的控制目标,设计了嵌入功率滤波器的模型预测整体控制策略。仿真结果表明提出的模型预测整体控制方法具有优越的功率响应特性与参数鲁棒性。

基于马尔科夫模型的配电网空间负荷智能预测方法

常规的配电网空间负荷智能预测流程一般是独立的,预测的范围较小,导致预测负荷相对误差不断增加,为此提出基于马尔科夫模型的配电网空间负荷智能预测方法的设计与验证分析。根据当前实际的电网空间负荷智能预测需求及标准,先对电网空间负荷指标进行求取,采用多目标的方式,扩大负荷预测的范围,设计多目标智能预测流程。以此为基础,构建马尔科夫体系电网空间负荷预测模型,采用多维模糊修正实现负荷智能预测处理。最终的测试结果表明:对比于传统并行数据计算配电网空间负荷智能预测小组、传统模糊概率配电网空间负荷智能预测小组,此次所设计的马尔科夫模型配电网空间负荷智能预测小组最终得出的预测负荷相对误差被较好地控制在3%以下,说明该预测方法的针对性与稳定性更高,预测的效率及质量更加稳定,误差可控,具有实际的应用价值。

基于自适应模型预测控制的区域能源互联网两阶段协同调度

为解决系统内风光可再生能源及冷热电负荷的不确定性造成的运行困难,实现机组出力的精确化和平滑控制,提出一种基于自适应模型预测控制的两阶段区域能源互联网协同优化策略,将优化调度分为日前和日内两个阶段。在日前调度阶段,以总运行成本最小为目标建立系统经济调度机组组合模型;在日内优化阶段,采用自适应的模型预测控制方法,基于各机组的实际运行状态,以前一阶段优化调度出力为参考,对未来有限时域内系统各机组运行状态进行实时滚动修正,消除不确定性的影响,确保系统的稳定运行。算例分析验证了所提出模型及方法的有效性和可行性。

基于双阶段网络模型的改进多变量广义预测控制

针对多变量非线性时滞系统存在多变量间复杂的耦合情况,多输入多输出系统转化为多个多输入单输出系统,并构建多变量双阶段神经网络时滞预测模型;在考虑耦合关系的基础上,将改进比例性能指标型广义预测控制器引入到多变量系统中;该控制器含有预测控制增量表征系统未来变化趋势,将其作为当前控制量的补偿,优化控制性能;通过300 MW单元机W型火焰直吹式燃煤锅炉系统的仿真研究验证了控制方案的有效性。

多输出间接矩阵变换器的简化模型预测控制方法

针对多输出间接矩阵变换器(Indirect Matrix Converter,IMC)系统,本文提出了一种简化的模型预测控制(Model Predictive Control,MPC)方法。首先选取双电机为变换器负载,建立电机定子磁链和电磁转矩预测模型,然后根据调速系统性能和电网需求建立目标函数,通过目标函数的寻优确定下一个采样周期的变换器开关状态,从而到达系统的多性能综合优化;该方法特别对因IMC开关状态数量多而导致的计算量巨大无法实现问题,提出简化原则,借鉴空间矢量脉宽调制(SVPWM)技术中开关状态与电压矢量的对应关系,在每个开关周期中限定选择相邻电压矢量对应的开关状态,以实现在减少运算量的同时降低开关频率损耗。仿真试验结果表明在简化MPC方法控制下两台电机可在不同转速、不同负载情况下实现独立控制,且具有较好的动静态性能。

轮轨噪声预测与控制方法综述

通过建立轮轨噪声预测模型,给出了车轮、钢轨辐射噪声声压级谱计算式。利用有关文献中的数据,对轮轨噪声进行了预测。从轮轨接触表面的不平顺、车轮、钢轨和声源等角度讨论了轮轨噪声的控制。

基于预测控制的混沌系统参数微调控制方法

本文将预测控制理论引入混沌系统的控制研究中 ,提出一种基于预测控制的混沌系统参数微调控制方法 ,通过对控制参数进行微调 ,将模型未知时的混沌运动稳定到系统的不稳定不动点处 .与现有同类方法相比 ,本控制系统具有快得多的响应速度 ,需要较短的时间就能实现混沌系统的控制 .本方法能够控制超混沌系统 ,算法简便 ,控制算法的收敛性和控制系统的稳定性能够保证 ,理论分析和仿真实验都表明了本方法的有效性 .

