基于能量捕获和混合储能的微观网络能量最优分配算法

随着纳米技术和无线网络技术的快速发展,单个节点(设备)的微小尺寸和有限能量严重地限制了微观无线网络的应用。因此,在传统宏观网络节点储能结构单一和能量捕获技术不稳定的基础上,利用超级电容的快速充放电特性,提出了一种基于超级电容和电池的混合储能结构。在此混合储能结构的基础上,根据点对点的双工信道模型和能量传输损耗特性,建立了面向能量捕获的网络吞吐量模型和节点能量分配解析模型,并提出了相应的能量最优分配算法,实现了节点吞吐量的最大化。该算法根据节点捕获能量的时域分布,优化分配超级电容与电池的能量值;同时,采用最优传输功率与传输时间进行数据传输。实验结果表明,所提混合储能结构和能量分配算法能有效地提高节点的吞吐量。     

孤岛微电网异构电池储能系统的分布式有限时间次级控制

针对孤岛微电网异构电池储能系统频率、电压以及电池能量的一致性问题,考虑初级下垂控制,提出一种新的分布式有限时间次级控制策略.采用所提出的控制方案能够在有限时间内实现系统频率、电压恢复一致到额定值,并获得电池能量等级的均衡一致和期望的有功功率分配.该控制方法的优势在于整定时间的上界独立于系统的任意初始条件,能够保证微电网有限时间控制的及时性,同时基于Lyapunov方法分析控制策略的一致性收敛特性.最后,通过Matlab/Simulink仿真实验,结果进一步佐证了分布式有限时间次级控制策略的有效性.     

四旋翼无人机姿态系统复合连续快速非奇异终端滑模控制EI北大核心CSCD

本文针对受多源干扰影响的四旋翼无人机姿态系统,基于复合连续快速非奇异终端滑模算法,研究了姿态指令变化率未知情况下的连续有限时间姿态跟踪控制问题.首先,基于四旋翼无人机姿态回路动力学模型,通过引入虚拟控制量实现姿态跟踪误差动态的三通道解耦;其次,分别针对各通道跟踪误差动态设计高阶滑模观测器,实现跟踪误差变化率和集总干扰的有限时间估计;最后,结合姿态跟踪误差变化率的估计信息,构建动态快速非奇异终端滑模面,并在控制设计中用指数幂函数代替符号函数以保证控制量连续.并且基于Lyapunov分析方法给出了姿态跟踪误差有限时间收敛的严格证明,仿真结果验证了所提方法的有效性.     

不同时间尺度下锂电池SoC估算研究

针对当前电池荷电状态(SoC)估算算法在处理器运算过程中计算量大,耗费处理器资源多的问题,提出在SoC估算中同时增大辨识时间尺度和估算时间尺度;采用带遗忘因子递推最小二乘算法辨识电池模型参数,并探究不同大小的时间尺度对SoC估算精度的影响;仿真结果表明,随着辨识时间尺度和估算时间尺度增大,SoC估算精度下降且计算量快速下降,计算消耗时间呈指数减少;当时间尺度过大时,SoC估算精度难以保证,计算消耗时间减少不明显,收敛时间长;在综合考虑估算精度和计算耗费时间情况下,可以找到一个最优的时间尺度用于保证SoC估算精度同时大大降低计算量;该方法为后续实现电动汽车SoC在线估算提供理论依据。     

基于SOC的并联储能系统电流负荷分配方法

提出一种基于SOC的改进电流负荷分配方法,该方法采用均流环、电流环、电压环的三闭环结构,其中,均流控制器的电流基准由理想输出功率和储能单元电池荷电状态(state of charge, SOC)共同决定。搭建了MATLAB/Simulink仿真模型和基于TMS320F28335的并联储能系统半实物仿真平台,对比仿真了不同参数影响下系统的性能。并联储能系统中母线电压能够稳定在理想值,电流负荷能够按SOC合理分配,且各储能单元SOC能够快速收敛到均衡状态,验证了所提改进电流负荷分配方法的可行性和合理性。     

基于深度学习和量子遗传算法的电池SoC估算方法研究

储能电池的荷电状态是电池的重要特性,针对浅层学习算法的不足,提出了深度学习理论与量子遗传相结合的算法以提高估算结果的正确性。该算法能够自动从样本中提取更加抽象、更具表达能力的特征,实现输入和输出数据之间的复杂非线性映射;量子遗传算法自动寻优,得到每个RBM输出估算值的权值。通过对电池SoC训练样本和测试样本的估算,与BP训练网络估算结果对比,得出本文所提的DBN-QGA算法网络估计精度更高。     

通信时延下多智能体系统的安全一致性控制

研究了离散时间多智能体系统存在通信时延条件下的安全一致性问题.本文的目标是设计一种一致性控制算法能够使得网络中各正常智能体抵御敌对智能体的攻击并实现最终状态一致.该算法仅利用个体的自身状态和相邻个体的时延信息作为控制输入,并根据控制器参数、拓扑属性和通信时延,获得了所提算法实现收敛的充要条件.最后,通过仿真实例对理论结果进行了验证.     

