基于M次不相关激励和汇总智能优化的多变量系统辨识方法

针对用单批次激励试验数据进行多变量系统的智能辨识的不准问题,提出了一套基于M次不相关激励和汇总智能优化的多变量系统辨识方法.该方法的要点是:对于有M维输入的多变量系统的准确辨识至少需要M次不相关激励试验,然后采集试验数据,再用汇总智能优化指标进行多变量系统模型的辨识计算.通过理论推导证明了多变量系统辨识需要M次的不相关激励试验的必要性.通过一个应用实例验算,演示了新的多变量系统辨识方法的易用性、正确性和工程实用性.     

PID参数整定的MCP标准传递函数法公式

根据MCP标准函数,利用控制器标准传递函数设计方法推导得出了一种新的PID参数整定公式.通过理论分析和仿真试验,验证了用MCP法公式整定的系统具有超调量小和鲁棒性高的优点.     

工业以太网网络互联技术与发展

随着信息技术的发展,工业以太网覆盖率日益提高,工业网络互联互通成为现代工厂向智能化、数字化转型的基础。首先对我国工业互联网发展政策、工业网络市场现状和工业以太网协议类型进行阐述,分析了目前工业网络互联的障碍。其次探索新技术推动工业以太网实现网络互联的新方法。最后针对我国工业以太网和工业互联网的发展现状,提出建设性意见,助力我国工业以太网的应用和工业互联网的发展。     

变速恒频双馈风力发电系统并网控制仿真

介绍了变速恒频双馈感应风力发电机运行的基本原理,分析了风力机功率特性和风能追踪的控制策略,对双馈感应发电机转子侧的变换器控制系统进行了建模与仿真。通过控制发电机输出有功功率来调节电磁转矩和转速,将定子磁链定向的矢量变换控制技术应用在对双馈型异步发电机转子侧变换器的控制上,获得了发电机有功功率和无功功率的解耦控制,为追踪与捕获最大风能创造了条件。电网侧的变换器使用电网电压定向的矢量控制技术来控制直流母线电压的恒定,调整了电网侧的功率因数。     

考虑电动汽车用户满意度的微网分层优化调度策略

针对住宅区微网中的电动汽车集群,提出一种考虑电动汽车用户满意度的微网分层优化调度策略。将微网调度优化的过程分为负荷层和源储层,负荷层在保证用户满意度的前提下,利用电动汽车的储能特性平抑微网的负荷峰值,源储层先用可再生能源出力支持微网用电负荷,多余出力部分则通过电动汽车进行消纳,使得微网综合运行成本达到最低。然后,用改进蚁狮算法求解源储层模型,最后,通过算例进行验证。结果表明,相对于电动汽车无序充电,该策略大幅提升了微网运行的经济性、可靠性以及电动汽车用户的满意度。     

考虑电动汽车用户满意度的微网分层优化调度策略

针对住宅区微网中的电动汽车集群,提出一种考虑电动汽车用户满意度的微网分层优化调度策略。将微网调度优化的过程分为负荷层和源储层,负荷层在保证用户满意度的前提下,利用电动汽车的储能特性平抑微网的负荷峰值,源储层先用可再生能源出力支持微网用电负荷,多余出力部分则通过电动汽车进行消纳,使得微网综合运行成本达到最低。然后,用改进蚁狮算法求解源储层模型,最后,通过算例进行验证。结果表明,相对于电动汽车无序充电,该策略大幅提升了微网运行的经济性、可靠性以及电动汽车用户的满意度。     

基于定子磁链定向的双馈风力发电解耦控制研究

首先介绍了变速恒频双馈风力发电系统的特点,构建了实际风速的数学模型,研究了基于定子磁链定向的变速恒频双馈风力发电机转子侧变换器的控制,最后仿真实现了双馈电机有功功率和无功功率的独立解耦控制,并在发电机定子侧输出单位功率因数的情况下,调节直流母线电压快速达到了给定参考值,维持了直流母线电压的稳定。     

锅炉汽温状态反馈控制器的标准传递函数设计方法

采用多容标准传递函数确定控制系统的期望极点,利用能控标准形和梅森公式导出控制系统的传递函数,提出了一种新的锅炉汽温状态反馈控制器的标准传递函数设计方法。该方法可同时完成动态和稳态设计,且只包括简单的代数运算,所用参数的物理意义明确,便于应用。通过仿真试验验证,表明该方法正确和有效。     

PCS7控制系统在分布式能源站中的应用

随着分布式能源站的发展,过程控制系统正发挥着越来越大的作用。从分层控制网络、逻辑组态和监控平台3个方面,介绍了西门子SIMATIC PCS7在某分布式能源站中的应用,提供了全集成化过程控制系统在分布式能源行业控制领域的应用实例。能源站联机调试结果表明,基于PCS7构建的过程控制系统稳定可靠,控制效果良好,满足分布式能源站的工艺要求。     

多变量系统辨识的MUEAIO方法实验验证

当前用智能优化算法进行多变量系统辨识时,普遍存在模型误差大的问题.M次不相关激励和汇总智能优化的方法(MUEAIO)被证明可以解决多变量系统辨识辨不准的问题.但关于M次不相关激励的必要性和充分性还需要更深入的论证.为此,针对一个三入一出的系统,本文设计了五组应用MUEAIO方法的多变量系统辨识仿真实验.实验结果表明:严格执行至少M次不相关激励可得到多变量系统的准确模型,而激励批次不足、或者是不满足不相关激励的条件将得到误差较大的模型,其误差主要表现在模型参数和输出量分量上.