发电机励磁系统参数辨识的仿真研究

研究发电机励磁系统参数辩识问题,由于励磁系统是一个非线性系统,造成电力系统不稳定.传统时域或频域辩识方法不能辩识其非线性环节,导致励磁系统辩识的精度低.为了提高发电机励磁系统的辩识精度,提出一种神经网络的发电机励磁系统参数非线性辨识方法.以发电机励磁系统实际输入作为神经网络的输入,以实际励磁系统输出与神经网络输出之间的最小误差作为目标函数,通过不断调整神经网络的权值对神经网络模型进行优化,最后得到满足系统误差要求的发电机励磁系统参数.仿真结果表明,改进方法解决了传统辩识方法无法准确辩识励磁系统非线性环节的难题,有效提高了励磁系统的辨识精度.     

飞机发电机励磁系统的建模与控制仿真

在飞机发电机励磁系统的优化设计中,单纯的PID控制虽然能满足一般的动静态性能,但是也有响应速度慢、调整时间长,稳定精度低等缺点.为了解决上述问题,提出了采用小脑模型神经网络(CMAC)和常规PID并行控制的励磁方案.在分析飞机同步发电机数学模型和励磁系统原理的基础上,建立了飞机同步发电机及其励磁调压系统的SIMULINK仿真模型.通过对比分析仿真结果可以得出:CMAC-PID控制的励磁方案比常规PID控制的响应速度快、调整时间短、稳定精度高,并且没有超调量,体现了改进控制方案输出误差小、鲁棒性强、动静态性能优的特点.     

一种自适应CMAC在交流励磁水轮发电系统中仿真研究

在分析常规CMAC结构的基础上,针对一类非线性、参数时变和不确定的控制系统,提出了一种自适应CMAC神经网络的控制器．该控制器以系统动态误差和给定信号量作为CMAC的激励信号,并与自适应线性神经元网络相结合构成系统的复合控制．为了验证其有效性,将其应用到交流励磁水轮发电机系统的多变量非线性控制中,并与常规的PID控制效果进行了比较．仿真结果表明,该控制器具有较强鲁棒性和自适应能力,控制品质优良。     

基于PI参数优化的风电系统变流器的研究

通过风电系统变流器的模型,提出在机侧和网侧采用PWM控制。机侧采用速度外环和电流内环的双闭环控制策略;网侧采用直流电压外环和电流内环的双闭环控制策略。对PI控制器的参数进行整定,通过ITAE寻找最优参数,使得系统实现优化控制及单位功率因数传递电能。仿真和实验表明,整定的PI控制器参数可使系统达到很好的控制效果。     

一种参数快速收敛的多变量系统神经网络PID控制

对多变量系统设计了神经网络ＰＩＤ控制，解决了多变量系统Ｐ、Ｉ、Ｄ参数难以整定的问题。基于对象模型，提出了一种新型神经网络控制器的训练方法，该方法用多步二次型性能指标函数去训练控制器的权值，从而提高了控制器参数的收敛速度和系统的响应性能，降低了各通道之间的耦合。理论分析和仿真实验表明了该方法的有效性。     

小型风电系统变步长扰动MPPT控制仿真研究

最大功率跟踪(MPPT)策略是提高风电系统功率转换效率的重要方法.文中提出了变步长扰动MPPT策略,并在MATLAB仿真环境中,开发了带有此策略的小型风电系统仿真模型.该模型包括风力机模型、永磁发电机(PMSG)模型、DC/DC斩波器模型、负载功率采样模型和MPPT控制模型等.利用该模型进行计算机仿真,给出了一定风速下负载功率和发电机输出功率的仿真结果.结果表明:实现了变步长扰动MPPT策略控制的仿真,与传统固定步长MPPT策略相比,提高了最大功率跟踪的快速性和准确性,进而提高了风能转换效率.     

