无师General Fuzzy Min-Max人工神经网络

针对一般模糊极小极大(generalfuzzymin max,GFMM)神经网络不能够完全无师聚类和自适应在线学习的问题,提出了一种无师训练的一般模糊极小极大(generalfuzzymin max,GFMM)人工神经网络。它继承了GFMM网络的优点,可以输入n维模糊量,尤其是新增加了无师学习的功能,弥补了GFMM网络不能自适应在线学习新类的缺陷。实验测试结果与分析表明,该网络在自动目标识别的实际应用中具有广泛的适用性。

General Fuzzy Min-Max神经网络的改进与应用

针对 General Fuzzy Min- Max(GFMM)神经网络不能自适应学习新类的缺陷 ,提出了一种基于该网络的无师训练改进算法。它一方面继承原 GFMM网可以处理模糊输入量的优点 ,重构了网络中的模糊隶属度函数 ;另一方面结合ART2神经网络无师学习的特点 ,引入了网络警戒门限和运行状态切换控制。改进后的 GFMM神经网络完全具备了自适应调整和无师学习的能力 ,并展现出了良好的并行处理性能。自动目标识别中的应用结果表明

新型电力系统场景下网侧规模化储能二次调频控制策略

针对大规模新能源并网时造成的新型电力系统频率波动问题,在新型电力系统场景下兼顾电网调频需求及储能调频能力提出一种网侧规模化储能二次调频控制策略。基于电网调频需求,对储能系统响应自动发电控制指令时的双信号自适应切换控制进行研究,在充分发挥两种调频信号优势的同时使储能系统更好地配合响应调频指令;考虑储能机组的技术特性,利用模糊控制对各储能单元的出力深度进行均衡控制,在维持其荷电状态的同时能够将频率偏差的波动以更快的速度控制在更小的范围内;最后在Matlab/Simulink中对所提控制策略进行仿真验证。结果表明,所提控制策略能够快速抑制频率偏差在更小的范围内、避免储能系统过充过放以及有效维持各组储能单元荷电水平。

基于T-S模糊神经网络的光伏发电机组自动控制

光照情况变化会使光伏发电机组功率呈现不稳定性,加大光伏发电机组控制难度,为此,设计了基于T-S模糊神经网络的光伏发电机组自动控制方法。构建光伏阵列数学模型,分析在均匀和不均匀2种光照情况下光伏发电机组特性曲线。以分析结果为依据,采用T-S模糊神经网络构建光伏发电机组自动控制模型。为保证良好的控制效果,引入定比因子优化隶属度函数,输出最佳跟踪结果,结合最佳跟踪结果和自动控制模型实现光伏发电机组自动控制。测试结果显示,该方法能够完成光伏阵列特性分析,控制效果好。

含风电电力系统的频率控制

研究了大规模风电接入情况下,通过改进常规自动发电控制系统的ACE模型和控制器,对风电场输出功率扰动引起的频率波动进行抑制。自然界风力变化的强随机性和间歇性导致风电场输出功率大幅度随机波动,对电力系统的频率控制产生不利影响。为了削弱这种影响,本文在自动发电控制系统的ACE模型中引入了新的控制量,并在其控制器中引入了模糊PI控制策略,根据频率偏移的幅度自适应调节PI控制参数。含风电的两区域系统仿真结果表明,改进的AGC系统对风电功率扰动引起的频率波动具有较好的抑制作用。

基于CPS标准的AGC变论域模糊松弛控制方法

控制性能标准(CPS)考核水平的提高是以增加发电机控制指令的下发次数为代价的。如果自动发电控制(AGC)机组调节频繁,机组煤耗和机组磨损会显著增加,导致机组发电效益下降。为了在保证较高CPS考核水平的同时减少发电机控制指令的下发次数,并且提高系统的鲁棒性,文中结合实际电网提出了一种能够在线调节比例积分(PI)控制器参数的AGC变论域模糊松弛控制方法。仿真结果表明,即使电网结构参数发生变化或受到较大随机干扰时,被控系统仍具有快速的负荷适应性、良好的抗扰动能力和很强的鲁棒性,且能在保证CPS考核合格率的同时,明显减少控制命令的下发次数和机组的反调次数。

