基于卷积神经网络和直接转矩控制的永磁同步电机模型预测转矩控制策略

模型预测转矩控制(MPTC)需要遍历所有备选电压矢量进行预测计算,从中选择最优电压矢量,控制性能良好,但算法计算量大和实时性差。采集MPTC的运行数据离线训练卷积神经网络(CNN),将训练好的CNN代替MPTC进行电压矢量选择。为了解决CNN失控问题,提出了基于CNN控制和直接转矩控制(DTC)的MPTC策略。仿真结果表明,该控制策略可有效解决CNN控制的失控问题,控制效果与MPTC基本相当,转矩和磁链脉动明显低于DTC。     

永磁辅助式同步磁阻电机转矩预测控制方法

为了验证永磁磁阻电机具备宽调速域的优势,同时充分发挥永磁磁阻电机在弱磁运行时的输出转矩,提出了一种基于转矩预测控制的全速域控制方法。采用Ansys设计了一台永磁磁阻电机,并与Simulink联合仿真验证了方法的可行性。验证结果表明:转矩预测控制方法可以使电机在全速域获得良好的动态性能,同时永磁磁阻电机弱磁运行时依然具有优秀的转矩输出能力。     

基于改进广义预测控制的过热蒸汽温度优化

为保证超(超)临界机组过热蒸汽温度控制品质良好,提出了基于改进粒子群算法的阶梯式广义预测控制方法.首先利用模拟退火算法避免了粒子群算法(PSO)易于陷入局部最优问题,然后将改进后的PSO算法引入广义预测控制(GPC)的滚动优化环节中.建立了锅炉过热汽温的阶梯式广义预测串级控制系统.仿真结果表明,在不同负荷以及变工况下,相比于串级PID和传统广义预测控制,所提出的控制策略使过热汽温控制系统表现出更好的给定值跟随性能、良好的抗干扰性及负荷适应性.     

表贴式永磁同步电机直接转矩控制变角度预测控制

基于以电压矢量相角为变量的表贴式永磁同步电机(SPMSM)磁链和转矩方程,采用预测控制计算得出施加不同电压矢量相角的下一时刻磁链和转矩值,选择使磁链和转矩误差目标函数最小的电压矢量相角作为最优值,从而确定下一时刻施加的电压矢量。仿真结果表明:在电压矢量变角度预测下,SPMSM直接转矩控制系统运行良好,定子磁链轨迹为理想圆,磁链和转矩均符合控制要求,转速跟踪良好,定子电流波形为正弦。研究了不同等分电压矢量相角选择区域方式下变角度预测控制系统的控制效果。综合考虑控制效果和计算负担,变角度预测控制下将相角选择区域四等分比较理想。     

表面式永磁同步电机直接转矩控制系统简化预测控制策略

针对基于开关表控制的表面式永磁同步电机(PMSM)直接转矩控制系统转矩脉动大的缺陷,建立电压矢量相角为控制变量的预测控制.该方法通过计算下一时刻的定子磁链幅值和转矩得到关于磁链和转矩误差的成本函数,并选择令成本函数最小的电压矢量作为施加电压矢量,但其对定子磁链幅值和转矩的预测计算较为复杂,运算负担大,运算耗时长.提出一...     

表贴式永磁同步电机直接转矩控制变幅值预测控制研究

基于以电压矢量幅值为变量的表贴式永磁同步电机(SPMSM)磁链和转矩方程,采用预测控制计算得出施加不同电压矢量幅值的下一时刻磁链和转矩值,选择使磁链和转矩误差目标函数最小的电压矢量幅值作为最优值,从而确定下一时刻施加的电压矢量。仿真结果表明:在电压矢量变幅值预测下,SPMSM直接转矩控制(DTC)系统运行良好,定子磁链轨迹为理想圆,磁链和转矩均符合控制要求,转速跟踪良好,定子电流波形正弦。预测控制需要从备选电压矢量幅值集合中选择最优幅值。理论上,备选电压矢量幅值个数越多,系统优化效果越好,但也带来更大的计算负担。研究了9种等分电压矢量情况下变幅值预测控制系统的控制效果。根据控制效果和计算负担,提出变幅值预测控制将电压矢量幅值三等分较为理想。     