基于光伏电池输出特性的MPPT算法研究

为了寻找更好的实现光伏发电系统最大功率点跟踪控制方法,基于单个光伏电池的物理特性建立了太阳能光伏电池阵列的Matlab仿真模型,分析了太阳能光伏电池阵列所具有的随着光照强度和温度不同而变化的P-U和I-U非线性特性.基于光伏电池的动态特性,在最大功率点跟踪算法的设计中增加一个电流监测回路,并结合自寻优技术对电导增量法进行改进,提出了一种自适应变步长寻优算法.仿真结果表明,该算法能够快速准确的跟踪最大功率点.     

电动汽车参与电网AGC的充放电优化控制研究

电动汽车的大规模接入对电网的稳定与控制带来了新的挑战。电动汽车接入电网,可作为分布式储能单元与传统AGC机组相协调配合,可有效协助电网调频和实现节能减排。在现有研究基础之上,考虑电池荷电状态对电池最大充放电功率的影响、电池寿命及电动汽车用户行驶需求,以及SOC对电池最大充/放电功率的影响。文章首先阐述了电动汽车参与电网AGC的控制体系结构与充放电控制方案。其次,探讨了多电动车参与电网AGC的充放电过程的功率分配的协调问题、解决方案及相关约束条件的建立。最后对电动汽车参与两区域互联电网的AGC进行了模拟仿真。仿真结果表明：通过文章所提方法,能够实现电动汽车合理的功率分配和有效的利用,以更好的提高系统稳定性和实现节能减排。     

基于BP网络的权值更新快速收敛算法

针对标准BP网络学习算法收敛慢的问题,提出了两种权值更新的快速收敛算法,即基于梯度变化率的快速传递算法和基于梯度方向的弹性传递算法,并在煤矿事故救援游戏式训练系统中进行仿真和比较,让游戏角色根据井下空气成分学习判断危险程度,以便受训人员或仿生机器人采取相应的措施。仿真结果表明,所提算法的收敛时间比标准算法有一定改善。     

Distributed Cooperative Control of Battery Energy Storage Systems in DC Microgrids

The control of battery energy storage systems(BESSs)plays an important role in the management of microgrids.In this paper,the problem of balancing the state-ofcharge(SoC)of the networked battery units in a BESS while meeting the total charging/discharging power requirement is formulated and solved as a distributed control problem.Conditions on the communication topology among the battery units are established under which a control law is designed for each battery unit to solve the control problem based on distributed average reference power estimators and distributed average unit state estimators.Two types of estimators are proposed.One achieves asymptotic estimation and the other achieves finite time estimation.We show that,under the proposed control laws,SoC balancing of all battery units is achieved and the total charging/discharging power of the BESS tracks the desired power.A simulation example is shown to verify the theoretical results.     

Distributed Resource Allocation via Accelerated Saddle Point Dynamics

In this paper, accelerated saddle point dynamics is proposed for distributed resource allocation over a multi-agent network, which enables a hyper-exponential convergence rate. Specifically, an inertial fast-slow dynamical system with vanishing damping is introduced, based on which the distributed saddle point algorithm is designed. The dual variables are updated in two time scales, i.e., the fast manifold and the slow manifold. In the fast manifold, the consensus of the Lagrangian multipliers and the tracking of the constraints are pursued by the consensus protocol. In the slow manifold, the updating of the Lagrangian multipliers is accelerated by inertial terms. Hyper-exponential stability is defined to characterize a faster convergence of our proposed algorithm in comparison with conventional primal-dual algorithms for distributed resource allocation. The simulation of the application in the energy dispatch problem verifies the result, which demonstrates the fast convergence of the proposed saddle point dynamics.      

基于萤火虫算法的认知车载网络频谱分配

针对布谷鸟搜索算法在认知车载网中频谱分配收敛速度低的问题，提出了一种基于萤火虫算法的频谱分配方法。该方法考虑种群所获得的平均收益值，将频谱分配变量映射为萤火虫位置信息，并将车载网络的吞吐量转化为萤火虫的亮度值，采用萤火虫算法离散频谱分配变量并进行迭代寻优。数值结果表明，基于萤火虫算法的认知车载网络频谱分配方式的收敛速度快，且种群的平均收益值高于遗传算法和布谷鸟算法。     

CPSO在配电网OFDM系统比特功率分配中的应用

自适应OFDM系统的比特功率分配是提高频谱利用率的关键技术,基于注水原理的注水迭代算法能够达到比特功率分配的理论上线,但实际系统中由于调制方式及传输比特整数规划的要求,不能达到比特功率分配的优化结果。鉴于此提出了云粒子群优化算法（Cloud Particle Swarm Optimization,CPSO）,利用云模型的不确定特性增加群体多样性,解决粒子群优化算法易于陷入局部极值的缺点。通过给出的云粒子群进化模式,实现搜索空间的全局搜索和局部搜索;采用进化过程中动态缩小搜索空间策略提高算法收敛速度,从而解决在低压配电网上系统发射总功率和误码率限定条件下的系统传输速率最大化比特功率分配问题。通过仿真实验表明所提算法的分配结果与位添加法相当,减少了运行时间,与注水迭代算法相比,在系统传输速率相同的情况下节省功率达4.7~14.8 dBm。     

