基于混沌理论预测模型的模糊控制决策及应用

由于混沌时间序列内部确定的规律性，其重构的混沌吸引子的相空间具有高精度短期预测性。为此，根据具有混沌特性的非线性、大时滞系统的时间序列及Lyapunov指数规律，计算出系统的饱和嵌入维数和可预报尺度，并以此为指导对系统作高精度预测；在此基础上，又将神经网络预测模型与模糊控制相结合，提出了一种新型的模糊预测控制决策，实现了对非线性、大时滞系统高精度的自适应控制。将该控制应用在单元机组负荷控制中，仿真表明：该控制具有实时性和鲁棒性．图4泰7     

基于混沌理论的过热汽温最优预测控制策略

由于非线性混沌时间序列内部确定的规律性，其重构相空间具有高精度短期预测性。因此，为实现锅炉过热汽温的非线性、大时滞系统的自适应控制，根据具有混沌特性的过热汽温时间序列重构相空间，计算相空间饱和嵌入维数、最大Lyapunov指数和系统的可预报尺度，并以此为指导，建立神经网络预测模型对过热汽温系统作高精度的短期预测，在此基础上，通过反馈校正，将校正误差和控制增量引入性能函数，寻优得最优控制策略，实现了对过热汽温的非线性、大时滞系统高精度的自适应预测控制。仿真表明了控制的有效性、快速性和鲁棒性。     

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。     

风速时间序列混沌特征分析及非线性短期预测

针对风能发电及天气预报等领域中一直是难点和重点的风速时间序列预测问题,首先分别通过相图法和最大Lyapunov指数法定性定量确定风速时间序列具有混沌特征;在此基础上,针对风速时间序列混沌特征结合相空间重构理论进行预测,根据C-C算法确定嵌入维数及延迟时间,将混沌理论应用于Volterra自适应模型,建立新的风速预测模型;以Lorenz方程为例验证该预测模型的准确性,并通过预测风速对比实测风速,进行误差分析。结果表明:风速时间序列具有明显的混沌特征;风速时间序列的混沌特征表明其长期预测是不现实的,但其确定性结构表明其具有短期可预测性;以预测Lorenz方程数值解的方式验证了Volterra自适应预测模型的准确性,其预测误差控制在10~(-4)以内;Volterra自适应预测模型可以对实测风速时间序列进行准确的预测,预测误差控制在0.1 m/s内。     

基于最大Lyapunov指数-校正的风电功率实时预测研究

依据混沌相空间重构理论,提出基于最大Lyapunov指数-校正的风电功率实时预测模型,该预测模型将Lyapunov指数预测模型的一步预测值作为真实值加入到原序列中,对新构成的时间序列进行相空间重构和预测,从而实现了多步预测,并依据风电功率的物理实际约束对Lyapunov指数的预测值进行校正。以东北某风电场的实测数据为例,对风电功率进行实时预测,预测结果验证了模型的有效性。     

混沌相空间的卡尔曼滤波模型及其应用

针对混沌时间序列,提出将混沌分析方法和卡尔曼滤波实时技术相耦合,建立混沌相空间的卡尔曼滤波模型.以混沌系统的相点为状态变量构成相点的状态空间描述,运用卡尔曼滤波实时预测并校正相点的未来演化规律,据此对四川省电力系统的日负荷时间序列进行短期预测.实例表明,该模型有利于跟踪相空间中相点的非线性演化轨迹,预测精度高、效果好.     