表贴式永磁同步电机模型预测转矩控制系统预测模型研究

不同的磁链和转矩预测模型使得表贴式永磁同步电机(SPMSM)模型预测转矩控制(MPTC)系统的性能有所差异。因此建立了基于转子磁链坐标系、定子磁链坐标系和静止坐标系的SPMSM MPTC系统,并进行仿真验证和对比分析。仿真结果为SPMSM MPTC的预测模型的选择提供参考。     

基于双变量预测控制的表贴式永磁同步电机直接转矩控制系统

基于电压矢量幅值和相角为变量的表贴式永磁同步电机(SPMSM)定子磁链幅值和转矩表达式,给出了9个不同幅值和相角的备选电压矢量,采用预测控制计算得出施加不同电压矢量下一时刻的定子磁链幅值和转矩值,建立了基于磁链和转矩误差的目标函数,并选择使目标函数最小的电压矢量为作为下一时刻施加的最优电压矢量。仿真结果表明:在双变量预测控制下,SPMSM直接转矩控制系统运行良好,定子磁链轨迹为理想圆,磁链和转矩均符合控制要求,转速跟踪良好,定子电流波形正弦。进一步对比分析表明:与开关表和固定电压矢量选择策略相比,双变量预测控制能显著减小转矩和磁链脉动。与开关表相比,转矩脉动均方根误差降低了62.92%,磁链脉动均方根误差降低了45.05%,评价函数均值降低了60.30%;与固定电压矢量选择策略相比,转矩脉动均方根误差降低了22.40%,磁链脉动均方根误差降低了3.85%,评价函数均值降低了15.93%。     

感应电机无差拍模型预测转矩控制研究

传统模型预测控制（MPC）在三相两电平逆变器驱动感应电机系统中需对所有电压矢量进行滚动优化预测,计算成本高,实施难度大。为此,提出一种无差拍（DB）MPC,将滚动优化预测电压矢量从8个减少到3个。通过求解DB电压矢量和对DB扇区的划分,根据空间电压矢量位置确定扇区,只将扇区内矢量进行单步滚动优化预测,输出相对应的最优开关状态。仿真结果表明:DB预测转矩控制在减轻系统计算负担情况下,达到与传统MPC几乎相同的稳态跟踪性能。     

面向广域分布的家庭蓄热式电采暖集群控制方法

针对面向新能源消纳调制广域分布的家庭蓄热式电采暖(REH)负荷的时空分布特征存在维度大、调控难的问题,提出了一种基于历史数据的REH控制方法。根据用户房屋参数、REH类型等信息对REH用户进行聚类以降低策略的求解维度;考虑用户舒适度、REH运行约束条件,并根据不同的控制目标建立对应的目标函数,采用粒子群优化算法优化历史数据中各REH集群的用电策略;基于卷积神经网络学习状态特征与REH用电策略之间的关系,利用该卷积神经网络生成REH的实时运行策略。基于某地区冬季电网的发电数据,采用蒙特卡罗方法模拟10000台REH的用电需求并进行仿真分析,以验证所提方法的有效性。结果表明所提方法能在满足策略生成时效性以及用户舒适度的前提下,有效促进新能源消纳,并减少用户的取暖费用,平抑负荷波动。     

基于粒子群优化的BP神经网络在火电厂大气环境评价中的应用

利用粒子群优化算法对传统的BP神经网络算法改进,建立了基于粒子群优化BP神经网络的评价模型,并将其应用到火电厂大气环境评价研究中。结合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索优势,有效防止了网络陷入局部极小值,同时能保证评价结果的准确性。火电厂实例验证结果表明:利用粒子群优化的BP神经网络模型进行火电厂环境评价不仅计算简便,而且评价结果具有较高的可靠性。     

节能发电调度下的发电机组综合评价研究

为了综合评价机组发电能力,提出了K-means粒子群聚类算法,该算法结合了K-means聚类算法和粒子群算法特点,能够对数据集进行快速分类,具有良好的收敛效果。将该方法用于10台发电机组的综合评价,通过对各机组指标的聚类分析、权重和重要度计算,得出了各机组的综合评价值,并将其按综合值大小进行排序。结果表明了本文所采用方法有效可行,能够为节能发电提供必要的分析依据,具有一定的实际意义。     

基于粒子群优化BP神经网络的速度观测器

利用BP神经网络可以逼近任意的非线性关系的特点,构建一个神经网络速度观测器.由于BP神经网络的初始权值和阈值的选择存在随机性,对网络的性能影响很大,但又无法准确获得,提出将PSO算法与BP算法结合的方法,通过粒子群算法优化BP神经网络,得到最佳初始权值和阈值,提高了速度观测器的精度.通过实验采集的数据来训练这个神经网络,实验结果证明了该方法的有效性.     

