大规模风电并网条件下AGC机组跨区分布式最优协调控制

我国风电资源主要集中在西部和北部,外送是解决风电消纳问题的有效手段。但随着风电渗透率的增加,其不确定性带来的风电功率波动造成部分区域或省份的自动发电控制(AGC)出现了较为严重的调节资源不足及控制问题。为解决这一问题,利用分布在全网的AGC机组实现跨区分布式最优协调控制。引入协调因子建立AGC最优协调控制模型,采用原始对偶梯度算法对该模型进行变换,并利用线性变换得到基于协调因子的分布式最优协调控制器。仿真算例表明,随着风电渗透率增加,各区AGC机组能协调地进行频率控制,有效平衡风电不确定性引起的功率不平衡量。

干式DCT双离合器联合起步最优协调控制

基于自主开发的6速干式双离合器自动变速器(Dual clutch transmission,DCT),提出基于极小值原理的双离合器联合起步过程发动机和双离合器转矩协调最优控制算法。在起步滑摩阶段,以滑摩功和冲击度为性能指标,在反映驾驶员意图的终端约束下,采用极小值原理和改进的发动机恒转速控制,研究并确定起步过程中双离合器,发动机转矩及其转速。根据起步控制目标,确定分离离合器分离条件和离合器的转矩分配关系。在需求转矩切换阶段,将发动机输出转矩平滑切换到驾驶员需求转矩。在Matlab/Simulink软件平台上,搭建DCT车辆双离合器联合起步控制仿真模型,对不同驾驶意图和起步档位下DCT车辆的起步过程进行仿真。结果表明,所提出的基于极小值原理的发动机和双离合器转矩协调控制策略,有效地保证双离合器联合起步品质,反映起步意图,延长离合器使用寿命。将所得的离合器最优转矩控制律转化为离合器位置控制律,在离合器伺服控制试验台架上进行离合器位置闭环控制,得到较好的跟踪效果。

基于极小值原理的AMT车辆起步最优协调控制策略

结合AMT车辆的起步动力学模型,以滑摩功、冲击度和控制能量等的加权和作为优化目标,在反应驾驶者起步意图的终端约束条件下,基于极小值原理将起步过程的发动机与离合器的最优协调控制问题转化为微分方程组的边值问题。通过求解微分方程组的边值问题获得起步过程中的最优控制和状态变量轨迹曲线的解析表达式,并与基于打靶法求解得到的最优轨迹曲线的数值解进行对比,两者基本吻合一致。在仿真工况下,前者的计算时长仅为后者的1/49,更适于实时控制系统中的应用。基于快速原型控制器Rapid-ECU-UIM和Simulink/RTW平台搭建了AMT车辆起步控制的硬件在环仿真试验平台,并将基于极小值原理解析求解得到的最优协调控制策略应用于试验平台中,仿真试验结果验证了所提出的最优协调控制策略的有效性和实时性。

FLOW-SHOP网络交链系统的无阻塞最优协调控制

用极大代数模块网络法 ,建立了 FLOW-SHOP网络交链系统的数据结构模型 .在这个模型上 ,提出了寻找交链系统特征值的周期同步算法和寻找特征向量的递归协调算法 ,结果证明 ,FLOW-SHOP网络交链系统的无阻塞最优协调控制是一类线性状态反馈且最优协调控制系统的优控参数可以直接列写 ,最后的例子指出 。

发电机励磁与高压直流输电的协调控制

针对包含励磁控制的发电机与高压直流输电的交直流互联系统,设计了发电机励磁与高压直流输电的协调控制器。首先建立整个系统的数学模型,然后利用非线性控制理论将系统精确线性化,并结合最优协调控制理论得出协调控制规律。最后应用EMTDC程序进行仿真,结果表明,上述协调控制器能有效地提高整个系统的稳定性。

JOB-SHOP网络系统的建模与最优控制的研究

研究设置缓冲区的具有Job -Shop结构的一类网络系统的建模与最优控制。用极大代数意义下的线性系统理论提出了一种与系统矩阵维数无关的 ,模块网络迭代法。利用它可以快速求得系统的初始输入和周期λ ,使系统没有过渡过程 ,直接进入以λ为周期的稳态协调系统。

发电机励磁与TCSC非线性最优控制研究

针对含有可控串联补偿器(TCSC)设备的多机电力系统,研究了TCSC与发电机励磁的最优控制规律。首先,建立了含TCSC的多机电力系统非线性动态模型,该模型具有多输入多输出放射非线性系统的形式。然后,利用非线性系统几何线性化理论中的完全反馈线性化方法,将含TCSC的多机非线性数学模型进行精确线性化得到相应的线性控制系统,根据线性系统的最优控制理论和最优指标,得到反馈最优控制输入,进而得出发电机励磁与TCSC的最优控制规律。两机系统的动态仿真分析表明,该非线性最优控制系统具有很好的鲁棒性,能有效提高电力系统的稳定性。

采用大功率电力电子全控器件的新型励磁系统

为了提高电力系统的稳定性,提出了一种基于全控器件的新型励磁系统,该励磁系统能通过励磁控制,以及与机端系统交换无功功率,为系统提供双重阻尼。新型励磁系统采用最优协调控制策略,在PSASP环境下进行的单机无穷大系统的数字仿真结果表明,新型励磁系统能够适应运行方式的大范围变化,在大小扰动下较常规自并励励磁系统表现出更好的动态性能。

强化学习与自适应动态规划:从基础理论到多智能体系统中的应用进展综述

近年来,强化学习与自适应动态规划算法的迅猛发展及其在一系列挑战性问题(如大规模多智能体系统优化决策和最优协调控制问题)中的成功应用,使其逐渐成为人工智能、系统与控制和应用数学等领域的研究热点.鉴于此,首先简要介绍强化学习和自适应动态规划算法的基础知识和核心思想,在此基础上综述两类密切相关的算法在不同研究领域的发展历程,着重介绍其从应用于单个智能体(控制对象)序贯决策(最优控制)问题到多智能体系统序贯决策(最优协调控制)问题的发展脉络和研究进展.进一步,在简要介绍自适应动态规划算法的结构变化历程和由基于模型的离线规划到无模型的在线学习发展演进的基础上,综述自适应动态规划算法在多智能体系统最优协调控制问题中的研究进展.最后,给出多智能体强化学习算法和利用自适应动态规划求解多智能体系统最优协调控制问题研究中值得关注的一些挑战性课题.