非仿射非线性多智能体系统迭代学习一致跟踪

为了解决非仿射非线性多智能体系统在给定时间区间上一致性完全跟踪问题,基于迭代学习控制方法设计一种分布式一致性跟踪控制算法.首先,由引入的虚拟领导者与所有跟随者组成多智能体系统的通信拓扑,其中虚拟领导者的作用是提供期望轨迹.然后,在只有部分跟随者能够获得领导者信息的条件下,利用每个跟随者及其邻居的跟踪误差构造每个跟随者的迭代学习一致性跟踪控制器.同时采用中值定理将非仿射非线性多智能体系统转化仿射形式,并基于压缩映射方法证明所提算法的收敛性,给出算法的收敛条件.理论分析表明,在智能体的非线性函数未知情况下,利用所提算法可以使非仿射非线性多智能体系统在给定时间区间上随迭代次数增加逐次实现一致性完全跟踪.最后,通过仿真算例进一步验证所提算法的有效性.     

一种基于虚拟文件系统的集群监控方法

提出了一种自适应调制垂直-贝尔实验室分层空时结构（V-BLAST）系统的低复杂度比特、功率分配算法,满足总平均功率和单根发射天线峰值功率受限条件下使比特率最大化。该算法可以达到与比特递增分配算法相同的最优分配结果,而计算量大幅度降低。仿真结果表明,在满足目标误码率条件下单天线功率限制会使比特率降低。     

Optimal energy consuming planning for a home‑based microgrid with mobility constraint of electric vehicles and tractors

This research deals with the energy management problem to minimize the cost of non-renewable energy for a small-scale microgrid with electric vehicles (EV) and electric tractors (ET). The EVs and ETs function as batteries in the power system, while they often have to leave it for their mobility and agricultural work. Each State of Charge (SoC), which is the charge rate of the battery from 0 to 1, and the operating time of ETs are optimized under the assumption that the required electrical energy, the arrival and departure time of EVs, and the working time of ETs are given by users, but they include uncertainties. In this paper, we deal with these uncertainties by constraints for robust energy planning and expected optimization based on scenarios, and show that the scheduling of the SoC assuming the worst case and the optimal home-based power consumption planning that considers the cost of each scenario corresponding to each variation can be obtained. Our proposed method is formulated as a mixed integer linear programming (MILP), and numerical simulations show that the optimal cooperative operation among multiple houses can be obtained and its global optimal or sub-optimal solution can be quickly obtained by using CPLEX.     

非理想条件下OFDMA系统物理层安全的资源分配算法

针对OFDMA系统中用户QoS需求的差异性,提出了一种非理想状态下不同用户的资源分配算法,即求取用户携带比特数和发射功率最优解问题。基于自适应功率分配增益较小的情况,通过进行功率的平均分配来降低算法复杂度,基于吞吐量最大化原则,将剩余未分配的子载波分配给能获得最大传输速率的用户,提升系统的整体吞吐量水平。仿真结果表明:相对于其他传统资源分配算法,这个算法能够保证不同混合用户的最小传输速率要求的同时,有效提升算法的公平性。     

无线多跳网络联合拥塞控制和功率分配的快速二阶算法

针对节点功率受限的无线多跳网络,研究业务流路由确知时的联合功率分配、流量分配和拥塞控制问题,并基于原始对偶内点法设计一种具有二阶收敛性能的算法.该算法利用矩阵分裂方法实现业务流源速率和节点功率的分布式更新,最终优化网络效用.仿真结果表明,算法能有效降低网络中的功率消耗,提高网络的能量效用,同时相较于传统拉格朗日对偶分解法,所提出算法具有非常好的收敛性能.     

先进布局无人机多目标自适应概率引导控制分配

针对先进布局无人机多操纵面冗余的控制分配问题, 提出一种基于自适应概率引导的混合多目标控制分配方法. 首先, 根据冗余舵面操纵特性, 建立带约束的舵面动态效能模型, 提出精度需求不同的混合多目标优化指标. 随后, 为了综合平衡各目标寻优精度与求解速度提出基于自适应概率引导的多目标粒子群控制分配方法. 该方法根据各目标最优值与期望精度差值构建自适应概率函数, 依概率选择全局最优解, 引导种群向各目标期望精度方向精细搜索以提升算法解算精度, 减少无用搜索以提高求解速度; 同时, 根据收敛性指标增加变异因子, 避免算法陷入局部最优. 最后, 仿真验证该方法可有效处理舵面耦合及非线性特性, 减少能耗损失, 实现操纵面多目标控制分配, 使得无人机快速平稳跟踪控制指令.