本文提出的云控制系统(Cloud control systems,CCSs)是对之前的网络化控制系统(Networked control systems,NCSs)的进一步扩展.目前,物联网(Internet of things,IOT)已经成功应用于实际中,网络化控制技术在其中发挥了关键作用.与此同时...本文提出的云控制系统(Cloud control systems,CCSs)是对之前的网络化控制系统(Networked control systems,NCSs)的进一步扩展.目前,物联网(Internet of things,IOT)已经成功应用于实际中,网络化控制技术在其中发挥了关键作用.与此同时,云计算的迅速发展为大数据存储与处理、控制器设计和控制系统性能优化提供了一个完美的平台.可以预见,虽然当前云控制技术的研究和应用还存在许多挑战,但在不久的将来,云控制系统的深入研究将对控制理论的发展和各种实际应用起到积极推动作用.展开更多
在20世纪80年代,为了解决分布式闭环控制问题,研究者提出了网络化控制系统(Networked control system,NCS).通过网络对象实现远程控制,控制和计算理论的交互促进了网络化控制系统的进一步发展.网络化控制系统的另外两个方向分别是领导者...在20世纪80年代,为了解决分布式闭环控制问题,研究者提出了网络化控制系统(Networked control system,NCS).通过网络对象实现远程控制,控制和计算理论的交互促进了网络化控制系统的进一步发展.网络化控制系统的另外两个方向分别是领导者-跟随者系统和模型预测控制系统.通过与云计算、物联网(Internet of things,IoT)等技术相结合,云控制系统可被看作是网络化控制系统的一种延伸.在原云控制系统的基础上,进一步深入研究,给出了一个可应用到云控制系统上新理论技术的综述和探索.展开更多
针对现代电力系统中设施庞杂、多源异构海量数据难以有效处理、“信息孤岛”长期存在以及整体优化调度管理能力不足等问题,基于云控制系统理论,以智能电厂为研究对象,本文提出了智能电厂云控制系统(Intelligent power plant cloud contr...针对现代电力系统中设施庞杂、多源异构海量数据难以有效处理、“信息孤岛”长期存在以及整体优化调度管理能力不足等问题,基于云控制系统理论,以智能电厂为研究对象,本文提出了智能电厂云控制系统(Intelligent power plant cloud control system,IPPCCS)解决方案.基于智能电厂云控制系统,针对绿色能源发电波动性强、抗扰能力差的问题,利用机器学习算法对采集到的风电、光伏输出功率进行短时预测,获知未来风、光机组功率输出情况.在云端使用经济模型预测控制(Economic model predictive control,EMPC)算法,通过实时滚动优化得到水轮机组的功率预测调度策略,保证绿色能源互补发电的鲁棒性,充分消纳风、光两种能源,减少水轮机组启停和穿越振动区次数,在为用户清洁、稳定供电的同时降低了机组寿命损耗.最后,一个区域云数据中心的供电算例表明了本文方法的有效性.展开更多
文摘本文提出的云控制系统(Cloud control systems,CCSs)是对之前的网络化控制系统(Networked control systems,NCSs)的进一步扩展.目前,物联网(Internet of things,IOT)已经成功应用于实际中,网络化控制技术在其中发挥了关键作用.与此同时,云计算的迅速发展为大数据存储与处理、控制器设计和控制系统性能优化提供了一个完美的平台.可以预见,虽然当前云控制技术的研究和应用还存在许多挑战,但在不久的将来,云控制系统的深入研究将对控制理论的发展和各种实际应用起到积极推动作用.
文摘在20世纪80年代,为了解决分布式闭环控制问题,研究者提出了网络化控制系统(Networked control system,NCS).通过网络对象实现远程控制,控制和计算理论的交互促进了网络化控制系统的进一步发展.网络化控制系统的另外两个方向分别是领导者-跟随者系统和模型预测控制系统.通过与云计算、物联网(Internet of things,IoT)等技术相结合,云控制系统可被看作是网络化控制系统的一种延伸.在原云控制系统的基础上,进一步深入研究,给出了一个可应用到云控制系统上新理论技术的综述和探索.
文摘针对现代电力系统中设施庞杂、多源异构海量数据难以有效处理、“信息孤岛”长期存在以及整体优化调度管理能力不足等问题,基于云控制系统理论,以智能电厂为研究对象,本文提出了智能电厂云控制系统(Intelligent power plant cloud control system,IPPCCS)解决方案.基于智能电厂云控制系统,针对绿色能源发电波动性强、抗扰能力差的问题,利用机器学习算法对采集到的风电、光伏输出功率进行短时预测,获知未来风、光机组功率输出情况.在云端使用经济模型预测控制(Economic model predictive control,EMPC)算法,通过实时滚动优化得到水轮机组的功率预测调度策略,保证绿色能源互补发电的鲁棒性,充分消纳风、光两种能源,减少水轮机组启停和穿越振动区次数,在为用户清洁、稳定供电的同时降低了机组寿命损耗.最后,一个区域云数据中心的供电算例表明了本文方法的有效性.