基于模糊预测控制的AGC自适应控制器设计

自动发电控制(automatic generation control,AGC)是现代化电网运行控制的重要技术之一,承担着电网频率调节、网间联络线交换功率控制和经济调度的重要任务。现代电网已逐步发展为复杂的大系统,对AGC系统提出了更高的要求,传统的控制方法在应用中存在一些问题。智能控制技术更符合人的思维习惯,易于理解和掌握,为自动发电控制提供了新的思路。将模糊控制和预测控制技术用于AGC,提出了一种智能AGC控制器,采用实际电网数据进行仿真验证,结果表明,该算法具有更好的适应性。

一种模糊隶属函数的自动生成算法

提出了一种模糊隶属函数的自动生成算法.该算法基于样本数据的变化趋势对数据进行预处理,同时结合模糊C均值方法,实现连续数据的离散化,直观、合理地确定了模糊隶属函数的中心参数,并应用MATLAB语言实现了模糊隶属函数的自动生成算法.

具有先验知识的Q学习算法在AGC中的应用

传统的自动发电控制(AGC)系统通常基于经典的线性控制理论,并且大部分二次调频采用比例积分(PI)控制器,但系统固有的非线性以及结构多变使得积分增益系数不易确定,容易造成超调或调节不足的问题,从而影响系统频率稳定。文中采用强化学习控制器代替传统的PI调节器,将考虑了死区、出力约束、机组爬坡率和时延等非线性环节的AGC系统离散化成Markov链,直接将区域控制误差作为系统状态量,并充分利用AGC环境中的已有信息,结合模糊综合决策方法,获得能够改善Q学习效率的先验知识,采用Q学习算法对其进行学习得出离散的AGC策略。数值仿真的结果验证在非线性AGC系统中应用具有先验知识的Q学习方法可以加快收敛速度,提高学习效率,并通过控制性能评价标准(CPS)进一步检验了该方法的可行性。

采用模拟柔性模糊预给煤控制提高AGC响应速率的方法及其应用

自动发电控制AGC(Automatic Generation Control)是衡量电网自动化水平高低的重要标志,采用先进控制技术开发完善AGC的功能,将从总体上大幅度提高电网自动化水平,并能更好地满足电网经济调度的需要。AGC在应用过程中遇到的难点问题,是大容量单元制火力发电机组存在着较大的滞后和惯性,因此负荷响应速率受到限制。本文借助机炉协调受控对象数学模型,研究和探讨协调控制系统预给煤控制的机理,提出模拟柔性模糊预给煤控制的概念,抽象出算法的一般性和通用性,并对算法通过仿真和在实际机组中的实验加以验证。实践表明:该算法实现过程简捷,可直接在计算机控制系统中运用各种现有的算法实现,不依赖于专有的模糊控制算法模块,有利于工程应用。应用该算法可以克服锅炉的大迟滞和大惯性,能够有效地提高协调控制系统响应AGC负荷指令的速率。

电力系统综合节能的AGC与AVC协调控制策略

为了解决电力系统在有功无功采取解耦控制方式下,自动发电控制系统(AGC)与自动电压控制系统(AVC)均按照各自的方式、目标以及约束进行优化,缺乏协调控制的问题,采用AGC与AVC协调控制策略将有功和无功同时分层协调优化。控制策略将系统分为综合优化控制模型和预测控制模型2个模型:综合优化控制模型协调使用了AGC与AVC控制的目标函数以及相应的约束,优化后给出综合经济性最优的参考设定值,在预测控制模型中对超前AGC机组的有功调节指令与AVC分区内的可控发电机的电压调节指令进行协调优化,基于改进的超前AGC控制策略以及配合超前AGC的AVC控制策略,采用交叉迭代法对控制策略进行修正,最后在IEEE 14节点系统作了有效的验证,协调优化效果明显。

离网型光伏发电系统自动切换装置设计

针对目前光伏发电效率较低,无法完全满足人们对电力需求的现状,提出了市电和光伏发电共同为居民供电的供电方式。考虑到市电和光伏发电供电方式不尽相同,对光伏发电和市电原理进行了系统学习,确定了市电和光伏发电供电方式间切换的可能性。考虑到光伏发电受太阳光照强度、时间等因素影响较大,提出了基于51单片机控制系统的离网光伏发电系统和市电的自动切换控制方式。按照本设计对宁夏大学新能源研究中心2 kW离网发电供电系统进行改造,系统运行效果良好,验证了本设计的正确性及可行性。

