为力单元机组的前馈模糊神经非模型协调控制

提出了一种前馈模糊神经非模型协调控制方法。使用该方法设计的非模型控制器由模糊控制器和神经元控制器复合构成，针对某单元机组进行了实例仿真试验。结果表明：这种新的控制方法不仅具有满意的控制性能，而且具有强鲁棒性和抗干扰性能，它显著地提高了协调控制系统在机组负荷及工况变化时的鲁棒性和控制品质。这种新的控制系统设计方法非常简单，不需要解耦补偿，而且控制器参数选择不严格，可方便地用于工业控制。图７参９     

火电单元机组的模糊神经元协调控制

针对火电单元机组,提出了多变量模糊神经元协调控制方法。该方法是在记解耦系统的每一对输入／输出通道上设置一个由模糊控制器和神经元控制器复合而成的非模型控制器,以提高控制系统的鲁棒性和控制精度。     

模糊模型参考学习控制在水电机组中的应用

研究了模糊模型参考学习控制的原理和方法，对模糊模型参考学习控制所具有的对模糊规则进行调节和修改的功能进行了分析，并将其应用于具有非线性、时变和非最小相位的水电机组的控制系统中。设计了水电机组的模糊模型参考学习控制器，由于该控制器引入了模糊学习机制，利用被控对象和理想参考模型间的输出误差，调整模糊控制器的规则集，从而使机组输出实时跟踪参考模型的输出。仿真结果表明：该控制方法不仅适用于水电机组系统工况小波动的情况，也适合工况发生大波动的情况，但要应用于工程实际还需作进一步的探索。图7表1参5     

分段模糊变桨距控制系统的设计与仿真

针对传统PID控制器应用的局限性,风电机组自身特性以及模糊控制的非线性行为和独立于系统模型的特点,提出了分段模糊变桨距控制系统.在大误差范围内,运用二维模糊控制器来提高系统的响应速度.小误差范围内,切入以表达式形式给出模糊规则的三维模糊变桨距控制器,以提高系统的控制精度.Simulink仿真结果表明,分段模糊变桨距控制系统表现出很好的控制品质,具有良好的鲁棒性.     

模糊自学习控制在水电机组控制中应用研究

采用具有自学习能力的自适应模糊控制器来控制水电机组运行。自适应模糊控制器将模糊控制和神经网络结合,根据运行情况在线调整模糊推理规则和隶属函数,使控制系统具有自适应学习的特性。学习中学习速率和平滑因子可根据误差情况在线修改,克服了网络学习速度慢和局部最优的缺点。仿真实验表明,设计的自适应模糊控制器具有良好的鲁棒性,可有效地改善水轮发电机组系统的动、静态性能。     

基于模糊自抗扰的锅炉主汽温控制策略研究

为提高火电主汽温控制系统在机组参与深度调峰过程中的控制品质,提升控制系统的自适应能力与鲁棒性,提出了模糊ADRC串级控制方案。在MATLAB仿真平台中搭建控制器进行仿真研究,并与传统的PID串级控制方案进行比较,最后用蒙特卡洛法验证控制系统的鲁棒性。仿真结果表明:模糊自抗扰控制器的快速响应能力优于PID控制器;在增加内扰的情况下,模糊ADRC的抗扰性较好;在随机工况的控制中,模糊ADRC表现出更好的自适应能力与鲁棒性。     

应用多模型粒子群优化算法的过热汽温模糊控制

针对单一模型的粒子群参数优化算法存在鲁棒性差的问题，提出一种应用多模型粒子群参数优化的方法，将其应用于模糊控制器参数的优化，有效地避免了模糊控制器设计中复杂的参数调试，使其获得良好的控制品质。通过对锅炉过热汽温系统的仿真实验，在负荷大范围变化的条件下，控制系统仍保持了良好的控制性能，并且具有较强的鲁棒性。仿真结果表明了所设计的控制器的有效性和所提出的优化算法的优越性。图6表2参11     

火电厂燃烧系统的自抗扰控制器及其参数整定

针对火电厂燃烧系统的大滞后、大惯性以及动态特性随工况变化的不确定性等特点,设计出一种火电厂燃烧系统自抗扰控制方案,并给出该控制器的参数整定方法.试验表明:该控制方案不需要精确的模型参数就可实现干扰补偿,并可快速得到自抗扰控制器的整定参数.在电站STAR一90仿真平台上对某电厂600 MW机组进行了燃料量控制系统的变工况、10%扰动和RB试验.结果表明:与仿真平台的PID控制系统相比,自抗扰控制器具有较强的适应性和鲁棒性,而且控制系统具有优良的动态性能.该参数整定方法简单方便.     

