基于Q学习算法的变论域模糊控制新算法

变论域模糊控制器的控制函数被＂复制＂到后代中,往往存在着＂失真＂现象,这种现象的后果是造成算法本身的误差.针对这一问题,本文提出了一种基于Q学习算法的变论域模糊控制优化设计方法.本算法在变论域模糊控制算法基础上提出了一种利用伸缩因子、等比因子相互协调来调整论域的构想,且通过用Q学习算法来寻优参数使控制器性能指标最小,使其在控制过程中能够降低＂失真率＂,从而进一步提高控制器性能.最后,把算法运用于一个二阶系统与非最小相位系统,实验表明,该算法不但具有很好的鲁棒性及动态性能,且与变论域模糊控制器比较起来,其控制性能也更加提高.     

基于实测数据的变压器节能效益精确测算方法及实例研究

提出了一个基于长时间实测数据评估变压器节能效益的较精确的算法，可排除原有各类基于经验数据的估算型评估算法的不确定性，并利用Fluke435进行的24h长时间连续测量的数据。将该方法实际应用于贵阳某大型能源化工企业的变压器，对其节能效益进行了准确评估，取得了较好的效果。     

基于CPS标准的AGC变论域模糊松弛控制方法

控制性能标准(CPS)考核水平的提高是以增加发电机控制指令的下发次数为代价的.如果自动发电控制(AGC)机组调节频繁,机组煤耗和机组磨损会显著增加,导致机组发电效益下降.为了在保证较高CPS考核水平的同时减少发电机控制指令的下发次数,并且提高系统的鲁棒性,文中结合实际电网提出了一种能够在线调节比例积分(PI)控制器参数的AGC变论域模糊松弛控制方法.仿真结果表明,即使电网结构参数发生变化或受到较大随机干扰时,被控系统仍具有快速的负荷适应性、良好的抗扰动能力和很强的鲁棒性,且能在保证CPS考核合格率的同时,明显减少控制命令的下发次数和机组的反调次数.