基于规则获取的Petri网故障诊断模型研究

针对构建合理的Petri网故障诊断模型,研究了以矩阵运算方式描述及处理故障发生过程中的逻辑关系的问题。以旋转机械故障诊断为例,用粗糙集理论对其样本条件属性进行约简,利用Skowron缺省规则获取方法得到故障诊断规则;并对传统Petri网进行改进并构造诊断模型,利用Petri网的动态描述与矩阵运算能力进行故障诊断,从而在一定程度上解决了样本集中存在不一致信息的问题,避免了Petri网对于复杂系统建模时出现的组合爆炸,具有一定的创新性和较大的使用价值。应用实例验证了该方法的可行性与有效性。     

一种动态分层的互联电网AGC控制策略

大规模可再生能源的并网,使电力系统供需的不确定性增加,自动发电控制(automatic generation control,AGC)方法的固定模式将难以平衡调频需求的多样性与控制策略针对性之间的矛盾.对此展开研究,提出了一种基于动态分层的互联电网AGC控制策略.首先,在多区域互联电网AGC模型基础上,设计了两层控制框...     

考虑垃圾焚烧烟气处理与电转甲醇的综合能源系统优化调度

为提升综合能源系统的环境效益与经济效益,促进可再生能源消纳并平抑系统波动,提出考虑垃圾焚烧烟气处理与电转甲醇的综合能源系统优化调度模型。首先,在垃圾焚烧电厂中,将脱硫、脱硝、碳捕集和烟气储存装置一同构成烟气处理系统,减少环境污染的同时实现垃圾焚烧发电与烟气处理环节时间上的解耦。其次,构建烟气处理系统-电转甲醇-甲醇燃料电池协同运行框架,碳捕集所得CO2作为电转甲醇原料,生成的甲醇可直接获得商品收益,亦可通过甲醇燃料电池维持系统供电稳定性。最后,提出奖惩差异型阶梯碳交易机制以约束系统碳排放,建立以系统运行净成本最小为目标的优化调度模型。算例结果表明,该模型具备“削峰填谷”效用并能有效促进系统绿色、经济运行。     

考虑SOC的自适应分组策略在储能参与一次调频中的应用

大规模储能电站中各电池组状态的不一致性,使得传统电池参与一次调频研究时的归一化处理难以涵盖所有电池组状态,容易导致部分电池过度充放电。提出了一种考虑电池荷电状态（state of change, SOC）的自适应分组策略,用于储能参与一次调频的应用研究。根据电池的额定容量和SOC对储能电池进行分组,以实时调整各电池组的出力比例;设计评价指标以量化分析电池使用寿命,根据每组电池SOC对其进行综合控制,以实时调整每组电池出力大小,减小电池循环深度,提升其使用寿命。通过Matlab/Simulink进行仿真验证,结果表明,所提分组策略能在保证一次调频性能的同时,有效提升储能电池的使用寿命。     

随机SPWM抑制电磁噪声的研究

在恒定三角载波频率的SPWM控制策略的基础上,针对开关频率高速变化,引起强烈的电磁干扰问题,提出一种基于Lorenz变载波频率的SPWM控制方法,利用随机变化的低噪声特性平滑高次谐波能量,达到抑制EMI的目的.利用MATLAB进行仿真,仿真结果达到了预期的控制效果.     

基于模糊控制的光伏发电系统MPPT技术研究

为了有效利用光伏电池,弥补其比较低的光电转换效率,需要对光伏发电系统最大功率点进行快速准确的跟踪.在建立光伏发电系统MPPT仿真模型中,对基于模糊控制的MPPT问题进行了研究,通过在Matlab/Simulink下建立基于查表法模糊控制的光伏发电系统的仿真模型,以及对模糊控制的查表法中隶属度与规则的设计.仿真结果表明,该模型具有较好的响应速度以及较高的跟踪精度.     

粗糙集理论在故障诊断中的问题分析

粗糙集理论能对系统中的冗余信息进行约简,但其处理过程完全基于样本集,样本集的完备性对其处理结果有直接影响.对粗糙集理论及其在故障诊断中属性约简存在的问题进行了分析,通过实例证明了在故障样本集不完备的情况下,利用粗糙集进行的属性约简会由于新故障样本的引入而导致前后约简结果的不一致,从而影响诊断的准确性;指出了该问题产生的关键原因及解决的办法,并给出了相关的实现算法,以提高系统的故障诊断自适应性.     

一种考虑风速变化的补偿型AGC方法

针对含风电互联区域电网AGC过程中由于风速变化可能导致的电网频率波动问题,在模型预测基础上,将预测的风速偏差转换成风功率偏差,并作为此可变参数式PID控制器的输入以产生有功输出补偿量,并将其与MPC输出量叠加导入AGC机组中,达到根据风速变化趋势进行电网频率控制的最优化目的。通过对模型的仿真分析与比较,发现该补偿环节能够有效利用风速预测结果消除风速不确定性时电网频率的影响,仿真结果验证了此方法的可行性和有效性。     

基于改进粒子群算法的电力系统无功优化

简单介绍了基本的粒子群算法,阐述了在电力系统无功优化中的数学模型和变量的约束条件。对于粒子群算法容易陷入局部最优解和后期收敛速度比较慢的问题提出了两个改进的方法,并且在IEEE-6节点系统上进行仿真实验,证明了本算法的可行性和优越性.     

基于禁忌粒子群优化的FCM聚类方法

针对模糊C-均值算法(FCM)对初始值敏感的问题,提出禁忌搜索粒子群算法来优化FCM算法初始聚类中心.该混合算法是以粒子群算法为主体,禁忌算法针对粒子群算法的输出做更新,以避免单一使用粒子群算法而陷入局部最优的困境.算法保留了粒子群算法的并行处理能力,同时利用了禁忌搜索算法跳出局部最优解的特性,加快了整体算法的收敛速度并提高了聚类的准确率.