智能控制技术在火电厂应用研究现状与展望

智能控制是在人工智能及自动控制等多学科基础上发展起来的交叉学科,主要用来解决传统控制方法难以解决的复杂系统的控制。本文从神经网络控制、模糊控制及智能优化技术等角度,对智能控制技术及其在火电机组的主要应用形式和相应特点进行了综述。在此基础上,分析总结了智能控制技术在国内火电机组的主蒸汽温度控制、锅炉燃烧及排放控制、磨煤机控制、循环流化床解耦控制等控制系统中应用的研究进展情况,对其在具体应用中的有关问题进行了讨论,并展望了智能控制应用研究未来的发展,认为根据火电机组不同被控对象的特点,综合不同智能控制方法的优点建立的混合智能优化控制将会成为一个重要的研究内容。

一种规则生成和参数自调整模糊控制器及其应用研究

控制过程中,对象常具有非线性、时滞、不确定性和参数时变的特点,而普通模糊控制器因控制规则固定,影响控制效果.针对这些问题,基于模糊神经网络的方法,设计一种模糊控制器,对学习算法进行推导,实现模糊控制规则的自生成和参数自调整.经仿真实验并根据其特点,将之应用于烧结控制过程,表明该控制器有良好的控制性能.

基于遗传算法的广义T-S模糊模型预测函数控制

提出了一种基于遗传算法的广义T-S模糊模型预测函数控制算法。首先利用减法聚类确定隶属度函数中心和模糊规则数,然后利用遗传算法同时对广义T-S模型的其他前提参数和结论参数进行辨识,并进行全局寻优。最后将本文提出的算法应用在具有强非线性特性的pH中和过程中。仿真结果表明:本文算法具有较小的超调和较好的跟踪能力。

基于模糊广义预测控制算法的ATO系统仿真研究

针对ATO(列车自动运行)系统的特点,设计了基于模糊广义预测控制算法的速度控制器,并结合实际线路建立了线路模型,生成了优化的目标曲线。利用Matlab分别对基于模糊广义预测控制算法和基于隐式广义预测控制算法的速度控制器进行了仿真。仿真结果表明,基于模糊广义预测控制算法的速度控制器不仅能使ATO系统的性能得到优化,而且在一定程度上削弱了坡道对列车运行速度造成的影响,具备良好的可移植性。

模糊-PI控制在自动发电控制中的应用

传统的自动发电控制(AGC)是一个比例积分(PI)控制调节过程,在此基础上,尝试将模糊(Fuzzy)控制应用于AGC,组成Fuzzy-PI复合控制。并且在MATLAB软件下对该控制方法在AGC系统中的应用进行了研究,仿真结果表明,Fuzzy-PI复合控制与传统的PI控制相比,能使自动发电控制系统达到更满意的控制效果。

高压共轨柴油机共轨压力闭环控制算法的研究

轨压闭环控制算法是高压共轨的核心控制算法之一,为了精确控制轨压,对PID和PID模糊自适应两种控制算法进行了对比研究,在Matlab/Simulink仿真软件上进行仿真实验表明,PID模糊自适应控制算法较优,通过自动代码生成,并下载到开发板中,实际控制效果较好。

冷带轧机板厚控制系统的模糊预测控制

为了提高板厚控制系统的智能化程度,提出了基于T-S模糊模型的冷带轧机板厚控制系统模糊预测控制策略。在板厚控制系统T-S模糊模型辨识的基础上,采用基于广义预测控制的模糊预测控制算法求解控制律,弥补了规则型模糊控制器的不足。利用板厚控制系统TS模糊模型离线求解模糊预测控制器的规则库,采用强度转移法求解输入信号相对于规则库的隶属度函数值,避免了Diophantine方程的在线递推求解,降低了控制算法的复杂性,提高了实时性。轧制试验结果表明,所提出的控制策略有效改善了板厚控制系统的性能,提高了冷轧带钢的板厚控制精度。

基于改进伸缩因子的变论域模糊控制在两区域AGC中的研究

现代电网的发展趋势是区域互联,自动发电控制(AGC)是系统调度中的一项重要工作。使用TBC的控制策略,搭建了两区域互联电网的模型图,设计了一种新型的论域伸缩因子来简化计算,为了协调CPS考核与机组动作间的矛盾,对模糊规则进行了相应的改进,以寻求一种较"松弛"的控制。在Matlab仿真结果中得出,采用变论域模糊控制器时,AGC系统的稳态频率误差小,调节时间短,同时分析了联络线上的功率交换特性,进一步验证了该控制方案的可行性和优越性。