基于自适应递推最小二乘支持向量机的磨煤机一次风量软测量模型

针对离线最小二乘支持向量机（LSSVM）以及无稀疏策略的在线LSSVM在过程建模工程应用的局限性,提出了一种基于选择性递推以及自适应更新模型参数的LSSVM软测量模型。该方法将快速留一交叉验证（FLOO-CV）误差作为模型更新阈值,前向学习时,根据更新阈值只引入预报误差较大的样本更新模型,提高了模型的稀疏性;后向样本修剪时,仅删除FLOO-CV误差最小的样本,提高了模型的全局推广能力。应用电厂实际运行数据验证该模型并对磨煤机一次风量进行在线预测,并研发了一套在线软测量平台。将该平台在某1 000 MW机组进行现场验证,结果表明,该平台对一次风量有较高的预测精度,可以在流量传感器出现故障时代替其工作,保证磨煤机一次风量信号的稳定性和可靠性。     

基于迁移学习的电力系统暂态稳定自适应预测EI北大核心CSCD

基于人工智能的电力系统暂态稳定预测,通常需要用离线生成的大量暂稳样本对预测模型进行训练,然后根据系统的实时响应进行在线预测。但当系统的运行方式和拓扑结构发生较大变化时,预测模型的精度会显著下降,亟需一种能跟踪系统变化的自适应暂稳预测方法。针对该问题,将迁移学习引入电力系统暂稳预测,基于卷积神经网络提出了一种自适应预测方法。首先利用离线生成的大量暂稳样本训练并得到基于卷积神经网络的预训练模型。当系统运行方式和拓扑结构发生较大变化时,保持预训练模型的网络结构不变,将其中的2个卷积层、2个池化层和全连接层的网络参数迁移至新模型;提出了一种最小均衡样本集的变步长生成方法,用新生成的最小均衡样本集训练分类层参数,从而快速得到新的预测模型。新英格兰10机39节点系统的测试结果表明:所提方法能自适应跟踪系统运行方式和拓扑结构的变化,有效更新预测模型且大幅减少新模型的训练时间,为基于人工智能的电力系统暂态稳定自适应预测提供了一条新思路。     

基于迁移学习的电力系统暂态稳定自适应预测

基于人工智能的电力系统暂态稳定预测,通常需要用离线生成的大量暂稳样本对预测模型进行训练,然后根据系统的实时响应进行在线预测。但当系统的运行方式和拓扑结构发生较大变化时,预测模型的精度会显著下降,亟需一种能跟踪系统变化的自适应暂稳预测方法。针对该问题,将迁移学习引入电力系统暂稳预测,基于卷积神经网络提出了一种自适应预测方法。首先利用离线生成的大量暂稳样本训练并得到基于卷积神经网络的预训练模型。当系统运行方式和拓扑结构发生较大变化时,保持预训练模型的网络结构不变,将其中的2个卷积层、2个池化层和全连接层的网络参数迁移至新模型;提出了一种最小均衡样本集的变步长生成方法,用新生成的最小均衡样本集训练分类层参数,从而快速得到新的预测模型。新英格兰10机39节点系统的测试结果表明:所提方法能自适应跟踪系统运行方式和拓扑结构的变化,有效更新预测模型且大幅减少新模型的训练时间,为基于人工智能的电力系统暂态稳定自适应预测提供了一条新思路。     

基于AP-SVM多模型建模的风电场负荷预测研究

针对风电场中期负荷预测模型复杂多工况的情况,提出了基于仿射传播聚类和最小二乘支持向量机的多模型建模负荷预测方法。该方法先用仿射传播聚类算法对样本聚类,再用最小二乘支持向量机算法进行子模型建模。测试样本先根据相似性的度量方法进行归类,再用其所属子模型进行预测输出。最后利用某风场数据进行了建模和预测实验,结果表明该多模型建模方法有较高的预测精度和良好的泛化能力。     

基于偏最小二乘回归分析的短期负荷预测

对偏最小二乘回归分析在电力系统短期负荷预测中的应用进行了研究。该方法可有效地进行数据准备和样本预处理，并可以对输入因素进行成分提取，提出出的成分具有线性无关的特点，对日负荷有较好的解释能力，且利于建模和预测，此方法另一特点是可以消除输入因素的多重共线性，不需要大量样本作为输入，算例表明，该方法用于短期负荷预测建模速度快，预测精度高，是一种行之有效的方法。     

基于综合自适应滤波器的在线短期负荷预测

准确地实现小时负荷预测是实施优化控制和动态安全分析的前提。采用嵌入维最小二乘支持向量机（ELS-SVM）的方法进行建模和预测,对影响负荷的因素进行模糊化处理。采用了粒子群（PSO）优化算法解决ELS-SVM学习过程中多参数难以调整的问题。提出分段小批量学习和更新的在线学习方法,既降低了运算量又能有效地避免积累误差,从而提高预测精度。实验结果表明,该方法有效地将预测精度从2.1%提高到了1.29%。     

