基于BP神经网络和GA-PID的超超临界锅炉系统解耦控制研究

直流锅炉运行中,给水调节和燃料调节十分重要,但其各变量之间存在强耦合关系。本文针对1 000 MW超超临界机组直流锅炉中燃料和给水协调控制对象参数多变、强耦合的特点,提出了一种改进权值调整的BP神经网络分散解耦智能方法,实现系统解耦,然后采用遗传算法PID(GA-PID)控制方法对解耦后近似独立的两组对象进行控制。仿真结果表明:BP神经网络分散解耦算法具有很强的非线性映射能力和自适应解耦能力,GA-PID具有良好的控制效果,所设计的系统具有较强的鲁棒性,解耦控制方案能够达到理想的效果。     

基于多种算法的火电厂配煤优化方法研究

针对解决火电厂目前电煤供应紧张、煤价成本居高不下的现状。文章通过对电厂的实际用煤展开最优炉前配煤研究,方案通过建立以掺烧煤成本最低为目标函数和机组对混煤的工业成分要求作为约束条件的配煤数学模型,利用粒子群算法的局部快速收敛特性优化遗传算法进行模型求解。其单混煤煤质工业成分间的非线性映射关系通过建立GA-BP神经网络预测模型进行预测。通过算例及误差结果证明该方法在煤质预测和求解配煤成本最低的可靠性,可对电厂实际配煤进行指导。     

基于V2-OCC的BUCK变换器的斜坡补偿控制研究

针对BUCK变换器的电压模式控制中,电力电子开关工作在大占空比下不稳定,易引起次谐波振荡,提出了一种基于V~2-OCC的BUCK变换器斜坡补偿控制方法。增加斜坡补偿环节,在电流内环引入基于负载前馈的纹波补偿,通过匹配控制参量参数达到稳态无差调节。通过对输出电压进行补偿设计,不仅提高了系统的带载能力,同时也提高了系统的鲁棒性与稳态精确性。为验证所设计控制器的性能,在Matlab/Simulink里搭建仿真模型,并将控制效果与传统PID控制以及V~2-OCC控制效果相比较,仿真结果表明引入斜坡补偿环节的控制方法具有更强的鲁棒性与带载能力。     

基于BLMD和NSDFB算法的红外与可见光图像融合方法

针对传统图像融合方法容易导致融合图像出现细节不明显和目标信息不完整的问题,本文提出一种基于二维局部均值分解(Bidimensional Local Mean Decomposition,BLMD)和非下采样方向滤波器组(Nonsubsampled Directional Filter Banks,NSDFB)算法的红外与可见光图像融合方法(基于方向滤波的二维局部均值分解法,BidimensionalLocalMeanDecompositionbasedDirectionalFilteringAnalysis,BLMDDFA)。首先,计算两幅原始图片的熵值,同时提取熵值较大的图片的残余分量,该残余分量与另一张原始图片有着较强的相关性。然后,通过BLMD和NSDFB算法将残余分量和熵值较小的原始图片分解成低频子带和一系列不同尺度的高频方向子带,并使用不同的融合规则分别对低频子带和高频子带进行融合。最后,通过相应的逆变换运算获得融合图像。实验结果表明,本文方法的融合性能在对比度、细节信息展示和目标突出方面均高于经典的融合算法,在信息熵、标准差、空间频率和平均梯度方面较Laplacian方法中各指标分别提高了5.6%、28.9%、37.4%和47.6%,信噪比较Laplacian方法降低了8.5%。     

基于深度信念网络的低风速风电参与微电网频率优化控制

低风速分散式风电接入微电网使得微电网能够利用低风速风资源为负荷供电,但其低惯量的特点也对微电网的频率稳定性提出了挑战。为了探究微电网中低风速风电机组(LWTG)如何有效参与抑制微电网频率波动,在LWTG中引入虚拟惯量控制、超速控制和下垂控制。针对风电机组最小转子转速限制,通过理论分析确定了合适的LWTG的参数;针对超速控制存在的盲区问题,利用深度信念网络来优化不同风速下的减载率以及虚拟惯量控制、下垂控制的控制参数;在低风速风况下验证了优化后的参数能够有效减少负荷波动引起的微电网动态频率跌落幅度,并获得较好的调频效果。     

