基于Laguerre模型的过热汽温自适应预测PI控制系统

针对火电厂锅炉过热汽温控制的特点,设计1种基于Laguerre模型的自适应预测PI控制器。该预测控制器采用对时延具有良好逼近能力的正交Laguerre函数模型作为预测模型,利用带遗忘因子的最小二乘法在线辨识Laguerre预测模型的系数,以提高系统适应工况变化的能力;滚动优化指标采用比例积分型结构,以提高系统的快速性和鲁棒性。通过对具有严重参数不确定性、扰动以及大迟滞的电厂过热汽温被控对象进行仿真研究,结果表明该方法能够很好地适应对象特性的变化,且控制系统的性能比常规串级控制系统有较大提高。     

灰色检测技术在火电厂热工控制中的应用

提出一种基于灰色预测理论的检测技术.此检测技术核心是基于灰色预测模型以及等维的新陈代谢灰色序列模型.最后,把这种灰色检测技术应用到火电厂热工控制系统中,设计出具有灰色预测检测器的火电厂锅炉过热汽温控制系统,仿真结果表明:在具有灰色预测检测器的过热汽温控制作用下,火电厂锅炉过热汽温控制系统具有更好的动态响应,有效地克服了过热汽温系统"大时滞"缺点.     

过热汽温自适应逆控制方案研究

针对火电厂锅炉过热汽温对象,将神经网络辨识技术和自适应逆控制技术相结合,提出了一种过热汽温自适应逆控制方案.该方案首先利用RBF神经网络在线辨识被控对象模型获得其Jacobian信息,在此基础上利用对角回归神经网络(DRNN)在线辨识获得被控对象的逆模型作为控制器,串联在控制对象前面构成自适应逆控制系统.通过对超临界600 MW机组过热汽温对象进行仿真研究表明,该控制方案能很好地适应过热汽温对象特性的变化,并且可以有效克服对象的大惯性和非线性,获得良好的控制品质.     

基于闭环辨识的过热汽温串级控制器设计方法

针对过热汽温对象难以用开环辨识算法得到精确模型,使基于模型设计的PID串级控制器难以整定的现状,提出了基于RLS(Recursive least squares,递归最小二乘)算法的两阶段闭环辨识方法,并将辨识模型结合内模控制原理对PID参数进行整定。将该方法应用于过热汽温控制系统,仿真结果验证了该控制器整定方法的有效性。     

基于LMS算法的模型算法控制在过热汽温控制中的应用

利用基于最小均方(LMS)算法的自适应滤波器对过热汽温对象进行模型辨识,得到脉冲响应模型,再结合模型算法控制(MAC)理论构成过热汽温的MAC-P串级预测控制系统。该方法实施简单,仿真结果表明该控制方案具有较好的控制品质和鲁棒性。     

过热汽温模糊神经网络预测控制器的设计

针对锅炉过热汽温的特点，设计前馈—反馈串级复合型控制系统。主控制器采用基于神经网络预测模型的模糊神经控制，即该控制器首先是将神经网络与预测控制相结合，采用改进的递阶遗传算法对神经网络的权值和结构同时进行训练，实现了非线性、大时滞系统模型的精确预测；然后将模糊控制与神经网络相结合，实现模糊神经预测控制。副控制器采用二自由度PID控制器。仿真结果表明，该控制显著提高锅炉过热汽温这一非线性、大时滞系统的控制品质，且易于工程实现。     

基于局部神经网络模型的过热汽温多模型预测控制的研究

针对锅炉过热汽温的特点，设计串级过热汽温控制系统。主调节器采用基于局部神经网络模型的多模型预测控制，即由主蒸汽流量确定的不同工作点，用神经网络建立局部动态模型，进而建立一组局部神经网络预测控制器，然后通过加权合成的方式获得最终的控制信号；副调节器采用基于多个简单比例控制器的加权合成比例控制。该控制方案融合了神经网络、多模型控制和预测控制的特点。仿真结果表明，在负荷大范围变化的工况下，控制系统仍保持了良好的控制性能，具有较强的鲁棒性。     

660MW超临界机组过热汽温控制研究

根据超临界直流炉过热汽温控制的特点,设计基于被控对象特性的汽温控制系统。该系统采用控制中间点焓值调整燃水比和两回路喷水减温调节相结合实现过热汽温的控制。运行结果表明,在稳态和变负荷工况下,该汽温控制系统调节品质优良。     

