抑制间接矩阵变换器共模电压的调制策略

间接矩阵变换器在运行过程中会产生较大的共模电压,对电机系统造成严重的电磁干扰,影响系统正常运行。针对这一问题,提出一种新的空间矢量调制策略降低共模电压大小,改善输出电压性能。首先,将整流级空间矢量重新划分区域,根据参考电流矢量所在区域选择3个相邻的有效电流矢量,将有效矢量下的平均直流母线电压维持在一个恒定值,保证整流级的最大输出电压。其次,逆变级采用无零矢量调制策略,通过使用3个有效电压矢量合成所需要的输出电压,将共模电压峰值抑制到输入相电压幅值的57.7%。与传统调制策略相比,提出的调制策略不仅可以减轻系统计算负担,还可以减少系统输入输出谐波,改善输入输出波形质量。最后,通过Matlab/Simulink和实验平台搭建相应模型,仿真和实验结果验证了所提出策略的有效性。     

基于多分区自适应改进果蝇算法的风光燃储微电网协调控制策略

为了使微电网控制系统中PI控制器的参数能够更好地适应可再生能源的随机性和波动性,提出了基于自适应步长的四分区多策略果蝇优化算法(fruit fly optimization algorithm, FOA)对PI参数进行实时优化。首先,以风光燃储微电网不同微源控制系统中的变换器为控制对象,建立微电网整体控制系统模型,基于此模型实时调整PI参数。然后,根据不同果蝇个体的适应度值将果蝇种群分为4个区,同时考虑4个区果蝇收敛性以及多样性的差异,设计不同的自适应更新策略。最后,采用所提算法对各微源控制过程中的PI参数进行寻优,与其他3种智能算法进行对比,验证了所提算法的可行性和优越性。仿真结果表明,所提算法可以使系统变换器响应速度更快,输出更加稳定。     

基于改进Q学习算法和组合模型的超短期电力负荷预测

单一模型在进行超短期负荷预测时会因负荷波动而导致预测精度变差,针对此问题,提出一种基于深度学习算法的组合预测模型。首先,采用变分模态分解对原始负荷序列进行分解,得到一系列的子序列。其次,分别采用双向长短期记忆网络和优化后的深度极限学习机对每个子序列进行预测。然后,利用改进Q学习算法对双向长短期记忆网络的预测结果和深度极限学习机的预测结果进行加权组合,得到每个子序列的预测结果。最后,将各个子序列的预测结果进行求和,得到最终的负荷预测结果。以某地真实负荷数据进行预测实验,结果表明所提预测模型较其他模型在超短期负荷预测中表现更佳,预测精度达到98%以上。     

双重移相控制下的双向全桥DC-DC变换器最小电流应力分段优化控制

为了减小双向全桥(dual-active-bridge, DAB)DC-DC变换器的电流应力,提升变换器的效率,提出了一种DAB变换器在双重移相控制下的电流应力分段优化控制策略。该策略首先分析了DAB变换器的结构及其功率特性,推导得到了电流应力与传输功率、移相角之间的关系。然后针对输入输出电压不匹配的情况,对DAB变换器的电流应力进行了分段优化,通过将传输功率分段得到了DAB变换器在不同传输功率范围下的最优移相角。将所提控制策略与传统双重移相控制策略对比分析,发现所提控制策略具有更小的电流应力和回流功率,减少了变换器的导通损耗,提升了变换器的效率。当负载发生突变时,DAB变换器的动态性能得到了大幅提升。最后基于所提控制策略搭建了实验样机,实验结果验证了所提控制策略的正确性和有效性。     

基于双二阶滤波器的LCL型并网逆变器延时补偿方法

为了抑制LCL型滤波器的谐振尖峰,电容电流反馈有源阻尼被广泛应用于LCL型并网逆变器中。由于数字控制延时带来的不利影响,电容电流反馈有源阻尼的阻尼性能被严重削弱。负阻尼区域出现在到之间,减弱了并网逆变器的稳定性和对电网阻抗变化下的鲁棒性。在电容电流反馈通道上插入一个双二阶滤波器来补偿数字控制延时带来的相位滞后,正阻尼范围可以扩展到,从而实现了对电网阻抗变化的高鲁棒性。选择了合适的离散化方法,分析了补偿后的系统稳定性。提出了一个详细的闭环参数设计流程,以获得良好的控制性能。最后,实验结果验证所提方法的有效性和参数设计流程的可行性。     

