基于鲁棒Holt-Winter模型的超短期配变负荷预测方法

超短期配变负荷预测结果是配电网状态估计中伪量测的主要来源之一,其利用的历史数据主要来源于自动计量系统。伪量测的精度会显著影响状态估计的结果。给出了一种基于鲁棒Holt-Winter模型的超短期负荷预测方法。该方法综合考虑线性趋势、季节变动和随机波动的时间序列特性,并与指数平滑法相结合,具有良好的预测能力。此外,该方法可以自动识别和修正坏数据。以某配电网的实际数据进行了算例分析,结果表明该方法具有良好的预测精度,且具有自动压缩坏数据影响的特性。

基于目标鲁棒的电动汽车及基站储能联合参与电力市场的决策模型

随着电动汽车(electric vehicle,EV)和第五代移动网络技术(5th generation mobile communication technology,5G)基站规模的不断增长,聚合商作为一种能够将众多EV和5G基站聚合起来的主体,在电力市场进行投标决策时会面临多重不确定因素。为应对市场电价和调频信号的不确定性以及EV和基站储能的时序响应能力可能存在互补性的问题,提出了一种基于目标鲁棒的EV和基站储能联合参与电力市场的决策方法。基于EV和基站储能单体模型建立了聚合商的聚合模型;计及市场电价和调频信号的不确定性,构建了聚合商参与电力市场的目标鲁棒优化模型;通过算例验证了所提模型相于传统不确定性优化模型的优越性,以及EV和基站储能联合参与电力市场可显著提高聚合商的收益。所提策略可为聚合商的投标决策提供参考,聚合商可利用所提模型合理地平衡决策行为的经济性和鲁棒性。

基于分布鲁棒模型预测控制的微电网多时间尺度优化调度

源荷多元不确定性给“源荷储”一体化微电网优化调度带来了诸多挑战,但传统方案存在优化模型过于片面极端和时间尺度单一导致调度不合理的问题,无法兼顾可靠性和经济性,并且难以协调不确定性分析方法与不同时间尺度之间的配合关系。文中基于数据驱动的多离散场景分布鲁棒方法,提出一种微电网两阶段分布鲁棒日前优化调度模型,使用列和约束生成算法进行求解。结合改进分布鲁棒优化的不确定方法、多时间尺度调度策略和模型预测控制理论,通过逐级细化调度时间尺度和减小预测周期的长度来提高精度,以最小化发电成本以及调节成本等为目标建立日前-日内多时间尺度滚动优化调度模型,较大程度上抵抗系统不确定性因素的影响。结合算例仿真分析,进一步说明了所提模型能够有效消纳新能源、降低运行成本同时兼顾安全性和经济性。

周转箱多模型系统的鲁棒切换策略

为了抑制提前期和不确定需求对周转箱利用率的影响,研究一种周转箱多模型系统的鲁棒切换策略。首先,基于周转箱的正向流动和逆向流动,设计一种包含制造商、运营商和客户的周转箱供应链系统;然后,构建不确定需求下含生产提前期、订购提前期和还箱提前期的周转箱供应链动态演变基本模型;再次,在设计制造商生产切换策略和运营商运营切换策略的基础上,将周转箱供应链系统表示为多模型系统。将上述周转箱供应链的基本模型、切换策略和多模型系统扩展为周转箱供应链网络后,对可描述周转箱多模型系统的Takagi-Sugeno模糊控制系统提出一种鲁棒控制策略。由周转箱的切换策略和鲁棒控制策略组成的周转箱多模型系统的鲁棒切换策略可以降低多种提前期和不确定需求对周转箱供应链和网络的影响,实现周转箱供应链和网络的低成本稳定运作。最后,通过某汽车零部件周转箱供应链和网络的仿真实验验证了所提周转箱多模型系统鲁棒切换策略的有效性。

基于扰动预测的网联车鲁棒协同巡航预测控制

针对车辆巡航过程中前车未来加速度不确定性引起的控制问题,提出了一种用于解决网联车巡航问题的鲁棒模型预测控制(Model predictive control,MPC)算法。采用车辆误差模型,将前车预测加速度与实际加速度之间的偏差视为加性扰动。根据已知的物理约束,先通过滚动预测的方法得到更紧凑的扰动多面体,然后对原系统的约束进行紧缩处理以降低传统tube MPC的保守性。基于传统tube MPC在控制器中引入前馈补偿,通过l2增益特性条件得到相应的线性增益,提出一种基于滚动扰动预测的tube MPC算法,并且证明了该算法是输入到状态稳定的。通过5辆车的数值仿真,验证了该算法的有效性。