基于小波变换的边际电价神经网络预测新模型

提出了一种基于小波变换和群智能演化的神经网络集成预测新模型,对日前交易边际电价进行预测.首先利用小波变换将历史边际电价序列分解为高频和低频部分,并分别构造学习样本作为神经网络集成的输入;然后将边际电价预测问题转化为神经网络实际输出与预测输出误差最小化问题,其寻优过程采用粗-细二阶段学习算法.在第1阶段,采用粒子群优化算法把神经网络的结构和权重映射成问题空间中的粒子,通过粒子速度和位置更新方程进行粗学习,获得多个相对占优的神经网络结构和初始权重并构成神经网络集成单元;在第2阶段,采用梯度学习算法和交叉验证对神经网络集成单元的权重进行细学习,并以误差最小的神经网络集成单元的输出作为神经网络集成预测模型的输出.美国加州日前交易电力市场边际电价预测算例表明,该预测方法可以获得较高的预测精度,且优于BP神经网络方法和ARIMA预测方法.     

计及漏判/误判代价的两阶段电力系统暂态稳定预测方法

基于人工智能的电力系统暂态稳定预测方法会出现漏判（将失稳样本错误分类成稳定样本）和误判（将稳定样本错误分类成失稳样本）的现象,使得该方法不易在工程实践中应用。为此,文中基于集成卷积神经网络（CNN）提出了一种计及漏判/误判代价的两阶段电力系统暂态稳定预测方法。在第1阶段,利用滑动时间窗输入特征训练得到不同响应时间层次的集成CNN模型,建立各层输出结果的可信度指标,将可信度阈值优化选择问题转化成多目标优化问题,最大限度地减少甚至消除漏判,并尽可能早地输出可信度高的样本;在第2阶段,对分层预测阶段预测的失稳样本采用多判据融合的紧急控制启动策略,尽可能减少误判所带来的实际损失。仿真算例分析表明,文中所提方法可以以最小代价最大限度地减少甚至消除漏判,以提高人工智能暂态稳定预测结果在工程上应用的可能性。     

基于GRA-LSSVM的配电网空间负荷预测方法研究

针对配电网空间负荷预测实际应用中容易存在可用信息和数据散杂且经常匮乏的问题,提出了一种基于最小二乘支持向量机的新型配电网空间负荷密度预测算法,以解决预测方法中样本有限、不易识别等问题。同时引入灰色关联分析改善最小二乘支持向量机的样本筛选,并采用混沌粒子群算法完善最小二乘支持向量机的参数选择,提高算法的空间负荷密度预测的精度。在介绍算法原理基础上,详细设计了配电网空间负荷预测方法的实现流程。对该算法的性能进行实例分析表明,所提方法可以有效地提高负荷密度预测的精度。     

基于自适应加权最小二乘支持向量机的短期负荷预测方法

提出了一种基于自适应加权最小二乘支持向量机(AWLS-SVM)理论的电力系统短期负荷预测新方法。在对已知负荷数据及影响因素的分析学习基础上,先用自适应参数优化法整定最小二乘支持向量机的参数,确定最优参数对,然后针对各样本重要性的差异,赋予每个样本惩罚参数不同的加权系数,建立了具有良好推广性能的AWLS-SVM回归模型。本方法突出了不同样本在训练过程中贡献不同的特性,具有结构简单,泛化性能好,不易发生过拟合现象等优点。通过对真实数据的建模预测,证明了该法在短期负荷预测中的可行性和有效性。     

虚拟同步发电机电流模型预测控制策略

虚拟同步发电机因能为电网提供电力电子装置渗透率提高所降低的惯性和阻尼而得到广泛关注。虚拟同步发电机采用PWM控制输送电网电流,但需要PWM波调制和PI控制。基于此,提出了虚拟同步发电机电流模型预测控制策略,以无需PWM波调制和PI控制的模型预测控制来弥补PI调制参数复杂、调制困难的缺陷,同时提高灵活度,增强鲁棒性。采样变换器的输出电流经虚拟同步发电机和电流预测模型分别生成参考电流、预测电流,根据代价函数,选取8种开关矢量中误差最小的一组作用于变换器,形成电流闭环控制。所提控制策略结构简单,灵活易操作,能在为电网提供惯性和阻尼的同时,还提供有功和无功功率支撑。仿真和实验验证了所提策略的有效性。     

并网逆变器的预测偏差电流无差拍控制策略

针对传统并网控制策略对电流采样精度要求高的缺点,在无差拍控制理论基础上,提出预测偏差电流的概念,将预测偏差电流取代传统无差拍控制的反馈量得到一种新的并网控制策略.与传统的无差拍控制相比,该控制策略仅需采集电网电压即可实现单位功率因数并网运行,无需采样并网电流瞬时值,避免了因电流采样误差导致的系统稳定性与可靠性问题.仿真...     

