基于循环寻优的模块化多电平换流器模型预测控制

模块化多电平换流器(MMC)是高压直流输电领域最具发展前景的拓扑结构之一。针对MMC经典控制理论过于依赖模型精度,控制器参数整定复杂,以及MMC传统模型预测控制(MPC)方法中计算量过大、控制精度不足等问题,本文提出一种循环寻优的模型预测控制算法,对多个控制目标逐级优化实现追踪交流电流、抑制相间环流、平衡子模块电容电压和优化开关频率,该算法在考虑提高运行效率的同时,还兼顾了良好的控制效果。在Matlab/Simulink环境下搭建了背靠背MMC-HVDC系统并进行仿真。结果表明,所提控制策略将计算量降低了99.97%,且提高了控制目标精度,特别是桥臂子模块数增多时效果更好,符合工程应用中电压等级高、输送容量大等特点,适用于MMC灵活可拓展特性。与传统MPC方法相比,该控制策略实用性更强。

基于多因素改进型PSOSVM算法的中长期负荷预测

中长期负荷预测作为电力规划与调度中的重要一环,其影响因素有着多样性和不确定性等特点.选取支持向量机作为中长期负荷预测的核心算法,筛选多种区域宏观经济因素,利用粒子群(PSO)寻优与循环寻优的改进型算法对支持向量机(SVM)的参数进行优化及负荷预测.仿真结果显示,改进型PSOSVM算法有着较高的预测精度.

拖拉机牵引装置的优化性能研究

针对拖拉机牵引装置的牵引功率较低、使用性能较差的问题,对牵引装置进行了设计和优化改进。拖拉机牵引装置主要由牵引支座、支承架和悬挂机构组成。对牵引装置进行受力和牵引特性分析,通过采用大功率网格优化算法及利用循环寻优的方法计算拖拉机的最大牵引功率,以实现对拖拉机牵引功率的优化。试验结果表明:该拖拉机的牵引装置达到了拖拉机对农具动态控制的要求。

一种基于叠加Logistic映射分布的FWA-PSO新算法

为了解决传统粒子群算法早熟收敛陷入局部最优、粒子中期震荡及收敛结果不精确的问题,提出一种基于叠加Logistic映射分布的FWA-PSO算法对其进行改进。具体方法是:叠加Logistic映射用于对粒子位置的混沌初始化,在粒子数量一定的情况下,平衡最大遍历路径与最快收敛速度;引入FWA算法,同时根据迭代次数与粒子位置标准差,基于惩罚机制非线性调整爆炸半径r、惯性权重w、个体学习因子c1和社会学习因子c2,融合高斯变异算子与循环单维度寻优策略,在维系粒子群多样性的同时,也能避免粒子越过最优解。实验结果表明:FWA-PSO算法针对单峰函数50次平均值均能达到最优解0,证明了算法的稳定性与可靠性;对于多峰函数,FWA-PSO算法也能求得最优解,证明该算法可跳出局部最优,得到全局最优解。