基于模糊神经网络的飞行仿真转台控制

针对飞行仿真转台系统的非线性问题,提出了基于模糊神经网络的自适应控制方法,并且提出了新的推理算法,该控制方法结合了神经网络和模糊推理的优点,可以更合理地选择初始权值,既可提高神经网络的学习过程又可在线寻优模糊规则,通过实验表明该控制方法可以明显提高控制系统的跟踪性能,并且具有很强的对外干扰和非线性因素的鲁棒性。     

交流励磁变速恒频风力发电系统建模与仿真

引入了交流励磁变速恒频风力发电系统中基于定子磁链和定子电压定向的矢量变换控制技术,以PSCAD/EMTDC为平台,针对整个交流励磁变速恒频风电系统从空气动力学系统到机电、控制系统建立了完整的动态模型,进行了追踪最大风能的变速恒频发电运行及网侧变换器控制的仿真研究,首次考查了以实际风电现场为模型的最大风能追踪效果,仿真结果表明了基于矢量变换控制策略所建立的风电系统可实现有功和无功功率的独立调节,满足变速恒频风力发电和最大风能捕获的需求,且实现了以实际风电现场环境为模型的最大风能追踪控制策略.     

风电并网的仿真研究

根据双馈感应电机的特点,利用风电机组的数学模型,基于MATLAB/SIMULINK构建了包含风电场的电力系统的仿真模型。对风机的投入与切除,以及风电机组出口发生三相短路故障的两种情况进行了动态仿真。仿真结果表明,在风电机组0.8s接入系统和3.5s脱离系统时,系统略有波动但很快建立新的平衡;在风机出口故障时系统经历短期的波动后恢复了稳定,此结论为研究大规模风电并网提供了理论研究依据。     

双馈风力发电机系统的自抗扰神经网络的励磁控制

在双馈发电机传统控制方式的基础上, 将自抗扰控制技术和BP神经网络相结合结合, 应用于双馈风力发电机并网运行的控制上, 提出了一种新的双馈风力发电机并网运行控制方案. 该控制方案具有内外两个控制环, 内环通过BP神经网络实现双馈风力发电机的转子d-q轴电流控制, 外环通过自抗扰技术实现双馈风力发电机定子侧的有功、无功控制. 由于自抗扰控制器利用一阶跟踪微分器和扩张状态观测器对系统扰动进行动态跟踪补偿, 在此基础上输出双馈电机转子交--直轴电流的参考值, 然后将该参考值作为BP神经网络训练样本的输入, 训练后的BP神经网络可以更好地逼近实际转子电压输出量. 论文设计并实现了该方案的具体控制算法. 仿真测试表明: 该控制方案具有优良的动态性能, 对系统的内外扰动具有较强的鲁棒性, 在没有精确的发电机参数情况下依然可实现并网系统的稳定运行.     

基于神经网络的自适应控制研究综述

神经网络与自适应控制相结合的研究,已成为智能控制的一个新的分支。自适应具有强鲁棒性,神经网络则具有良好的自学习功能和良好的容错能力,神经网络自适应控制由于较好地融合了两者的优点而具有强大的优势。该文综述了近年来神经网络自适应控制的研究现状,阐述了神经网络模型参考自适应控制及神经网络自校正控制两种典型的控触方案,并对神经网络自适应控制的应用作了介绍。在此基础上,对神经网络自适应控制存在的主要问题,如稳定性、鲁棒性及收敛性等问题作了积极有益的探讨。最后,展望了神经网络自适应控制未来的发展趋势,并指出了其研究方向。     

风电系统双馈电机功率优化控制模型仿真

研究风电系统双馈电机功率的精确控制可以降低系统的能耗。当前风电系统多采用双馈感应异步发电机。双馈感应中,不同线路采集的电压不同,不同反馈线路电压互相影响,造成控制电压发生干扰性突变。传统的部分矢量控制方法以最优电压目标进行控制时,很容易受到多路电压相互干扰的影响,造成电压控制信号的暂态峰值和波纹较大,控制失稳。提出一种风电系统双馈电机功率优化控制模型。模型以最大功率点跟踪(maximum power point tracking,MPPT)和低电压穿越(low voltage ridethrough,LVRT)作为功率控制目标,运用神经网络非线性控制策略,以BP(Back Propagation)神经网络代替部分矢量控制,为网侧和转子侧变换器提供参考信号,对有功和无功实现解耦控制。仿真结果表明,神经网络控制具有较好的动态特性,能耗下降。     