基于粒子群优化算法的动态无功优化

提出了用于电力系统动态无功优化的粒子群优化算法(PSO),应用一个时间优先级序列来选择有载调压变压器分接头和可投切并联电容器组的动作时刻,将动态无功优化转化为一系列的静态无功优化问题.针对每一个时刻的静态优化,用罚函数将有约束问题转化为无约束问题,最后用粒子群优化算法加以解决.算例充分验证了本算法的正确性和有效性,以及在限制控制设备动作次数方面取得的成功,适用于解决动态无功优化问题.     

光伏阵列故障类型的改进型RBF神经网络识别算法

光伏阵列是光伏系统中非常重要的组成部分。传统的BP神经网络诊断算法有着精度低、收敛速度慢等缺点,为了精确地诊断出光伏阵列内部的故障位置及其类型,通过分析阵列开路、短路、老化、阴影和电池板裂片5种故障,提出了一种改进型RBF神经网络的故障诊断识别算法。首先,建立RBF神经网络的光伏阵列故障诊断模型,确定基于遗传算法的故障模型隐层中心的确定方法,然后针对基于粒子群优化算法的网络模型进行自适应权重寻优的仿真实验。最后,将优化的算法与传统RBF神经网络算法进行对比。结果表明:该优化算法不仅可以有效地诊断光伏阵列的故障类型,还可以提高故障诊断的准确率。     

基于小波包和支持向量机的电能质量扰动识别

电能质量扰动识别是电能质量检测系统的重要组成部分,也是进一步采取适当措施对其进行治理和控制的前提和依据.通过MATLAB仿真软件建立5种典型扰动信号的模型,包括电压突降、突升、中断、脉冲暂态及谐波;利用小波包分析方法对上述扰动信号进行特征向量提取;并采用粒子群算法对SVM核函数参数γ和惩罚参数C寻优,确定最优SVM分类模型,最终测试精度为98.125％,表明该算法实时性强、识别精度高,从而验证了所用方法的可行性.     

Integration of a bi-directional DC-DC converter model into a real-time system simulation of a shipboard medium voltage DC system

A bi-directional dc/dc converter model is investigated for a notional Medium Voltage DC (MVDC) shipboard power system to improve energy flexibility and deal with peak energy demand in shipboard power system. Surplus energy in the MVDC system during light load condition can be captured by energy storages distributed in local load zones through the bi-directional dc/dc converters and then can be used during heavy load condition or black starting of the MVDC system. In this paper, the derivation process of the small-signal average models of the isolated-type bi-directional dc/dc converter is presented for controller design. This paper also presents the controller optimization process using intelligent optimal searching algorithm, Particle Swarm Optimization, for optimizing dynamic and steady-state control performance of a bi-directional dc/dc converter. The control performance of the proposed controller is evaluated using frequency-domain analysis and time-domain simulation of the large-scale notional MVDC shipboard power system using the Real-Time Digital Simulator.     

基于CNN的MPTC与DTC自适应切换的表贴式永磁同步电机控制策略

针对表贴式永磁同步电机(PMSM)模型预测转矩控制(MPTC)计算复杂的问题,训练卷积神经网络(CNN)以替代MPTC实现电压矢量的选择。仿真结果表明基于CNN的MPTC稳态性能与传统MPTC基本相当,但由于稳态和动态数据不平衡,使得基于CNN的MPTC动态下磁链脉动较大。因此,提出根据系统状态将基于CNN的MPTC与直接转矩控制(DTC)自适应切换使用的策略。仿真结果表明,该策略在保证稳态控制性能的同时可以有效抑制动态下磁链脉动。