柔性机械臂系统双时标模型的H∞鲁棒控制

为了减小柔性机械臂转动时的振动和调节时间,实现柔性机械臂的精确控制,设计了自适应滑模-H∞鲁棒组合控制器。使用奇异摄动法建立了柔性机械臂系统的双时标模型。对于慢时变子系统,设计了幂次随系统状态自适应调整的趋近律,得到了基于自适应滑模变结构的慢时变子系统控制方法;对于快时变子系统,考虑到模型不确定问题,设计了γ次优H∞鲁棒控制器;将自适应滑模控制器与H∞鲁棒控制器进行组合,得到针对双时标模型的组合控制器。经仿真验证,对于刚性机械臂的阶跃输入,自适应滑模控制器的调节时间和超调量小于传统幂次趋近滑模控制器;对于模型不确定的柔性机械臂系统,组合控制器的振动幅度小、调节时间短、鲁棒性强,验证了H∞鲁棒控制器在柔性机械臂控制中的优越性。

不依赖模型参数的高速列车鲁棒自适应速度跟踪控制

为了实现高速列车对目标速度轨迹的精确跟踪,提出了一种不依赖于模型参数和附加阻力信息的列车鲁棒自适应速度跟踪控制算法。首先,将列车模型参数分解为标称值和参数不确定性两部分,并将由参数不确定性和附加阻力引起的不确定性看作系统的集总不确定性;其次,引入带σ修正的参数自适应更新律对模型参数标称值及系统集总不确定性的上界进行在线估计,并在控制律中引入鲁棒项以补偿系统的集总不确定性;最后,基于Lyapunov稳定性理论和数值仿真验证了算法的可行性和有效性。研究结果表明,在模型参数和附加阻力信息未知的情况下,该控制算法实现了列车运行过程对目标轨迹的精确跟踪,且对模型参数和附加阻力的时变不确定性具有很强的鲁棒性。

基于ESO的水下机器人机械臂系统鲁棒模型预测控制

考虑到海洋环境的复杂性、不确定性及水下机器人机械臂系统(UVMS)的强非线性、强耦合性等特点,提出一种基于扩张状态观测器(ESO)的鲁棒模型预测控制(RMPC)方法。首先基于UVMS的动力学特性,建立其动力学模型,并忽略不确定项和干扰给出其名义模型系统。然后,基于名义系统设计了RMPC算法。将原系统的不确定项、干扰以及建模误差等影响因素集总为扩张状态,设计了ESO对其进行估计,并在名义模型的RMPC基础上进行了补偿,以得到应用于UVMS系统的RMPC方法。最后通过仿真实验证明,基于ESO的RMPC具有很好的轨迹跟踪性能和抗扰动能力。

模块化永磁直线同步电机考虑制造公差的推力鲁棒性优化

模块化永磁直线同步电机(MPMLSM)具有效率与推力密度高、可靠性和可加工性好等优点,非常适用于长行程运输系统;缺点是批量生产中性能易受到加工公差的影响。针对这一问题,该文提出了一种考虑制造公差的综合多目标鲁棒优化设计方法。首先,基于六西格玛设计方法建立了鲁棒优化模型;其次,采用拉丁超立方采样方法在尺寸公差范围内根据正态分布规律进行抽样,模拟大规模生产时电机尺寸受公差影响可能会出现的各种变化;再次,在尺寸优化范围内均匀抽样构成足够的训练样本,由有限元软件仿真这些抽样方案的推力性能,并基于反向传播神经网络建立电机设计代理模型;然后,应用该代理模型对拉丁超立方采样得到的样本进行电机性能的计算,求解样本整体对应的各优化目标的均值与方差,进而计算多目标优化的适应度;最后,采用非支配排序遗传算法Ⅱ进行全局优化,得到鲁棒优化方案,与不考虑公差的确定性优化方案相比,验证了该方法的有效性。鲁棒优化方案虽然略微增加了电机体积和推力波动,但是其失效概率低,受公差影响小,更加符合产品批量生产过程中的质量要求。

一种缩短虚拟编组列车追踪间距的鲁棒模型预测控制方法

作为当前轨道交通的研究热点,虚拟编组列车由多个单元列车借助于车车通信和主动控制构成。虚拟编组列车按照与物理编组列车一致的方式提供运输服务,所有单元列车应整体被视为一列车进行管理和控制。因此,要求单元列车像物理连挂一样保持很小的追踪间距。但由于缺少了车钩进行物理连挂,运行过程中受到的不确定干扰使得实现虚拟编组单元列车小间距安全追踪非常困难。针对该问题,首先提出一种基于分布式鲁棒模型预测控制(RMPC)的虚拟编组列车追踪控制方法,保证虚拟编组列车安全运行以及单元列车追踪间距有界。在此基础上,设计一种基于线性矩阵不等式的优化算法,通过减小RMPC控制误差,达到进一步缩短单元列车的追踪间距的目的。为证明该方法的有效性,仿真了由3辆单元列车构成的虚拟编组列车在一个站间的完整运行过程,并与既有文献中的方法进行了对比。仿真结果显示,单元列车追踪间距可由普通MPC方法下的10 m减小至本方法下的5.05 m,其缩短幅度达到49.5%。实验结果表明,所提出的RMPC方法及其优化算法能够在保证安全运行的前提下缩短虚拟编组单元列车追踪间距。