基于间接能量平衡的锅炉汽温GPC-PID串级控制

针对电站锅炉汽温对象由于存在大惯性、大时滞、非线性和难以建立精确模型,使得传统串级PID控制算法在满足AGC负荷响应快速性和准确性方面存在较大不足等问题,基于直接能量平衡思想,提出一种间接能量平衡法(IEBM)。通过IEBM构造并预测整定出反映变负荷工况的导前汽温设定值,把原串级控制系统中副控制器的随动控制功能改变为定值控制,从而达到间接控制锅炉主汽温和再热汽温的目的。由于系统能及时"预测"到汽温迟延受不同负荷的影响,导前汽温成为控制的主体,采用广义预测控制策略(GPC),而主回路仍然采用PID控制器,构成新型基于多模型RBF神经网络离线辨识的IEBM-GPC-PID串级控制系统。经现场实测数据仿真结果表明,提出的方法能够明显地提升汽温的控制效果,改善控制系统的鲁棒性。     

基于多变量广义预测控制算法的两级过热汽温协调联动控制

大型火力发电机组过热汽温被控对象具有大迟延、大惯性、受干扰因素多以及不同负荷下的被控对象模型变化大等特性,同时面临着煤质多变、环境多变等各种复杂恶劣的工况,以传统PID控制和单变量广义预测控制为基础的汽温控制效果有限。利用递推最小二乘法（recursive least square,RLS）建立了过热汽温系统3个典型工况下的模型,并基于多变量广义预测控制构建了两级过热汽温联动控制优化策略,同时将该策略应用于某电厂330 MW亚临界机组。结果表明,无论是稳态工况还是复杂的变负荷工况,优化控制策略都能够很好地控制过热器出口汽温。     

基于T-S模糊模型的多变量非线性预测控制

针对多变量非线性系统预测控制的实时性问题,提出一种基于T-S模糊模型的预测控制快速算法.通过辨识建立非线性系统的T-S模糊模型,依据系统的运动特性和实际中控制输入增量的变化趋势选取特定基函数,将广义预测控制和预测函数控制相结合设计多变量预测控制律.该算法相比已有基于T-S模糊模型的多变量非线性广义预测控制算法大幅度减少了计算量,显著提高了控制的实时性.仿真结果验证了该算法的有效性.     

基于模型预测控制方法的风电直流微网集散控制

设计了一个基于模型预测控制器的风电直流微网集散控制系统。为满足系统经济运行及高质量电能的要求,采用模型预测控制器作为其集散控制体系架构中的主控制单元,以产生本地控制器参考信号。为规避该分层控制结构中通信故障对系统稳定性的影响,本地控制器采用双冗余参考信号,正常运行时,接受模型预测主控制器的参考信号,一旦通信失败,本地控制器迅速切换至电压分层控制策略产生的参考信号。如此,既能够保证正常运行时系统高效运行及对电能质量的要求,又能在故障时保证系统不失稳。基于Matlab仿真平台对所提风电直流微网集散控制系统的有效性进行了仿真分析。仿真结果表明,所提风电直流微网集散控制系统在采用模型预测主控制器时,能够满足系统设计目标,实现联网或孤岛状态下对系统功率灵活、高效地调节;在系统通信故障时,通过控制器切换,能够保障系统稳定、安全运行。     

非线性预测控制在电厂热工过程中的应用研究

非线性预测控制（NMPC）研究在电厂热工过程控制中有很大的应用潜力。目前NMPC算法的研究主要集中在线性化控制方法、基于特殊模型的NMPC方法、先进控制策略与预测控制相结合的控制方法。分析了NMPC方法在电厂各热工过程控制系统中的应用研究现状,并对其前景进行了展望。分析表明,系统辩识与模型预测控制（MPC）的协同作用、约束NMPC算法、非线性系统的建模与参数估计、多变量有约束系统的稳定性与鲁棒性定量分析、预测控制的智能化将是电厂热工过程预测控制问题未来的研究方向。     

基于模型预测的分布式电压协调控制

电力系统电压控制是维持系统电压水平的重要环节.文中基于模型预测控制理论和方法,利用分解协调法及辅助问题原理构造了分布式电压协调控制模型,实现了电压预测控制模型及结构的分解,使全局集中的优化问题转化为若干个只需本区域系统模型及数据的可分布式协调求解的子优化问题,有效降低了优化问题的求解规模,提高了计算和控制的灵活性及安全性.仿真结果表明,该方法能有效地控制系统电压,防止电压失稳,获得与集中电压预测控制相似的控制效果.     

