优化右侧步长调整系数的光伏MPPT控制算法

在跟踪最大功率点的过程中,最大功率点右侧跟踪步长对稳定性有较大的影响。为了解决现有光伏最大功率点跟踪算法在跟踪过程中存在稳定性不理想的问题,基于现有双步长调整系数的变步长电导增量法,提出了一种优化右侧步长调整系数的光伏最大功率点跟踪控制算法,采用改进的收敛步长调整系数进行变步长跟踪,可在保证快速、无误判跟踪最大功率点的同时增加跟踪过程的稳定性,更好地解决了振荡问题,从而实现最大功率点的高效跟踪。对此算法进行仿真,仿真结果证明了算法的正确性和有效性。

低模型依赖性电力系统步长自适应调整状态估计

传统加权最小二乘法状态估计的迭代步长一般固定为1,为解决该方法因数据质量偏低、网络条件复杂而不能有效收敛的问题,本文对逻辑函数进行改造,将图像上与状态估计高质量数值迭代具有天然适配性的母函数作为步长控制因子。设定母函数的控制参数并对部分参数通过“迭代效果”进行实时微调,母函数将自动进行状态估计适应性调整。所提方法的步长调整机制直接由迭代效果控制,无需电网数学模型的直接“介入”,方法具有对模型依赖性较低、可移植性强的特点。基于IEEE30节点系统的算例表明,所提方法在数值稳定性和估计质量两方面均大幅优于传统方法,具有一定的实用价值。

预测步长自调整舰载武器消摇摆控制系统设计

针对以舰船为射击平台的舰载火箭炮,由于海上风、浪、流等多种因素的作用,射击线受到舰船摇摆而影响射击精度的问题,应用模糊控制理论和灰色预测理论,设计了一种基于预测步长自调整的灰色预测模糊控制器,通过对实时状态的模糊判决,实现对灰预测步长的自适应调整,从而改善控制效果。陆上及海上实验表明,系统达到了规定的动静态技术指标。

调整步长牛顿法

本文研究了求解非线性方程组的迭代解法,提出了一种调整步长牛顿法。证明了该算法在不同条件下的二阶收敛性和大范围收敛性。

预测步长自调整的ASS与EPS灰预测模糊集成控制

为了对汽车主动悬架系统(ASS)与电动助力转向系统(EPS)进行实时集成控制,应用模糊控制理论和灰色预测理论,设计了一种基于预测步长自调整的灰预测模糊集成控制器。它通过对当前过程状态的模糊判决,实现对灰预测步长的自适应调整,从而改善控制效果。仿真结果表明,与未加控制和ASS与EPS独立控制相比,预测步长自调整的灰预测模糊集成控制更能实时有效地对汽车ASS与EPS进行协调控制,显著提高了汽车的行驶平顺性和操纵稳定性。

基于变步长增益调整的机动目标跟踪新算法

针对Singer模型的缺陷和“当前”统计模型存在的对弱机动目标跟踪能力较差的缺陷进行了改进,设计了一种新的加速度自适应模型;利用该模型设计出新的机动目标跟踪滤波算法,该算法对机动目标跟踪的综合性能有了较大的提高。在此基础上,为了减少滤波增益矩阵的计算量,使算法易于微机工程化实现,提出对滤波增益矩阵进行变步长调整的新方法,即通过在线检测算法确定何时有必要进行滤波增益的调整,而不需要每一步都计算增益矩阵,从而较多地降低了滤波算法的计算量。通过以上两个方面的改进,不仅提高了机动目标跟踪的精度,而且提高了目标跟踪的快速性和实时性。仿真验证表明该算法有良好的跟踪性能,而且计算量小,易于微机工程化实现。

基于调整步长牛顿法的Stewart并联机构位置正解

针对采用牛顿或拟牛顿迭代算法求解Stewart并联机构接近奇异位姿的位置正解时存在计算结果不收敛以及采用牛顿下山迭代算法求解时间较长的问题,提出了将调整步长牛顿法应用于并联机构位置正解。首先设计基于调整步长牛顿法的Stewart并联机构位置正解流程;然后,采用遗传算法以步长矩阵初值及等比参数为变量,以Stewart并联机构64种极限位姿正解所需迭代步数为目标,得到步长矩阵初值及等比参数最优值。通过数值算例,设置机构杆长绝对误差为0.01mm,对64种极限位姿进行正解,牛顿法与拟牛顿法共6种位姿正解不收敛;牛顿下山法10种位姿正解时间大于2.0ms;调整步长牛顿法正解时间均小于2.0ms。调整步长牛顿法为Stewart并联机构位置正解的实时应用提供了理论指导。