一种基于S_VMD与Sdr_SampEn的局部放电信号去噪方法

交联聚乙烯(XLPE)电缆作为“双碳”目标中电力传输的重要工具,在使用一定年限后绝缘性能会下降,局部放电(Partial Discharge, PD)检测作为评估XLPE电缆绝缘状态的重要手段已广泛应用。针对PD信号中存在的各类噪声问题,提出了一种基于Spearman变分模态分解(Spearman Variational Mode Decomposition, S_VMD)与空间相关递归样本熵(Spatial Dependence Recurrence Sample Entropy, Sdr_SampEn)的局部放电信号去噪方法。首先通过S_VMD将信号分解为K个最优本征模态分量(Intrinsic Mode Function,IMF),然后通过计算各IMF的Sdr_SampEn值来判定其是噪声主导分量还是PD主导分量;再对分类后的IMF分别采取改进小波阈值去噪和Savitzky-Golay (SG)滤波去噪,最后进行重构得到去噪后的PD信号。利用该方法对仿真与实测PD信号进行去噪处理,并与自适应变分模态分解(Adaptive VMD, AVMD)等去噪算法进行对比分析,结果表明该方法能有效抑制PD信号中的噪声,具有一定的工程价值。     

基于改进YOLOv5s的煤矸石目标检测算法

针对工业场景下煤矸石分拣任务检测精度低、分拣速度慢的问题，提出一种基于改进YOLOv5s的煤矸石目标检测算法。在主干网络的卷积层中加入轻量化注意力机制CBAM，以提升目标在复杂的煤渣环境中的特征表达的能力；其次，改进特征融合层为BIFPN，BIFPN结构进行了双向跨尺度连接和加权融合，以加强煤矸石浅层的特征信息和高层煤矸石位置信息，解决煤矸石颜色、纹理相近难以分类的问题；最后，在原算法DIoU的基础上增加对边界框高宽比考虑，以提升检验框检测的准确率。在工业生产环境中采集的10 000张煤矸石图像作为数据集对所提方法进行实验，实验表明，与改进前的YOLOv5s模型相比，在检测速度基本保持不变的前提下，改进算法平均精度mAP_0.5达到了93.3%，平均检测精度提高了5.1%，实现了对煤矸石进行目标检测的要求。     

基于 SRCKFw-检测的多传感器融合的姿态解算算法

针对惯性导航系统受模型误差和测量异常值误差的影响,姿态解算结果易出现精度差甚至发散的问题,提出了一种基于平方根容积卡尔曼滤波(square-root cubature Kalman filter, SRCKF)w-检测的多传感器姿态融合算法。利用协方差匹配法对SRCKF的新息序列进行自适应调整,经过调整后的新息在迭代过程中会补偿量测噪声方差阵,减小模型误差影响;再利用调整后的新息进行误差探测,提高w-检测的探测精度,并构造观测值替换准则进行误差观测值替换,解决测量异常值误差带来的影响;最后利用SRCKF进行姿态融合,陀螺仪的姿态作为状态方程,经检测替换后的加速度计和磁力计姿态作为量测方程。实验表明,所提算法可以准确估计系统姿态,与传统算法相比解算精度平均可提升62.43%,在不同条件下,算法整体性能均可得到大幅提升,并能快速进行姿态解算,保证解算精度。     

Resilient iterative learning control for a class of discrete-time nonlinear systems under hybrid attacks

The security control problem for a class of unknown nonlinear systems is considered in this paper. For the nonlinear system running in the network environment, the measurement channel is subjected to hybrid attacks. Intermittent denial of service attacks and false data injection attacks are modeled as the hybrid attacks. According to the characteristics of the repetitive system, a resilient iterative learning control (ILC) algorithm under hybrid attacks is devised. Subsequently, the stability of the system is proved by mathematical derivation and theoretical analysis in the sense of mathematical expectation. The theoretical analysis results indicate that the resilient ILC algorithm can ensure the stability of the system, and the tracking error converges with the increased number of iterations. Finally, the validity of the algorithm is illustrated by numerical simulation and mobile robot simulation.     

Reconstructibility analysis and set-observer design for Boolean control networks

This paper deals with the issues of reconstructibility analysis and set-observer design for Boolean control networks (BCNs). A state estimation set is considered to find the state estimation of BCNs, and a reconstructibility judgment matrix (RJM) is obtained by compact vector of state estimation set. Then, a kind of state-reconstructible tree is constructed, and algorithms are also provided to construct it. The state-reconstructible tree can categorize BCNs to be globally reconstructible, locally reconstructible, and unreconstructible. The sufficient and necessary conditions for the reconstructibility of BCNs are given. Meanwhile, the relationship between input–output trajectory and estimated state is derived. Next, with the knowledge of input–output sequence, a set-observer is designed such that the state of BCNs for any global reconstructible BCNs is uniquely determined in a finite time. Some examples are also given to illustrate the effectiveness of the proposed methods.