基于参数摄动模型的航空发动机鲁棒弹性自适应控制

航空发动机特性随飞行条件和工作状态变化,在复杂工作环境中同时存在模型不确定性和控制器自身参数变化问题,很大程度上影响整个飞行包线的控制性能。为此,文章提出一种基于参数摄动模型的航空发动机鲁棒弹性自适应控制方法。其首先建立了航空发动机参数摄动结构化模型;然后针对被控对象模型的不确定性和控制器增益的摄动,利用李雅普诺夫稳定性(Lyapunov stability)理论和线性矩阵不等式约束,设计了增益摄动有界但上界未知时的鲁棒弹性自适应控制律,将控制器的设计问题转化为线性矩阵不等式的可行解问题,使控制器的设计仅依赖线性矩阵不等式解矩阵的存在性,并证明了算法的稳定性。在此基础上,文章对飞行包线内发动机不同工作状态进行控制仿真验证。结果显示,调节时间小于1.8 s,超调量小于5%,这表明所设计控制器具有良好的稳定性和控制性能。

基于鲁棒增广e约束法的综合能源系统多目标多阶段供能优化配置方法

综合能源园区供能优化配置是实践现代能源体系建设、实现能源高效清洁利用的重要技术手段,然而现有规划配置方法存在多能耦合转换模型各异、忽视建设时序性与缺乏多维目标选优上的不足。为此,该文建立综合能源系统多目标多阶段供能优化配置模型,该模型为一个多目标混合整数线性优化问题。为实现多目标问题的高效求解,提出了基于鲁棒增广e约束法(robust augmented e-constraint method,AUGMECON-R)的Pareto解集求解方法,并结合综合权重与逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS),选取最契合园区多维评价偏好的建设方案。通过算例仿真验证了所提模型和算法的有效性,该模型能适用于各地各类型园区的供能优化配置决策。

基于扭曲风险度量的鲁棒投资策略

投资组合策略在很大程度上取决于损失的基本分布.因此当损失的分布信息只能通过有限的数据样本来观察时,投资组合策略模型的稳健性是至关重要的.假设损失的基本分布具有已知的均值和方差且位于一个以经验分布为中心,以Wasserstein距离为半径的球内,本文建立了一个基于扭曲风险度量的稳健投资组合策略模型,并将其转化为更简便的等价形式.此外,本文运用模拟和实证研究证明了该模型的有效性.

矩阵数据基于鲁棒主成分分析的距离加权判别分析

距离加权判别(DWD)是一种已被广泛应用的矩阵数据分类模型,当数据中存在严重的噪声污染时,该模型的性能会明显下降。鲁棒主成分分析(RPCA)因具备分离数据矩阵低秩结构和稀疏部分的特性已成为解决该问题的有效手段之一。因此,提出一种矩阵数据鲁棒距离加权判别(RDWD-2D)模型。特别地,该模型以有监督的方式对数据矩阵进行鲁棒主成分分析,并同步实现干净数据的恢复与分类。在MNIST和COIL20数据集上的实验结果表明,针对有噪声污染或数据缺失的矩阵数据,与DWD-2D、RPCA+DWD等模型相比,RDWD-2D模型有最好的数据恢复能力和最高的分类准确率;同时RDWD-2D模型对于数据污染度也有较好的鲁棒性。

基于鲁棒模型预测控制的风火储联合系统调频优化策略

与传统火电系统参与调频相比,利用风火储联合系统进行调频在风电消纳率、节能减排等方面有天然的优势。然而,风电的不确定性波动对风火储联合系统参与调频的策略制定提出了挑战。因此,文章提出了一种基于鲁棒模型预测控制的风火储联合系统参与频率调节的优化策略。根据风火储联合系统参与一次调频的工作原理,搭建了含RMPC的风火储联合系统调频框架;分别建立风、火、储的响应模型,计及各元件运行限制与系统一次调频功率平衡等多重约束,构建以风电机组出力不确定性最大的情况下使系统调频成本最低的双层鲁棒优化模型;采用强对偶理论实现min-max双层鲁棒优化模型的单层化,同时采用前向差分法对风电出力和负荷波动的不确定性约束进行线性化改进,实现模型求解的加速;在MATLAB/Simulink中对所提的优化策略进行算例求解分析,证明了所提方法的调频效果具有显著提升。