基于最优方法的碰后辅助驾驶控制策略

在碰撞事故中,车辆发生侧向碰撞后往往会同时产生剧烈横摆与横向运动,普通驾驶员难以正确应对此种紧急工况,车辆可能会失去稳定性,甚至造成更严重的事故。为减少车辆失稳以及驾驶员误操作等原因引起二次碰撞,本文提出一种碰后即接管车辆驾驶权限的两阶段碰后辅助驾驶控制策略。在第1阶段中,综合车辆稳定性和横向位移两项指标设计了代价函数,通过分层控制使车辆碰后快速回归稳定,并减小横向位移,以降低二次碰撞风险。然后依据相平面法所划分的稳定域制定控制系统切换准则,在判断当车辆稳定后,控制系统切换至第2阶段的路径跟踪控制,由模型预测路径跟踪控制器将控制车辆驶回原车道,以减小对相邻车道的影响。最后通过仿真实验,在不同强度的侧向碰撞中验证了本文所提出的控制策略的有效性。

动态输出反馈鲁棒模型预测控制离线算法

研究具有多包不确定性和有界噪声系统的动态输出反馈鲁棒模型预测控制(Robust model predictive control,RMPC)的离线方法.先前的在线方法中,在估计状态和估计误差集合已知的情况下,在每一采样时刻通过近似最优算法求解控制器参数.本文采用先前的方法计算离线控制器参数和吸引域.首先,选定一系列估计状态,其中,每个估计状态对应同样一组嵌套的估计误差集合.然后,针对每一估计状态和每一估计误差集合的组合,离线计算唯一的控制器参数和对应的吸引域.这些控制器参数和对应的吸引域存储在表中.如果离线确定的吸引域包含实时的扩展状态,则该离线控制器参数是实时可行的.在线时,根据实时估计状态和选取实时估计误差集合,在表中搜索包含实时扩展状态且优化性能指标最小的吸引域所对应的控制器参数.通过连续搅拌釜式反应器控制系统验证了该方法的有效性.

基于线性近似和神经网络逼近的模型预测控制

针对非线性系统的模型预测控制问题,提出了一种基于线性近似和神经网络逼近的控制算法。用Taylor级数展开法对非线性系统进行线性近似时,要求对象系统中的非线性函数必须连续可微。为了突破这一限制,引入了Stirling插值公式线性近似法,拓展了可处理的非线性系统范围。通过对线性化过程中产生的非线性高阶项进行径向基函数(radial basis function,RBF)神经网络逼近,显著提高了对象系统模型精确度。为了降低数值计算复杂度,将控制性能指标函数重构为易于处理的二次型最优化问题,通过对该二次型最优化问题的求解得到了最优控制序列。控制过程考虑了约束条件的影响以模拟真实的工业生产过程。仿真结果证明了所提出预测控制方案的有效性。

基于Smith控制与预测函数控制的再热汽温多变量控制快速计算方法

针对再热汽温控制系统控制变量多、控制难度大等问题,提出了一种基于Smith控制与预测函数控制(PFC)的多变量控制快速计算方法。首先,将再热汽温多变量控制系统分解为三个单变量控制系统,在每个单变量控制系统中,将其中两个控制量作为干扰项;其次,根据Smith控制思想,设计每个单变量控制系统;最后在改进预测函数控制的性能指标的基础上,综合考虑三个单变量控制系统,实现对再热汽温度的控制。再热汽温控制仿真实验表明所提方法的计算速度是传统约束条件下预测控制的50倍左右,并且调整参数少,物理意义明确。实验结果表明该算法在现场使用中能够有效地提高再热汽温控制品质。

模型预测控制在波浪能上应用的现状与挑战

为了提高波浪能源的利用效率,许多机构和学者在波浪能转换装置的模型预测控制方面进行了大量的研究。波浪能转换装置一般要求在保持安全运行的同时实现最大功率能量捕获,其控制方法本质上是一个约束优化问题,应用模型预测控制方法能够很好地满足这一要求。首先对模型预测控制理论进行介绍,其次对国内外关于模型预测控制在波浪能转换装置上应用的研究现状进行阐述,最后指出在波浪能转换装置上应用模型预测控制方法所面临的挑战及研究方向。