同步发电机最优非线性自适应励磁控制器设计

设计了一款最优非线性自适应励磁控制器(Optimal Nonlinear Adaptive Excitation Controller,ONAEC)用于多机电力系统以提升系统故障恢复能力。首先,通过一个高增益扰动观测器(High-Gain Perturbation Observer,HGPO)对由发电机的非线性、不确定性、未建模动态等效聚合而来的扰动进行实时快速估计。随后,该扰动由ONAEC进行在线完全补偿并通过改进樽海鞘群算法(Modified Salp Swarm Algorithm,MSSA)获取其最优控制参数。另外ONAEC具备结构简单、易于实现等优点,且仅需测量发电机功角一个状态量便可实现全局一致的控制性能。最后,进行了两种算例研究,即标称模型以及参数不确定下的三相短路。其仿真结果表明,与比例-积分-微分(Proportional-Integral-Derivative,PID)控制和反馈线性化控制(Feedback Linearization Control,FLC)相比,ONAEC能在各种工况下实现最佳的动态性能,有利于系统受到较大扰动后快速恢复稳定运行。

一种非线性自适应最优励磁控制器的设计

提出了一种非线性自适应最优励磁控制器。新的控制设计方法基于同步发电机的三阶双轴数学模型 ,其仅由代数运算实现的分散非线性反馈补偿律保证了系统在各种运行方式下具有足够的稳态调节精度。控制算法内置一个简单的在线自适应变增益策略以达到在各种工况下动态最优化控制的目的 ,通过求解闭环特征值优化问题来选取权矩阵的方法改善了系统受扰后的暂态响应性能。仿真计算结果表明 ,与传统的线性最优控制器相比 ,新的励磁控制器具有多方面优点。

用非线性最优励磁控制器改善西北电网动态特性的研究

采用非线性最优励磁控制器(NOEC)以图改善系统的动态特性,并通过大扰动仿真计算证明,西北电网在目前网架下采用NOEC对系统阻尼特性及大扰动后摇摆曲线的波形有一定的改善。

发电机的浸入与不变自适应反步鲁棒励磁控制器

针对含有不确定参数的发电机励磁控制系统,设计了一种新型的自适应反步鲁棒励磁控制器。在设计过程中,基于反步法逐步进行控制器的设计,并引入非线性阻尼算法来减小反步法的"计算膨胀"问题,有效地增强了控制器的鲁棒性。接着介绍了应用浸入与不变自适应控制设计阻尼系数的自适应估计律。通过MATLAB软件进行仿真研究,验证了该算法的有效性和优越性。

基于RBF神经网络的电力系统自适应励磁控制器的设计

采用后推设计算法设计了SISO严格反馈系统的RBF神经网络自适应控制器。权值的调整算法基于所选择的积分型的Lyapunov函数 ,能保证整个闭环系统是最终一致有界的。把所设计的控制方案用于电力系统的励磁控制中。仿真结果表明 。

同步发电机监督学习神经网络励磁控制器

应用神经网络的监督学习控制(SNC)方法,在线性最优励磁控制的基础上,利用神经网络对同步发电机的励磁控制过程进行监督学习,设计出基于SNC的同步发电机励磁控制律。仿真结果表明,所设计的SNC在系统运行方式较大的变化范围内,都能提供很好的阻尼特性和良好的控制性能,并且控制结构简单,有较强的实时性和适应能力。

基于遗传算法的模糊神经网络控制器在虚拟仪器中的实现

模糊控制技术在复杂的非线性控制过程中表现出优越的性能,神经模糊控制器的出现为自适应模糊控制设计开辟了新的途径。遗传算法由于具有不依赖于问题模型、全局最优、隐含并行性、高效率和解决不同非线性问题的鲁棒性等特点,能很好地用于神经网络的训练。两种方法综合使用,可以大大提高模糊神经推理控制系统的自学习性能和鲁棒性。通过应用ActiveX技术在LabVIEW中调用和操作MATLAB的方法,实现了基于遗传算法的模糊神经网络控制器。