用多变量模糊神经网络实现双抽汽轮机热电负荷的解耦控制

由于经典控制理论和现代控制理论分别在双抽汽轮机电、热负荷协调控制应用中的不足，提出了用模糊神经网络控制来实现解耦控制。以15MW双抽汽轮机为例，建立系统动态数学模型，并进行了模糊神经网络解耦控制的数字仿真。     

基于动态论域的循环流化床锅炉燃烧系统的模糊自适应PID控制

基于循环流化床(CFB)锅炉燃烧系统非线性、强耦合、大滞后等特点,针对床温与主蒸汽压力强耦合控制难点,设计前馈补偿解耦控制器降低二者耦合度,在对解耦后的独立回路采用模糊自适应PID控制的基础上,引入动态论域的思想,利用随工况自适应变化的伸缩因子调整模糊论域范围,对PID参数Kp、Ki、Kd进行更精准的在线整定.以某CFB锅炉燃烧系统为研究对象,进行动态论域模糊自适应PID控制仿真试验.结果 表明:相比传统模糊PID控制,燃烧系统主要参数通过动态论域模糊自适应PID控制的动态超调量减小5％～10％,动态响应速度提高近30％;动态论域模糊自适应PID控制方法自适应性和鲁棒性良好,可满足实际热工现场需求.     

模糊PID神经网络算法在污水处理中的应用

溶解氧控制是污水处理厂控制的关键,针对当前溶解氧控制效率低下的问题,提出了一种具有自学习和自适应功能的模糊PID神经网络算法。首先建立PID模糊控制规则表;然后采用神经网络对模糊控制规则表进行不断的训练,得到最佳的模糊控制规则表;最后利用Matlab仿真和工程模拟调试进行验证。结果表明,在大滞后非线性的曝气控制系统中,模糊PID神经网络算法能在最短的时间内使溶解氧达到所期望的值,且整个控制过程具有良好的动态性能和稳态性能。     

锅炉烟气含氧量的混合Fuzzy-PI+PD控制

介绍了锅炉烟气含氧量的逻辑计算,并建立起锅炉燃烧系统的动态模型.针对锅炉烟气含氧量控制系统的特点,采用将模糊PI控制与模糊PD控制相结合的控制策略.该控制器将模糊PD控制的动态性能好的优点和模糊PI控制稳态精度高的特点结合起来,采用模糊PD和模糊PI分段控制的策略.利用MAT-LAB对控制系统进行仿真,结果表明,该控制器自适应能力及鲁棒性比传统PID控制器更强.     

基于模糊神经网络控制方法的光伏发电系统并网设计

针对光伏发电系统运行过程中极易受到环境温度、太阳辐照度等外部条件干扰，从而导致其输出功率存在间歇性、随机性问题的情况，提出一种基于模糊控制算法及前馈(BP)神经网络的智能控制方法 (下文简称为“模糊神经网络控制方法”)来进行光伏发电系统并网设计，并搭建并网电路模型进行仿真分析。分析结果显示：相较于扰动观察法、模糊控制算法，采用模糊神经网络控制方法的并网光伏发电系统的泛化能力和鲁棒性更强，能更好地提高系统的稳态性和可靠性，可有效解决光伏发电输出功率存在的间歇性和随机性问题。     

自适应模糊神经网络控制在锅炉过热汽温控制中的应用

常规的模糊控制系统不能自动地将专家知识经验转化为推理规则库,缺乏有效的方法来改进隶属度函数,而自适应神经模糊推理系统(ANFIS)将模糊逻辑和神经元相结合,采用反向传播算法和最小二乘法的混合算法来调整前提参数和结论参数,并能自动产生模糊规则.在此基础上提出了一种自适应模糊神经网络控制器,并将其应用于火电厂锅炉过热汽温控制中.结果表明:与常规的PID控制相比,该方法提高了锅炉汽温控制系统的动态稳定性和抗干扰性.     

间接连接区域供热系统动态特性及控制策略仿真

基于质量和能量守恒定律及传热学原理创建间接连接区域供热系统动态模型。应用此模型,模拟分析不同循环质量流量时系统动态过程,并讨论存在管道热损失、补水、换热器及散热器富裕面积对系统动态特性的影响。结合2012年2月13日~2月19日逐时室外温度对整个系统进行动态模拟。结果表明:系统特征点温度响应与实测值误差较小,证明所建动态模型的准确性和实用价值。为补偿室外温度波动对供热系统的影响,采用四种PI控制策略模拟系统动态响应和分析比较其能耗。模拟分析显示:在室内温度控制方面,锅炉燃料质量流量与末端散热装置循环质量流量联合控制具有最佳控制精度;在系统能耗方面,锅炉燃料质量流量与一次网循环水量联合控制能耗最小,且管网温度波动最小,但个别时段室内温度波动略高。     