具有动态步长和发现概率的布谷鸟搜索算法

为了进一步改善算法搜索过程中存在的求解精度偏低、收敛速度缓慢等现象,提出具有动态步长和发现概率的布谷鸟搜索算法。该算法通过引入步长调整因子动态约束每一代种群的莱维移动步长,使算法的莱维飞行机制具有自适应性。在发现概率上,使用具有均匀分布和F分布特性的随机惯性权重,改变发现概率的固定取值,加强种群的多样性,保持算法全局搜索、局部探索之间的平衡状态。通过实验证明,所提算法具有良好的可行性,其寻优结果、收敛速度均有提高。

基于功率预测的新型变步长电导增量法最大功率点跟踪策略

光伏电池的输出特性具有强烈的非线性,最大功率点跟踪技术能够提高光伏系统的效率。常规定步长算法在选取步长时在响应速度和稳态精度之间无法兼顾。变步长算法在同一光照强度具有良好性能,但在光照突变时存在最大功率点跟踪死区的情况。提出了基于功率预测的新型变步长电导增量法。该方法采用一种新的步长调整系数,能够根据外界条件的变化调节步长,解决了跟踪速度与稳态精度之间的矛盾。并且当光照剧烈变化时,确保扰动前后的判断是基于同一功率曲线进行的,避免误判现象的发生。仿真验证了该算法的有效性。

基于模糊控制与自适应步长相结合的光伏发电系统最大功率点跟踪研究

光伏发电已逐渐得到人们的重视和使用,根据光伏电池输出特性非线性的特点,采用了模糊控制的方法来进行最大功率点的跟踪。本文搭建了光伏发电系统的仿真模型,设计了模糊控制器,并为了弥补传统步长算法在光伏发电系统最大功率点跟踪上的缺陷,采用了自适应步长调整法来自动调整被控量。通过与传统定步长、变步长的仿真结果进行比较,得出了基于模糊控制的自适应步长调整法,可以快速实现光伏发电系统的最大功率点的跟踪控制,并使输出一直维持在稳定值。

基于改进型变步长电导增量法的最大功率点跟踪策略

光伏电池的输出特性会随着外界环境的变化而改变,利用最大功率点跟踪(maximum power point tracking,MPPT)技术可有效提高光伏发电系统的效率。针对现有MPPT控制方法的不足,提出了一种基于改进型变步长电导增量法的MPPT控制方法。该方法采用一种新的步长调整系数,可根据外界环境变化自动调整步长,即使光照剧烈变化时,系统始终保持较大步长运行,克服了传统变步长算法启动速度和光照剧烈变化时动态响应速度慢的问题;同时采用电压闭环控制,提高了系统的整体稳定性。仿真和实验结果证明了该方法的可行性。

基于改进型变步长电导增量法的最大功率点跟踪控制

文章分析了太阳能光伏阵列的输出特性,并建立了光伏电池的数学模型。针对目前光伏阵列最大功率点的跟踪精度低、光电转化效率不高的现状,选取最大功率点跟踪(MPPT)技术为研究对象,提出了一种基于修正变步长的电导增量法。该算法使用恒压启动,并采用步长调整系数S(k)进行变步长的调整。当S(k)≥1,采用定步长模式;否则,采用改进变步长模式。通过仿真并与传统方法进行比较可以得出,该方法使跟踪精度得到很大提高,系统稳定性和光电转换效率都有很大的改善。

基于改进型变步长扰动观察法的光伏系统MPPT研究

为了提高光伏系统的发电效率,需要运用最大功率点跟踪控制技术,文中针对传统变步长扰动观察法当外界环境剧烈变化时会造成跟踪速度变慢和存在一定跟踪死区的问题,提出了一种可以根据外界环境的变化情况自动调整扰动步长系数的变步长扰动法,解决了传统变步长不能找到一组最大步长ΔDmax和比例因子K来满足不同光照强度下跟踪需要的问题,并通过仿真和实验对定步长扰动观察法、变步长扰动观察法和改进型变步长扰动观察法的跟踪效果进行了对比分析。结果表明,改进型扰动观察法具有良好的动态跟踪速度和稳态跟踪精度,能够有效消除定步长扰动观察法和传统变步长扰动观察法存在的不足,具有较好推广应用价值。

频分多址系统分布式强化学习功率控制方法

近年来,深度强化学习作为一种无模型的资源分配方法被用于解决无线网络中的同信道干扰问题。然而,基于常规经验回放策略的网络难以学习到有价值的经验,导致收敛速度较慢;而人工划定探索步长的方式没有考虑算法在每个训练周期上的学习情况,使得对环境的探索存在盲目性,限制了系统频谱效率的提升。对此,提出一种频分多址系统的分布式强化学习功率控制方法,采用优先经验回放策略,鼓励智能体从环境中学习更重要的数据,以加速学习过程;并且设计了一种适用于分布式强化学习、动态调整步长的探索策略,使智能体得以根据自身学习情况探索本地环境,减少人为设定步长带来的盲目性。实验结果表明,相比于现有算法,所提方法加快了收敛速度,提高了移动场景下的同信道干扰抑制能力,在大型网络中具有更高的性能。