基于自适应FIR预测滤波器的谐波检测

针对现阶段有源电力滤波器畸变电流检测方法存在工频周期时延、计算量大等不足的问题,提出了基于自适应有限脉冲响应(FIR)预测滤波器的谐波实时检测系统。论述了自适应滤波器谐波检测原理并利用变步长的最小均方算法(LMS)对所需检测信号进行预测,而预测算法的步长因子是根据误差信号的时间均值估计来调节的,即当滤波器的预测系数远离最优解时,步长比较大,以加强动态响应速度和对时变系统的跟踪能力;当滤波器的预测系数接近最优解时,步长比较小,以获得较小的稳态误差。对该预测法采用MATLAB进行了仿真和实验,结果表明当电流突变时,该方法仍然能够在一个周期内正确预测出未来时刻的谐波电流值。     

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CARIMA模型的自适应预测函数控制在锅炉燃烧系统中的应用

针对目前火电厂锅炉燃烧控制系统的大滞后、强耦合、变工况等突出问题,提出了一种基于卡尔曼(CARIMA)模型的自适应预测函数控制方法.该方法先利用预测模型得到系统未来时刻输出,然后将设定输出值和预测值间的预测误差变化率作为自适应控制器的输入,控制器利用最小二乘算法推理得到控制输出.当被控对象模型参数未知或渐时变时,该方法通过实时辨识过程模型的参数来实时修正预测函数控制器的参数,这样可以进一步提高预测函数控制方法的控制品质,提高锅炉的燃烧效率.仿真实验表明,自适应预测函数控制是一种计算简单、鲁棒性和适应性较强、控制精度高的控制方法.     

基于预测控制的异步电机直接转矩控制性能的改善

分析了传统直接转矩控制中造成转矩脉动的原因,提出了一种预测控制算法以改善直接转矩控制性能的方法.在每个采样时刻,根据采样值求出一个能正确补偿当前定子磁链偏差和转矩偏差的定子电压矢量,在下个控制周期内作用于定子绕组,使再下一个控制周期到来时偏差刚好被消除.该电压矢量采用SVPWM进行合成并转化成相应的PWM开关信号,并且使用了一种定子磁链混合模型的磁链观测器以改善低速性能.仿真结果验证了该算法的有效性,明显抑制了转矩和磁链的脉动.     

Adaptive model predictive control for co‐ordination of compression and friction brakes in heavy duty vehicles

In this paper, an adaptive model predictive control scheme is designed for speed control of heavy vehicles. The controller co‐ordinates use of compression brakes and friction brakes on downhill slopes. Moreover, the model predictive controller takes the actuator constraints into account. A recursive least square scheme with forgetting is used in parallel with the controller to update the estimates of vehicle mass and road grade. The adaptation improved the model predictive controller. Also online estimation of the road grade enhanced the closed‐loop performance further by contributing through feedforward control. Simulations of realistic driving scenarios with a validated longitudinal vehicle model are used throughout this paper to illustrate the benefits of co‐ordinating the two braking mechanisms and influence of unknown vehicle mass and road grade. Copyright © 2006 John Wiley & Sons, Ltd.     

基于折息递推最小二乘自适应动态矩阵的过热汽温控制器设计

针对超临界直流锅炉过热汽温对外界扰动响应快，易发生超温或低温现象，提出一种将动态矩阵预测控制与修正的递推最小二乘算法相结合的折息递推最小二乘(DRPLS)自适应动态矩阵控制策略。通过在动态矩阵预测控制中加入DRPLS算法，降低老数据的影响，增强新数据的作用，提高预测性能。通过调节折息因子，可使模型具有更高的灵活性和适应性。将该方法应用于600MW超临界直流锅炉高温过热系统进行仿真研究，结果表明，该控制策略能较好地适应对象的动态特性变化，且控制系统的性能明显优于常规PID控制器。     

基于电流观测器的三相变流器重复控制方法

提出一种基于电流观测器的三相变流器重复控制方法,采用简单的电流观测器模型,通过对每个控制周期中输出电流增量的状态反馈,可有效消除数字延时的影响,并自动补偿由于电压预测偏差、死区时间和模型参数偏差等造成的波形畸变和相位偏移,真正实现在每个控制周期的结束时刻使实际电流跟踪到其给定值,在计算量增加不大的条件下,保持传统无差拍控制快速响应的特点,并对数字延时以及模型参数具有很好的鲁棒性。