基于无源化方法的非线性系统自适应控制

研究了一种非线性系统的动态神经网络控制方案，利用无源化方法证明了其自适应控制系统的稳定性，并得到了动态神经网络系统的学习算法，仿真实验验证了本方法的有效性。     

PEMFC的Elman神经网络建模与模糊神经网络控制

从质子交换膜燃料电池（PEMFC）实际应用的角度出发，采用Elman动态神经网络对PEMFC系统进行建模，以实验中采样到的PEMFC系统的工作温度输入输出数据训练网络，并采用动态反向传播学习算法根据误差不断调整网络参数直至达到要求精度。设计了一种适应模糊神经网络控制器，根据经验确定了初始隶属度函数和模糊规则，并采用自适应学习算法不断调整隶属度函数与模糊规则参数，使控制系统获得理想的输出。仿真实验以Elman神经网络模型为参考模型，使用自适应神经网络控制算法取得了较好的控制效果。总之，所设计的控制系统适合于控制PEMFC这样一类复杂非线性系统。     

柴油机燃油喷射系统故障诊断研究

柴油机喷油器故障直接影响到燃油的喷射质量,导致燃烧过程恶化,影响柴油机的性能指标。常规的模糊神经网络中,模糊运算往往采用静态的、局部优化运算方法,往往存在技术上的难点,为此提出了一种基于补偿模糊神经网络的智能诊断系统。该系统将神经网络和补偿模糊逻辑相结合,采用动态、全局优化的运算,充分利用了相互间的优点,使网络更适应、更优化,加快训练速度。运用到柴油机燃油喷射系统故障中,取得了较好的效果。     

改进的WLS-TF动态同步相角和频率估计算法

为提高电力系统相角和频率的测量精度,基于加权最小二乘泰勒展开傅里叶算法(WLS-TF),将带通信号模型扩展到考虑二阶谐波的更一般的信号模型,提出一种利用二阶多项式插值函数进行频率估计的新方法。仿真结果表明,在信号模型中考虑不同稳态和动态条件下,所提算法可显著提高相角和频率的估计精度。     

水电站水库群经济优化调度数学模型与方法研究

本文侧重分析和研究水电站水库群经济优化调度问题，首先建立经济优化调度数学模型；然后利用大系统理论和加速收敛技术，提出一种改进目标协调法；最后进行实例计算、分析和验证．理论分析和实际计算表明，所建立的模型和提出的方法是合理和可行的，具有较强的实用性和通用性．     

计及风电条件风险价值的鲁棒柔性超前调度

提出一种考虑大规模风电并网的超前优化调度方法,引入风电条件风险价值来评估风电消纳风险。建立基于鲁棒优化的柔性超前调度模型,以平衡运行成本与风电条件风险价值。根据该模型,对AGC机组的基点功率、参与因子、柔性容量进行协同优化,还可得到各风电场输出功率的可容许区域。提出一种基于大M法和分解法的求解双线性规划模型的高效算法。所提模型及算法结合鲁棒优化与随机优化的优点,在保证计算效率的同时,可避免鲁棒优化的过度保守。仿真结果验证了所提模型及算法的有效性。     

基于极值优先过零检测法的相量测量算法

针对在测量同步电机变频启动过程暂态电压和电流时,被测信号频率测量不准确的问题,提出了基于极值优先过零检测法的相量测量算法,并利用理想信号模型对比分析了所提算法与传统DFT算法的性能。该算法利用输入数据的极值寻找信号的真实过零点,得到信号的实际频率,再通过真有效值的定义求取信号的有效值,具有易于实现、运算量较小、精度较高的优点;仿真结果表明所提方法在频率线性变化、幅值波动等条件下,具有良好的测量精度。研究结果为测量频率范围较大的信号相量提供借鉴。     

基于动态矩阵的溶解氧自适应预测控制方法

针对污水处理系统中溶解氧大时滞的精确模型难建立,且缺少有效控制等问题,提出了一种以动态矩阵为基础的自适应预测PID控制方法,以此达到控制溶解氧的目的。该算法建立了溶解氧控制的广义被控对象的预测模型,并在对溶解氧控制滚动优化中考虑能耗经济优化因素,利用反馈校正调整模型预测误差,从而有效克服了溶解氧大时滞的精确模型难建立等问题。仿真试验表明,与PID控制相比,所设计的控制算法能改善系统的动态性能,鲁棒性更强。工程模拟调试也验证了该控制策略的可行性。     