风电机组智能模糊偏航矢量控制系统研究

开展智能模糊矢量控制研究,以提高偏航系统的稳定性与鲁棒性,有效进行偏航迎风控制.设计具有参数自调整的模糊积分控制器构建偏航矢量控制系统,采用Marlab进行仿真实验,结果表明,与常规PID控制比较,智能模糊偏航矢量控制系统稳定性和鲁棒性好,增加了系统的安全系数.矢量控制与智能模糊控制的结合能够显著提高偏航系统的稳定性与鲁棒性.     

500MW单元机组模糊多模型协调控制系统

针对1台500MW单元机组的仿真模型，设计了基于T-S模糊模型和鲁棒控制方法的多模型控制器，解决了单元机组机炉协调控制中的全程控制和解耦控制问题，并对多模型控制系统的全局稳定性进行了证明。仿真试验证明了控制算法设计的有效性。图6表3参7     

基于差分进化算法的燃气轮机转速模糊PID复合控制

为了改善电站燃气轮机转速控制系统的调节品质,采用模糊PID(比例积分微分调节器)复合控制,通过差分进化算法对模糊控制器参数进行寻优,基于电力系统高级仿真支撑平台(JSSC)对该方法进行了验证。试验结果表明:模糊PID复合控制无论在升速过程还是甩负荷等突变工况时,不管在超调量、过渡过程时间等动态性能上还是静态偏差等方面,转速控制结果均明显优于单纯的PID控制;当转速特性发生变化时,该控制方法表现出良好的鲁棒性。     

水轮发电机组的直接自适应模糊控制

提出了一种新颖的直接自适应模糊控制方法。基于筒化了的T－S（Takagi-Sugeno）模糊推理规则，采用神经网络权值的联想式学习修正方法，对T－S模糊推理规则进行在线修正，给出了盯应的神经网络实现结构，从而实现了不需要建立受控对象模型的直接自适应模糊控制。对一混流式水轮机组的仿真控制实验结果证明了所提出方法具有设计简单、鲁棒性强的优点，能适应水轮机组在不同工况下的控制要求。     

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。     

汽轮机润滑油温模糊控制系统的仿真设计

对于汽轮发电机组,其润滑油温的控制大多是通过人工调节冷油器冷却水阀门开度来实现的。根据某电厂的冷油器原型,结合其工作原理,对其进行了MATLAB建模,并进行了仿真试验(测试其入口油温、冷却水流量及温度等因素对出口油温的影响情况)。在此基础上,设计了一种可对冷油器冷却水阀门开度进行自动控制的模糊控制器。相关试验结果表明该控制器能将冷油器出口油温保持在要求温度范围内,控制精度满足控制要求。     

基于模糊小脑模型的水轮机调速控制

水轮机调速器是控制水轮机输出机械功率的关键设备．是水轮发电机组控制的重要内容。针对非线性复杂时变水轮机调速器．研究了一种模糊小脑模型关节控制器,该智能控制器是一种模糊逻辑与小脑模型关节控制器的结合,集中了二者的优点和长处。分析了该控制器的结构、具体实现以及学习优化。仿真实验表明该智能控制器的实际效果良好。     

基于模糊控制理论TCSC的PID控制器设计研究

将模糊控制理论引入传统的P ID控制器上,设计了可控串联电容补偿器的模糊自适应整定P ID控制器。该控制策略算法简单、无需精确的数学建模,并可在线修改控制器参数,以达到自适应、自学习的目的。通过在单机无穷大系统中对该控制器进行仿真,并与常规P ID控制器的效果相比,该方法可更好地提高系统的暂态稳定性、有效地阻尼系统振荡。     

自适应模糊控制在热力系统容错控制中的应用

在热力系统中采用容错控制技术,可以提高控制系统的可靠性,同时降低运行成本。研究采用自适应模糊控制实现非失效的被动容错控制。提出一种新的自适应模糊控制器;采用基于动态神经元网络的辨识模型学习被控对象的动态特性,设计了评价模糊控制器性能的FITAE指标;采用遗传算法优化模糊控制器参数,同时优化比例因子和控制规则表。为了提高模糊控制器的自适应调整速度,采用二阶段优化策略。仿真研究表明:自适应模糊控制器的热力系统被动容错控制方法是可行的。图3参7     

A boiler-turbine system control using a fuzzy auto-regressive moving average (FARMA) model

This paper presents an application of an online self-organizing fuzzy logic controller to a boiler-turbine system of a fossil power plant. The control rules and the membership functions of the proposed fuzzy logic controller are generated automatically without using a plant model. A boiler-turbine system is described as a multi-input multioutput (MIMO) nonlinear system in this paper. Then, three single-loop fuzzy logic controllers are designed independently. Simulation shows robust results for various kinds of electric load demand changes and parameter variations of boiler-turbine system.