基于SSA-PSO-ANFIS的短期风速预测研究

针对风速具有强非线性的特点,提出一种奇异谱分析和改进粒子群优化自适应模糊推理系统的短期风速预测模型。该方法采用奇异谱分析将原始序列分解为趋势和谐波分量,对各分量分别建立模糊神经网络模型,最后将各分量预测结果叠加得到预测风速值。为提高预测精度,改用改进粒子群算法对自适应模糊推理系统的隶属度函数进行优化。以河北某风电场实测数据进行仿真并与传统的神经网络对比分析,结果表明将风速重构后分别预测再叠加降低了原始问题的复杂度,同时提高了预测精度,在不同时间间隔的风速序列预测中该模型显著降低了多步实时预测中的误差。     

双馈风电系统混沌运动分析及解耦自适应反步法控制

为研究双馈风电系统的混沌现象及其控制问题,根据电机d-q轴数学模型,导出非线性微分方程。采用Wolf算法计算其最大Lyapunov指数谱,证明电机在某些工作条件及参数下会出现混沌运动。采用磁场定向矢量控制技术,构造状态反馈解耦,降低混沌系统阶数。基于解耦模型,采用反步法设计混沌控制器。针对含有未知参数或状态的系统,提出自适应反步法,构造虚拟控制量,设计反步控制律,实时跟踪预测系统参数并实现混沌控制。通过构造Lyapunov方程,分析混沌控制系统的稳定性,保证系统状态能快速稳定收敛至给定值。控制系统不同运行工况仿真结果表明,解耦自适应反步法可使双馈电机快速脱离混沌状态,响应速度快、控制精度高,鲁棒性强。     

风速时间序列非线性短期预测

针对风速时间序列复杂的非线性特征,根据C-C算法确定重构参数(嵌入维数及延迟时间)并对风速重构相空间,建立径向基函数神经网络(RBF网络)及Volterra自适应预测模型对风速时间序列进行预测,以Lorenz方程数值解为例验证了两种预测方法的可行性。结果表明:RBF神经网络模型和Volterra自适应预测模型都能对实测风速时间序列进行较为准确的预测,预测误差分别在0.3和0.1 m/s内;Volterra自适应预测模型预测结果总体较RBF神经网络模型预测精度更高,且随着预测时间的增大,预测误差呈增大趋势,这与混沌存在初值敏感性的特征相符。     

杂草算法优化支持向量机的短期负荷预测

摘要： 针对支持向量机在短期负荷预测中的参数优化问题,利用杂草算法优异的搜索能力,构建了基于杂草算法优化支持向量机的短期负荷混沌预测模型（IWO-SVM）。该模型首先将支持向量机一组参数看作一个杂草种子,然后通过模拟杂草生存、繁殖过程实现支持向量机参数寻优,最后采用具体短期负荷数据对其性能进行分析。结果表明,IWO-SVM获得了高精度的短期负荷预测结果,能够满足短期负荷预测的实际要求。     

带恒功率负载多电平Boost变换器的复合非线性控制

针对带恒功率负载的多电平Boost变换器,提出一种将非线性干扰观测器和自适应滑模控制器相结合的复合非线性控制策略。首先应用精确反馈线性化方法将模型转化为布鲁诺夫斯基标准形式。然后在保证大信号稳定的前提下,将自适应控制方法和非线性干扰观测器加入到滑模控制器的设计中,利用李雅普诺夫理论证明整个闭环系统的稳定性。仿真和实验结果表明,与双闭环PI控制方法相比,该控制策略具有更好的动态调节性能和更强的鲁棒性。     

时滞分数阶直驱风力发电机模糊混沌控制

为研究含有状态时滞的分数阶直驱风电系统（D-PMSG）混沌控制问题,提出模糊记忆状态反馈控制策略。首先,利用T-S模糊理论和分数阶微积分理论建立D-PMSG时滞系统模糊混沌模型;其次,基于并行分布补偿（PDC）控制技术,设计出模糊记忆状态反馈控制器;然后,利用Lyapunov稳定性理论和分数阶微积分性质,基于Schur补引理,以线性矩阵不等式（LMI）形式给出系统渐近稳定的充分条件;最后,利用Oustaloup滤波器逼近分数阶微积分算子,搭建仿真模型,验证该系统模型的正确性及控制方案的有效性,与无记忆状态反馈控制器相比,模糊记忆状态反馈控制器具有更好的控制性能和鲁棒性能。     

Stabilizing control of a high-order generator model by adaptive feedback linearization

