基于光伏阵列输出预测模型的故障诊断方法

本文提出了一种基于光伏组件阵列输出预测模型的故障诊断方法用于识别阵列直流侧的四种故障。该方法选择I-V(电流-电压)和P-V(功率-电压)曲线上的关键点作为诊断特征量,并将无故障情况下的特征量作为参考值;通过组件的双二极管模型建立了一个光伏阵列输出预测模型来预测不同工作条件下的参考值,在MATLAB/Simulink平台搭建光伏阵列仿真无故障和不同故障实验并将对应特征量与预测参考值对比。无故障实验中,三种工作条件下预测与仿真测量参考值的误差率低于2%,表明了阵列输出预测模型对参考值预测的准确性,并将预测值作为后续故障实验的参考值;计算几种故障实验的仿真测量特征量与参考值的相对误差,分析特征量的变化,给出了不同故障类型诊断的方法。

反激变换器的输出反馈模型预测控制仿真研究

针对反激变换器的输出电压稳定性问题,提出一种输出反馈模型预测控制方法。建立双线性模型,设计状态反馈和输出反馈模型预测控制器,增加Luenberger-type型观测器确保状态估测动态误差是全局指数稳定;外环PI控制旨在消除电压偏移误差。给出系统存在输入电压和存在输入约束条件下的电感电流全局收敛的闭环稳定性分析。仿真结果表明,相比于PID控制,该方法在保证系统全局稳定性的同时,可以实现系统误差在有限时间内收敛,控制精度能达0.22%,提高了系统的鲁棒性和快速性。

基于sEMG信号的关节力矩NARX预测模型

为解决利用力矩传感器控制肌力训练设备所带来的滞后性,利用表面肌电信号(sEMG)超前于运动的特性,设计了基于一组拮抗肌表面肌电信号的关节力矩预测模型。首先搭建康复训练设备为信号采集和实验验证提供条件。将sEMG经过预处理,选择sEMG信号的方差特征作为神经网络输入,利用带有外部输入的非线性自回归(NARX)模型的动态循环神经网络,分别建立了基于关节力矩实际值的超前多步(MSA)预测模型和基于模型预测输出(MPO)的预测模型,通过等张和等长测试实验,比较了MSA和MPO模型的力矩预测性能。实验结果表明,两种模型输出预测值和实际值之间都有极强关联性(皮尔逊相关系数均大于0.95)。随着超前预测的步数增加,MSA模型的预测精度降低,但是超前预测的时间增大。在等张和等长测试中,当超前步数分别小于29和35时,MSA预测精度显著高于MPO(p<0.05),但MPO模型在成本和体积上更具优势。综上所述,两种模型均可以准确预测关节力矩,在实际康复训练设备控制中,可根据应用需求选择不同的力矩预测模型。

自然光条件下光伏组件模型改进研究

为了使太阳电池的二极管模型更好地适用于户外自然光条件,结合实测参数,改进已有的温度模型和照度模型,给出了一种利用短路电流ISC、开路电压VOC、最大功率点电压Vmpp、最大功率点电流Impp确立模型参数、光照强度和组件温度,确定I-V输出的光伏输出预测模型。采集了屋顶光伏系统的环境参数(照度G-温度T)和电气参数(输出I-V曲线)作为实测参考。在给定光照-温度(G-T)情况下,计算现有模型和改进模型的ISC、VOC输出预测值,与实测参考值进行比较,发现改进模型的预测值更接近于实测值。采用Matlab-Simulink进行模拟,可以得到任意照度和温度下的I-V曲线,通过模拟曲线与真实测量曲线进行对比,发现有较好的吻合度。因此改进模型能够在给定光照和温度数据下,更准确地预测光伏组件输出。

考虑压实特性的高心墙堆石坝非线性多孔弹性分析

传统高心墙堆石坝结构与渗流性态研究忽略了坝料物理、力学与渗透等压实特性的空间非均质性,且缺乏考虑渗透系数随外部荷载作用的变化,难以客观真实反映大坝结构与渗流性态.基于Biot固结理论框架,通过坝料改进多输出预测模型获得压实特性空间分布,采用Kozeny-Carman模型考虑渗透系数演化规律,推导考虑坝料压实特性的大坝非线性多孔弹性模型应力场与渗流场控制方程,从而建立耦合压实特性的非线性多孔弹性模型,并进一步基于约束随机场进行大坝结构与渗流性态精细有限元模拟,实现高心墙堆石坝非线性多孔弹性分析.结果表明:相比未考虑压实特性影响、未考虑渗透系数随外部荷载作用变化的模型,该模型对于大坝心墙沉降计算值与监测值之间的R^(2)分别提高0.222和0.288,更利于进行大坝应力安全分析,心墙区渗透系数呈现明显的竖向分布,可以更好地反映大坝实际结构与渗流性态,研究结论可为进一步研究大坝压实质量控制提供理论依据.

基于事件触发的互联电网负荷频率模型预测输出反馈控制

开放式通信环境不可避免地会导致通信延迟现象的产生,针对多区域负荷频率控制系统提出了基于事件触发的模型预测输出反馈控制方案。模型预测控制器通过延迟通信网络交换预测输入序列,构造Luenberger型观测器以提供传输到本地控制器的状态估计。此外,通过比较实际状态观测值与模型输出反馈控制器中使用的估计值之间的偏差来设计事件触发条件,扩展最大允许的时间间隔,从而减少通信资源的利用。最后,对四区域负荷频率控制系统进行仿真研究,结果表明在具有时变延迟和随机分组丢失的非理想通信网络中,所提出的方法能够提高系统的控制性能,并减少网络信息传输量。

Min-max fuzzy model predictive tracking control of boiler-turbine system for ultra-supercritical units

To improve the control performance of nonlinear ultra-supercritical(USC)thermal power units,an improved min-max fuzzy model predictive tracking control(FMPTC)strategy is proposed.First,a T-S fuzzy model is established to approximate the dynamics of the nonlinear boiler-turbine system.Then,based on an extended fuzzy model containing state variables and output variables,a min-max FMPTC is derived for output regulation while ensuring the closed-loop system stability and the inputs in their given constraints.For greater controller design freedom,the developed controller adopts a new state-and output-based objective function.In addition,the observer estimation error is regarded as a bounded disturbance,ensuring the stability of the entire closed-loop control system.Simulation results on a 1000 MW USC boiler-turbine model illustrate the effectiveness of the proposed approach.