仿人逻辑预测控制器在主汽压系统的应用

基于逻辑控制和预测控制的基本理论,针对火电厂主蒸汽压力系统的特点以及泛布尔代数的多值逻辑控制器和预测控制器模型结合,形成的一种新型的智能控制器——仿人逻辑预测控制器,将此控制器应用于主汽压控制系统以改善控制性能.通过仿真试验表明,该控制方案对被控对象模型的大范围变化表现出强鲁棒性.     

基于时延RBFNN模型预测控制的交流伺服系统

在三相交流伺服系统矢量控制的基础上,对其速率控制要用非线性预测控制,预测模型采用ＴＤＲＢＦＮＮ〈增找ＴＤＲＢＦＮＮ的结构和参数。;实验结果表明：该控制方法在跟随特性和抗据性能等方面都优于传统的矢量控制,而且所采用的预测模型和算法都较简单,易一诉硬件和软件实现。     

永磁伺服电机复合模型预测控制

永磁电机效率和功率密度高、力矩和惯量比大,是工业伺服领域的主流电机。伺服控制技术是充分发挥永磁电机优势、提升伺服系统运行性能的关键。目前,永磁伺服系统多采用多环级联的比例 积分（PI）控制器,但由于积分器的滞后效应,PI动态响应速度较慢,抗干扰能力较差,难以满足机械臂、精密加工等高性能伺服控制的动、静态性能要求。因此,提出一种广义模型预测控制与有限集模型预测控制相结合的复合模型预测控制策略。此外,还提出一种广义模型预测控制的低运算量实现方法及一种机械参数估计方法。试验结果表明,所提复合模型预测控制可提高永磁伺服电机的动态响应速度和抗负载扰动能力。     

Functional Predictive Control for Voltage Stability Improvements of Autonomous Hybrid Wind–Diesel Power System

This study investigates the application of the model predictive control technique for voltage stability of an isolated hybrid wind–diesel power system based on reactive power control. The proposed generation system mainly consists of a synchronous generator for a diesel-generator system and an induction generator for a wind energy conversion system. A static VAR compensator is used to stabilize load voltage through compensating reactive power. Two control paths are used to stabilize load bus voltage based on model predictive control. The first control path is used to adjust the total reactive power of the system by controlling the static VAR compensator firing angle. The second is proposed to control the excitation voltage of the synchronous generator. Model predictive control is used to determine t optimal control actions, including system constraints. To mitigate calculation effort and reduce numerical problems, especially in a large prediction horizon, an exponentially weighted functional model predictive control (F-model predictive control) is applied. The proposed controller was tested through step change in load reactive power plus step increase in input wind power. The performance of the proposed system with the proposed controller was compared with classical model predictive control; moreover, this scheme is tested against parameter variations.     

三相LCL并网逆变器无参数滑模预测控制策略

常规三相LCL并网逆变器模型预测电流控制方法存在计算量大、参数鲁棒性差等缺点。为了解决这些问题,提出了一种三相LCL并网逆变器无参数滑模预测电流控制方法。该方法利用滑模控制理论,建立了一种新型无参数电流控制价值函数,无需采用模型参数即可实现并网电流预测控制,从而简化了控制系统的预测过程。此外,该方法省去了逆变器侧电流传感器和电容电压传感器,节约了硬件成本,提高了系统运行可靠性。最后,根据常规模型预测电流控制和滑模预测电流控制的优点,提出了一种三相并网逆变器自适应预测控制方法,提高了并网逆变器控制对模型参数失准的适应能力。实验结果表明,在系统参数失准的情况下,所提出的控制策略具有更小的并网电流控制误差,有效地提高了系统参数鲁棒性。     

基于模糊预测控制技术的注汽锅炉干度控制系统

为了实现对注汽锅炉干度的高质量控制，设计了一个基于模糊预测控制的干度控制系统，该系统通过对历史数据的自适应学习获得初始预测模型，并采用误差反向传播学习算法对模型参数进行优化，然后根据模型输出得出控制律，实现对干度的调节，因而具有较强的鲁棒性和自适应能力。实际应用表明，系统具有良好的控制效果。