多策略集成萤火虫算法

为解决萤火虫算法易陷入局部最优、收敛速度慢等问题,提出一种多策略集成萤火虫算法。该算法首先在位置更新公式中引入基于注意力机制的惯性权重,帮助萤火虫跳出局部最优,从而有效提升算法的收敛速度;其次提出一种步长调整机制,为萤火虫算法评估次数设定某一阈值,提高算法的局部开发能力;最后引入改进的邻域搜索策略,充分利用每只萤火虫的历史最优位置信息,使当前待优化粒子有机会搜索到更优解,可有效改善算法迭代后期探索能力下降的问题。12个基准测试函数和22个复杂测试函数的实验结果表明,所提算法具有良好的收敛速度和优化精度。

基于ISSA-BP神经网络的滑坡区输电铁塔状态预测模型

滑坡区输电铁塔基础发生位移时,会导致铁塔的最大位移及杆件所受最大应力发生变化,建立铁塔状态预测模型可得到铁塔的最大位移及杆件所受最大应力变化趋势,进而预防灾害事故的发生。提出一种改进麻雀搜索算法优化BP神经网络的预测模型,首先利用Sin混沌序列与步长因子动态调整策略对麻雀搜索算法进行优化,其次用优化后的模型对BP神经网络的权值及阈值进行参数寻优,得到预测模型。将铁塔基础在XYZ方向的位移值作为预测模型的输入量,得到铁塔最大位移值及铁塔杆件最大应力的预测值。本预测模型较BP神经网络模型相比,方根误差RSME值最高下降了63.4%,平均相对误差MAPE值最高下降了60.4%,绝对值平均绝对误差MAE值最高下降了62.6%,同时本文预测模型预测值符合真实值的变化趋势,综上本预测模型能较准确地预测输电铁塔运行状态,为其安全运行提供有力保障。

基于海洋捕食者算法的电力系统动态经济调度

电力系统动态经济调度(Dynamic Economic Dispatch,DED)是电力部门最重要的优化任务之一,其目标函数非线性、不连续、高维度、强约束,非常具有挑战性.针对传统的海洋捕食者算法存在容易滞于局部解、收敛速度慢等缺点,提出了一种改进的海洋捕食者算法(IMPA).首先采用Logistic-Tent级联的混沌映射进行初始化种群,提高了初始解的均匀性;其次,对优化节点进行调整,优化自适应步长参数CF,增强了算法全局搜索性能;最后,采用了非对称性信息交流机制强化搜索代理跳出局部最优的能力.仿真分析了基准测试函数和5机组电力系统算例,并与其他几种算法对比.实验结果表明IMPA比改进前最优成本提高了23.29美元,各项评价指标均有改善,能够为电力部门提供成本更少的调度方案.

电力系统低模型耦合智能状态估计

在传统电力系统状态估计中,状态修正方程的迭代步长一般选取固定值,该方法常因数据质量低、网络条件复杂而不能有效收敛。为解决该问题并提高状态估计的适配性,首先,对经典逻辑函数进行重构,找到在图像上与状态估计高质量数值迭代具有天然适配性的母函数,并将其作为步长控制因子,通过控制参数实现步长因子的智能调整。然后,引入权因子函数,使算法在迭代过程中执行变权操作,可降低不良数据的影响。与解析方法调整步长的策略相比,该方法具有对模型耦合性较低、可移植性强的特点。最后,以IEEE 30节点系统为例,在量测出现不良数据和网络准病态、病态的条件下,验证所提方法的数值稳定性、运算效率和估计质量均明显优于传统固定步长方法。

自适应反向竞争和声搜索算法及其优化

提出一种自适应反向竞争和声搜索算法.该算法简单分析和声搜索算法步长设置的盲目性,提出一种自适应步长调整操作.算法融合反向学习策略的优势,建立末位淘汰竞争选择机制,以进一步提高算法的全局搜索能力,防止算法陷入局部最优.为验证文中算法的有效性,优化经典测试函数,数值结果表明文中算法在精度和鲁棒性方面比和声搜索算法及目前较优的改进和声搜索算法更好.最后通过优化求解热交换器和减速器设计问题,证明文中算法求解结果优于其他算法.

灰色预测在FAST液压促动器中的应用

为了满足500,m口径球面射电望远镜(FAST)工程主动反射面索网节点位置和速度控制的要求,对FAST用液压促动器进行了研究,将灰色预测模型应用到传统PID控制中,提出一种新型的步长调整机制,在简化了以往调整机制复杂性、不确定性和耗时性的同时,很好地解决了传统PID控制策略下难以获得理想跟踪精度的问题.通过与传统PID控制策略进行仿真和实验对比,结果表明,变步长灰色预测PID控制策略提高了促动器的速度跟踪精度和位置跟踪精度,速度跟踪误差由0.100,mm/s减小到0.048,mm/s,位置跟踪误差由1.5,mm减小到0.2,mm,可满足FAST工程主动反射面索网节点位置控制精度和响应速度的要求.