基于古诺模型的电力产消者鲁棒随机市场交易研究

随着用户侧分布式能源的爆发式增长,具有源荷双重属性的产消者逐渐增多,并且开始作为新兴主体参与到电力市场中。针对含产消者的寡头电力市场出清问题,提出了一种基于古诺模型的产消者市场交易模型,并进一步采用鲁棒和随机混合方法处理产消者内部可再生能源出力的不确定性,提出了产消者鲁棒随机市场交易模型。最后,在IEEE-39节点系统上验证了所提模型和方法的有效性,并对产消者的市场力进行了评估。

基于时域模型的电-气综合能源系统分布式鲁棒状态估计

高效准确的状态估计(SE)技术是电-气综合能源系统(IEGS)安全稳定运行的关键。现有的IEGS-SE方法常采用有限元差分模型描述气网动态特性。该模型需引入冗余的时空微元,难以兼顾SE精度和计算复杂度。为此,提出一种基于时域模型的IEGS分布式鲁棒SE方法,在保证精度的前提下提升计算效率。首先,基于时域模型推导出以真实节点压强为状态量的气网状态空间模型,实现气网模型的简化和降维。在此基础上,以卡尔曼滤波算法为框架,提出有限边界信息交互的分布式IEGS-SE策略,以解决不同子系统多管理主体之间的信息壁垒问题。最后,利用噪声自适应算法准确跟踪时变噪声参数,提升所提方法的鲁棒性。仿真算例证明,所提方法在保护各子系统隐私的条件下,有效提高了SE精度,抑制了坏数据影响,且计算效率远高于传统有限元差分法。

参数自优化的有人与无人车辆编队鲁棒模型预测控制

为解决有人与无人车辆编队中,有人领航车紧急加减速和紧急转向控制输入对无人车跟踪控制的扰动问题,设计了一种参数自优化的有人与无人车辆编队鲁棒模型预测控制算法。通过采集分析历史数据确定控制器扰动的噪声极值,并经过适度放缩得到其鲁棒边界。设计抑制该扰动的局部反馈鲁棒控制器,并通过贝叶斯优化的方法实现鲁棒边界等控制器参数自优化。基于混合整数线性优化的方法预测有人领航车未来轨迹,并设计鲁棒模型预测控制器实现无人车对有人领航车的跟踪控制。仿真和实车试验结果表明:所设计的鲁棒模型预测控制器在跟踪精度方面相比于传统模型预测控制器有明显的提升;同时该控制器有效地抵抗了来自有人领航车紧急加减速和紧急转向控制输入、无人跟随车系统模型不确定性和外部环境的扰动,振荡情况明显改善,提高了系统的鲁棒性。

平行流交叉口延误计算及信号配时鲁棒优化模型

为解决平行流交叉口在实际应用中因交通波动导致主预信号协调效果不佳、移位左转车道上车辆排队溢出等问题,研究了基于情景的鲁棒优化控制方法。通过解析平行流交叉口交通运行机理,确定了交通需求、饱和流率和运行车速的随机波动会影响其运行稳定性,以此关联时变交通供给与平行流交叉口控制的耦合特征。进而构建了车均延误平均值-标准差目标函数,利用权重系数直观反映决策者对通行效率和稳定性偏好程度。在此基础上,考虑主预信号协调控制、车道功能划分、车道清空等约束条件,建立了平行流交叉口鲁棒优化模型。结合移位左转车道上车辆运行规则,基于车辆到达-驶离图式推导给出延误计算模型。研究结果表明:延误模型仿真验证中,左转和直行车均延误相对误差绝对值的平均值不超过3%,且最大值不超过6%,拟合效果较好。案例分析中,鲁棒优化相对于确定性优化,在延误均值仅增加2.24%的情况下,延误标准差降低了21.23%,说明鲁棒优化在几乎不损失交叉口通行效率的前提下,提高了平行流交叉口运行稳定性,使信号控制更符合实际交通运行需要。敏感性分析中,目标函数值随移位左转车道长度、设计速度的增加呈先减后增的变化趋势,故设计阶段移位左转车道长度的取值应与交通需求相匹配,而主预信号直行相位差计算过程中设计速度的取值应比现场调查的实际运行速度平均值略大。

基于T-S模糊模型的下肢关节运动鲁棒跟踪控制

功能性电刺激是临床应用中主要的肢体智能康复技术之一,设计控制算法以有效提高关节运动控制精度和控制器的自适应问题一直是该领域的难题。基于T-S模糊模型,针对功能性电刺激下的膝关节的鲁棒跟踪控制,考虑患者个体的差异性,建立了具有参数不确定性的膝关节运动模型;基于Lyapunov稳定性理论,分析得到了鲁棒跟踪控制器存在的线性矩阵不等式条件,在Matlab平台上求得控制器的可行解,通过仿真结果验证了所提方法的有效性。