小波神经网络对风力发电机齿轮箱的故障诊断

为研究风力发电机组齿轮箱的故障特性,提高其工作的可靠性,提出采用小波神经网络对齿轮箱的故障进行诊断的方案。该方案采用小波包分析与径向基函数(RBF)神经网络相结合组成小波神经网络,以准确地识别风力发电机组中齿轮箱常见的故障。诊断结果证明了方案的可行性。该方案在风力发电机组齿轮箱故障诊断领域具有良好的实用前景。     

风力发电系统技术的发展综述

风能是目前全球发展最快的可再生绿色能源,风力发电系统是将风能转化为电能的关键系统,它直接关系到风力发电的性能与效率。分别介绍了风电系统涉及的控制技术、风力机和发电机,特别是对当前的风力发电机系统进行了科学分类;并详细分析和比较了各类风电系统的原理、优缺点和适用范围,最后指出了风电系统的发展趋势。这对风力发电系统的选择和研究具有一定的参考指导价值。     

NSG水位神经自适应PID控制与仿真研究

核动力蒸汽发生器(NSG)是一个高度复杂的非线性时变系统。由于蒸汽发生器在瞬态、启动和低功率下的“收缩”与“膨胀”现象引起的逆动力学效应,使蒸汽发生器的水位控制变得复杂。本文针对传统的核动力蒸汽发生器水位PID控制方法存在的缺点,将神经网络方法与PID控制的结构结合起来,提出了核动力蒸汽发生器水位神经自适应PID控制方法。采用BP学习算法调整控制器神经网络的连接权值,实现了控制器参数的在线整定。仿真研究表明,所设计的控制器具有良好的控制性能,且结构简单,易于实现。     

神经网络PID在温度控制系统中的研究与仿真

本文提出一种基于BP神经网络的新型智能PID控制方法和一些BP神经网络的基本概念。同传统的PID控制相比较．神经网络智能PID控制有许多优点。把BP神经网络的PID控制方法应用到工业领域的温度控制系统中，仿真结果表明：这种控制方法具有较高控制精度和较强的适应性以及良好的控制效果。     

基于改进的BP网络误差修正的广义预测控制

该文利用预测误差的历史数据,基于改进的BP神经网络,对系统的建模误差进行预测。该网络采用了修正激励函数的BP算法,预测性能好,能够克服标准BP算法中Sigmoid函数的不足,加快了网络的学习速度。并将其与模型预测相结合构成广义预测控制算法,有效地克服了模型失配的影响,提高了控制的速度,同时引入控制增量增益,利用这个自由度来提高闭环的稳定鲁棒性。仿真结果表明了该算法的有效性。     

无线传感器网络在风力发电中的应用研究

为解决风力发电场中现有测控方法存在的成本高、维护难等问题,通过对无线传感器网络和风力发电场特点进行研究,设计了一种基于无线传感器网络的传输平台.该平台使用基于ZigBee技术的CC2420芯片进行数据传输,并利用OPNET软件对其网络传输特性进行网络仿真.仿真结果有力地证明了无线传感器网络应用于风力发电场的可行性,该网络平台能够很好地完成风力发电场的数据检测和数据传输任务.     

基于神经网络的不确定移动机器人鲁棒自适应跟踪控制

针对含运动学未知参数以及动力学模型不确定的非完整轮式移动机器人轨迹跟踪问题,基于Radical Basis Function(径向基函数)神经网络,提出了一种鲁棒自适应控制器.首先,考虑移动机器人运动学参数未知的情况,提出了一种含自适应参数的运动学控制器,用以补偿参数不确定性导致的系统误差;其次,利用神经网络控制技术,对于机器人在移动中动力学模型不确定问题,提出了一种具有鲁棒性的动力学控制器,使得移动机器人可以在不知道具体动力学模型的情况下跟踪到目标轨迹;最后利用Lyapunov稳定性理论证明了整个系统的稳定性.通过数值仿真验证了所设计的控制器的可行性.