Design of a cost-effective on-grid hybrid wind–hydrogen based CHP system using a modified heuristic approach

An economic model and optimization procedure is developed in this paper for grid-connected hybrid wind–hydrogen combined heat and power systems for residential applications in northeastern Iran. The model considers various significant factors: energy production cost, electrical trade with local grid, electrical power generation from the wind/hydrogen energy system, thermal recovery from the fuel cell, and maintenance. Also, various tariffs for purchasing and selling electrical energy from the local grid are considered for the hybrid system operation. The optimization objective is to minimize the system total cost subject to relevant constraints for residential applications. To achieve this aim, an efficient optimization method is proposed based on particle swarm optimization. The proposed algorithm performance is compared with that for the imperialist competition algorithm. The results show that the hybrid system is the most cost-effective for the residential load, and the results of the proposed algorithm are more promising than those for the alternative algorithm.     

关于静压复得法的理论探讨

针对传统静压复得法在理论及应用上存在的问题，进行了较为深入的理论探讨，从而不仅获得了一些有价值的结论，而且提出了静压复得新算法，还给出计算例题。     

适用于短路故障分析的风电场动态等值建模方法

针对风电场集电网络等值较为粗略、对非对称故障时等值模型精确度关注较少的情况,提出一种适用于短路故障分析的风电场动态等值建模方法。首先,依据系统潮流计算结果对集电网络进行等值解耦计算,并采用基于模块度的K均值算法对各风力机端电压进行聚类分析,实现风电机群内的多机聚合。其次,考虑到集电网络分布电容的影响,对聚合后风电场设置集中无功补偿电容。随后,为保证非对称故障过程中等值模型的有效性,提出风电场零序网络的等值方法。最后,基于时域仿真软件PSCAD/EMTDC下搭建的电磁暂态仿真模型,验证了所提动态等值方法的有效性。     

State of charge estimation method based on the extended Kalman filter algorithm with consideration of time-varying battery parameters

In developing battery management systems, estimating state-of-charge (SOC) is important yet challenging. Compared with traditional SOC estimation methods (eg, the ampere-hour integration method), extended Kalman filter (EKF) algorithm does not depend on the initial value of SOC and has no accumulated error, which is suitable for the actual working condition of electric vehicles. EKF is a model-based algorithm; the accuracy of SOC estimated by this algorithm was greatly influenced by the accuracy of battery model and model parameters. The parameters of battery change with many factors and exhibit strong nonlinearity and time variance. Typical EKF algorithm approximates battery as a linear, time-invariant system; however, this approach introduces estimation errors. To minimize such errors, previous studies have focused on improving the accuracy of identifying battery parameters. Although studies on battery model with time-varying parameters have been carried out, few have studied the combination of time-varying battery parameters and EKF algorithm. A SOC estimation method that combines time-varying battery parameters with EKF algorithm is proposed to improve the accuracy of SOC estimation. Battery parameter data were obtained experimentally under different temperatures, SOC levels, and discharge rates. The results of parameter identification are made into a data table, and the battery parameters in the EKF system matrix are updated by looking up the data in the table. Simulation and experimental results shown that, average error of SOC estimated by the proposed algorithm is 2.39% under 0.9 C constant current discharge and 2.4% under 1.3 C, which is 1.91% and 2.35% lower than that of EKF algorithm with fixed battery parameters. Under intermittent discharge with constant current (1.1 C) and capacity (10%), the average error of SOC estimated by the proposed algorithm is 1.4%, which is 0.3% lower than that of EKF algorithm with fixed battery parameters. The average error of SOC estimated by the proposed algorithm under the New European Driving Cycle (NEDC) is 1.6%, which is 0.2% lower than that of EKF algorithm with fixed battery parameters. Relative to the EKF algorithm with fixed battery parameters, the proposed EFK algorithm with time-varying battery parameters yields higher accuracy.     

基于量子进化在线序贯极限学习机的变桨系统故障检测

针对复杂工况下风电机组变桨系统故障检测问题,采用在线序贯极限学习机建立变桨系统状态监测模型,利用ReliefF算法进行模型的特征选择,通过量子进化算法优化在线序贯极限学习机的超参数集,并引入马氏距离函数计算变桨系统状态监测模型的残差,判断风电机组变桨系统的异常。以辽宁某风电场1.5 MW双馈风电机组变桨系统为例,将所提出的模型分别与粒子群优化极限学习机、粒子群优化支持向量机、随机权神经网络、极限学习机和反向传播神经网络模型进行对比,结果表明所提出的模型精度优于其他模型,所提方法的故障检测正确率高于3σ阈值法和核主成分分析方法。