We present an adaptive feedback linearizing control scheme for excitation control and power system stabilization. The power system is a synchronous generator which is first modeled as an input-output nonlinear discrete-time system approximated by two neural networks. Then, the controller is synthesized to adaptively compute an appropriate feedback linearizing control law at each sampling instant using estimates provided by the neural system model. This formulation simplifies the problem to that of designing a linear pole-placement controller which is itself not a neural network but is adaptive in the sense that the neural estimator adapts itself online. Additionally, the requirement for exact knowledge of the system dynamics, full state measurement, as well as other difficulties associated with feedback linearizing control for power systems are avoided in this approach. Simulations demonstrate its application to a high-order single-machine system under various conditions.     

火电机组负荷多模型鲁棒预见控制方法

提出一种火电机组负荷多模型鲁棒预见控制方法,该方法首先对负荷区间进行模糊划分,然后在每个模糊子区间建立相应的结构参数摄动模型,并使用鲁棒预见控制方法设计控制器,最后总的控制量为多个子控制器输出的加权平均。仿真研究表明,该方法能够使负荷系统获得良好的全局控制性能。     

A nonlinear control strategy for fuel delivery in PEM fuel cells considering nitrogen permeation

Hydrogen energy shows its great potential to be one of the future sustainable energies with abundant storage and high energy content. Proton exchange membrane (PEM) fuel cells, as a hydrogen energy conversation plant with high efficiency, becomes a hot topic of many researches. This paper proposes a multi-input-multi-output (MIMO) nonlinear control strategy for fuel delivery in PEM fuel cell systems. Specifically, a control oriented dynamic model is developed for the fuel delivery system (FDS) with anode recirculation and anode bleeding. Based on the model, a MIMO nonlinear state feedback controller is proposed to maintain adequate hydrogen supply and suitable anode hydrogen concentration. Moreover, an optimized output feedback controller is proposed to improve the state feedback controller, where the unknown hydrogen partial pressures utilized are estimated by developed observers. Lyapunov based stability analysis is carried out to analyze the proposed output feedback controller and the observers. Simulation results show the effectiveness of the proposed controller under various current demands.     

基于输入输出反馈精确线性化的三相APF控制

将输入输出反馈精确线性化控制方法应用于三相有源电力滤波器非线性控制中。首先建立三相有源电力滤波器的仿射非线性系统模型,推导出了其输入输出反馈精确线性化非线性反馈控制律,实现三相并联型有源电力滤波器有功补偿电流和无功补偿电流的解耦控制器设计。最后使用Matlab进行仿真验证,仿真试验结果表明,该控制策略能较好地实现APF的解耦控制,具有较好的补偿特性,经该控制算法补偿,谐波畸变率限制在2%以下。     

具有大延迟特性的热工过程的改进PI控制器

本文提出了一种对具有大延迟特性的热工过程的改进ＰＩ控制,这种控制器实际是Ｓｍｉｔｈ预估控制的一个特例。但在设计这种控制器之前,可以不对过程的数学模型有个精确了解,控制参数也可以象ＰＩ控制器的参数一样通过现场运行进行调整,具有广泛应用于过程控制的潜力。     

水轮机水门的分数阶PID控制策略研究

针对水轮机调速系统的强非线性及易受各种内外部干扰影响,基于分数阶PID控制策略提出了一种新型的水门非线性控制器。通过对水轮机水门开度模型进行反馈线性化,结合分数阶PID控制理论约束自定义的控制变量,且利用遗传算法在线调节控制器的参数。仿真结果证明,与常规PID控制方式相比,所设计的水门分数阶PID控制器能有效地阻尼系统振荡,调速系统的鲁棒性得到较好的改善。     

基于多层神经元网络的随机自适应径流预报模型

针对水文系统的非线性特性，提出了一种基于多层神经元网络的自适应径流预报模型，并对其预报机理进行了分析。该预报模型由两个同构的多层神经元网络－训练网络和预报网络实现，实例验证了本文方法的有效性。从而为解决水文系统的径流预报提供了一条可行的途径。