一种基于ARMA-BP组合模型的电压偏差预测方法

国内许多变电站建立了电能质量的预测与预警机制,以应对日益严重的电能质量问题,其中电压偏差最为严重。针对预测模块中电压偏差预测算法的缺失,结合配电网的运行状态,提出了一种基于ARMA-BP组合模型的电压偏差预测方法。针对单一时间序列方法的不足,将时间序列和人工神经网络的算法结合起来。通过分析上海某变电站的电压偏差数据特征,首先采用时间序列的方法建立ARMA模型。然后采用BP人工神经网络的方法对ARMA模型预测值与原始数据之间的残差值进行拟合预测,最终得到2种模型预测所得累加值的结果。研究结果表明了所提方法的有效性。     

基于荷电状态的混合储能系统协调控制策略

为优化混合储能系统运行状态,提出了一种新型混合储能分层协调控制策略,包括上层能量管理与下层混合储能控制。上层能量管理层根据微电网母线电压、频率以及混合储能系统综合荷电状态(SOCHESS),利用模糊逻辑算法优化混合储能系统的充放电功率,使得储能设备的荷电状态维持在合理范围。下层混合储能控制层在低通滤波器的基础上根据磷酸铁锂电池和超级电容器各自的SOC,建立分配功率修正算法,优化储能单元的SOC状态。仿真实验证明,所提出的基于荷电状态SOC的分层协调控制,有效地降低了混合储能的SOC的变化范围,防止储能设备的过充或过放。     

长距离中压线路无功优化算法研究

针对已有算法在解决长距离中压线路无功优化问题中的不足,提出了在保证末端电压质量的情况下,以线路有功功率损耗最小为目标函数的数学模型。通过改进变尺度混沌优化算法中尺度变换系数和"二次搜索"调节系数,在保证当前最优解为中心的情况下,不断缩小优化变量的搜索范围加强局部细化搜索能力,从而提高了对目标函数的求解精度。通过实例分析可知,该算法在处理无功优化问题时其优化程度与线路的长度有一定关系,对于20 km以下的线路其优化效果较为明显,当线路长度约为10 km时结合遗传算法效果更佳。     

基于改进DEMD和ICA的海上风机传动系统早期故障诊断

针对传动系统早期故障振动信号较弱的情况,提出基于改进微分经验模式分解(DEMD)和独立分量分析(ICA)的海上风机传动系统早期故障诊断方法。为克服传统的DEMD算法在分解低阶本征模态函数(IMF)时存在失真现象,提出改进的微分经验模式算法将原始振动信号分解成若干个独立的IMF信号,结合ICA进一步进行原始振动信号故障特征分量的提取,并基于标准数据和风机动力传动故障诊断实验平台进行了仿真研究,最后选取海上风电机组传动系统常出现的发电机轴承故障进行诊断分析。结果表明,相对于传统的故障诊断方法,该方法能更好地放大故障分量,减少噪声和其他振动干扰信号的影响,提高了海上风电机组传动系统早期故障诊断的准确性。     

电网电压不平衡及谐波畸变时基波电压正负序分量分离新方法

针对传统锁相环(PLL)在电网电压不平衡及谐波畸变下利用常规软件锁相环不能准确获取相位的问题,提出了一种新的正负序分量分离新方法。利用了相序解耦谐振控制器能去除高次谐波和延时信号消除(DSC)法可滤除特定谐波的特性,将相序解耦谐振和延时信号消除法结合起来,达到更好的正负序分量分离的效果。最后,采用MATLAB/Simulink软件仿真结果证明了所提出方法的可行性和有效性。