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。     

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。     

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。     

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。     

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%。     

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PWM占空比优化的PMSM预测直接转矩控制

针对PMSM传统直接转矩控制存在开关频率不规则、开关噪声的频率范围太宽和死区补偿算法复杂等问题,本文提出了一种基于优化脉宽调制(PWM)和死区补偿的PMSM预测直接转矩控制(DTC)方法。该方法首先在已知零电压矢量的基础上,根据预测转矩和磁通误差来选择两个其他有效电压矢量,与此同时,也考虑反电动势和磁通-转矩耦合器;接着,利用零电压矢量和两个其他有效电压矢量预测每个采样周期的转矩和磁通变化量,其中,三个电压矢量的开关周期由转矩和磁通误差以及在上一步中计算出的预测转矩和磁通变化共同决定;然后,采用死区补偿算法和改进的PWM来减小死区效应,以提高预测效果;最后,通过仿真和实验验证了所提方法的有效性和优越性,研究结果表明,所提方法在转矩控制和磁通控制效果要明显优于其他方法,且极大降低了开关损耗。     

航空活塞发动机电控硬件的模块化设计与实现

针对高压共轨型航空活塞发动机的电控单元硬件电路,采用模块化设计方法有助于电控硬件系统适应功能化集成芯片的发展趋势。以英飞凌32位微控制器芯片为核心,从整体到细节对3.3 V和5 V电源供电稳压、MCU晶振供电、0 ～5 V传感器信号调理、执行器高低边功率驱动、PCB电路板布局等进行了模块化电路设计。经过PCB印刷电路制板和电子元器件的手工焊接,在发动机台架上进行了电路硬件系统的实验验证。实验结果中重点分析了曲轴凸轮轴传感器信号调理模块的0 ～3.3 V电压限幅和变频方波变换、高压泵油量计量电磁阀高边MOS管满足最大5 A的功率驱动和喷油器24～48 V混合半桥MOS管驱动Peak-Hold型瞬态电流。其整体实验效果好,符合应用要求。     

基于GPIO的永磁同步电机模型预测转矩控制

在永磁同步电机模型预测转矩控制(model predictive torque control,MPTC)中,由于目标函数控制变量的量纲不同,为了在代价函数中选取最优的权重系数,提出一种改进高斯变异鸽群算法(Gaussian mutation pigeon-inspired optimization algorithm, GPIO)实现权重系数自整定。首先,基于代价函数最小化原则设计PIO的目标函数,用电流id、iq脉动误差均方根评价权重系数。其次,在传统高斯变异算子的基础上引入自适应调整动态参数实现变异。仿真和实验结果表明,将改进后的算法应用于永磁同步电机模型预测转矩系统,能在较少的迭代次数内整定出最优的权重系数,极大地降低了转矩误差和电流谐波畸变率。     

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。     

Application of firefly algorithm with online wavelet filter in automatic generation control of an interconnected reheat thermal power system

This paper presents the implementation of the Firefly Algorithm (FA) with an online wavelet filter on the automatic generation control (AGC) model for a three unequal area interconnected reheat thermal power system. The model includes time delay, dead zone, boiler, Generation Rate Constraint (GRC), and high frequency noise components. A novel filtering technique based on wavelet transform is introduced for the purpose of removing noise(s) from the ACE signal. The performance of the filter is measured by formulating a signal integrity index. The simulation results show that the FA is able to outperform the Particle Swarm Optimization (PSO) in obtaining the minimum objective function based on Integral of Time Weighted Squared Error (ITSE). The results also shows that the proposed online wavelet filter performs with a higher degree of efficiency compared to the conventional low pass filter when the practical model of the AGC is analyzed. Further investigation by varying the GRC and time delay parameter confirms the robustness of the FA tuned controller with the online wavelet filter.     

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RBF神经网络的智能负载控制策略研究

本文在电力弹簧的数学模型和控制电路的基础上,提出了一种基于RBF神经网络的智能负载控制方法,利用RBF神经网络算法可以有效弥补传统PI控制器参数固定,无法更改的缺点。通过对控制器参数实时在线调整,可以有效地减少智能负载失稳情况,从而确保系统母线电压稳定。最后,在MATLAB/Simulink的仿真环境中进行仿真验证,结果表明：与传统PI控制下的智能负载相比,本文所提的控制方法具有更强的调节性能。     

基于PDNN的含风电互联电网负荷频率Tube-RMPC设计

随着新能源大规模接入电网,为应对新能源随机性和波动性给互联系统负荷频率控制(Load Frequency Control, LFC)带来的不确定问题,实现新能源电力系统多约束条件下的优化运行,建立了含风电机组的LFC多胞模型,以减少模型参数不确定对控制系统的影响。设计了基于原对偶神经网络(Primal-Dual Neural Network, PDNN)的Tube鲁棒模型预测控制(Tube-Robust Model Predictive Control, Tube-RMPC)策略。将标称模型预测控制器与辅助反馈控制器结合,通过PDNN实时求解标称模型预测控制器以保证为LFC系统产生最优状态轨迹。设计辅助反馈控制器抵消外部干扰,使实际系统的状态维持在以标称轨迹为中心的Tube内。最后,对含风电的三区域负荷频率控制系统进行仿真研究,结果表明所提出的Tube-RMPC控制策略,不仅能够有效提高控制精度,还能增强系统鲁棒性,提高实时优化效率。     

基于自适应模型预测控制的柔性互联配电网优化调度

针对柔性互联配电网中源荷不确定性问题,提出了一种基于改进模型预测控制的优化调度方法。建立基于模型预测控制的柔性互联配电网日内优化调度模型,采用自适应动态权重方法处理包含综合供电成本和电压偏差的多目标优化问题,在预测模型部分采用动态场景生成及K-means聚类场景削减方法对源荷预测误差进行处理,针对经典模型预测控制滚动优化部分域参数恒定问题,提出一种域参数自适应调整的滚动优化方法。通过四馈线互联的33节点系统仿真算例验证了所提优化调度方法的有效性。     

基于协同进化算法的配电网故障阶段式恢复策略

传统的配电网故障恢复算法难于同时兼顾恢复过程的快速性和恢复策略的最优化。文章提出一种将启发式搜索算法与优化算法相结合的配电网故障阶段式恢复策略：第一阶段采用启发式搜索方法恢复负荷供电;第二阶段利用优化算法处理过载的负荷转移;第三阶段按启发式搜索方法处理过载负荷的切除。为实现快速的网络拓扑分析,采用家族树结构表征配电网,并对传统的粒子群优化(particle swarm optimization,PSO)算法与模拟退火(simulated annealing,SA)优化算法进行改进,提出了协同进化算法(co-evolutionary algorithm of PSO and SA,CPSOSA),CPSOSA算法在求解故障恢复数学模型时具有较高的全局寻优能力。算例分析证明了本文所提恢复策略及算法的可行性和高效性。     

基于RBF近似模型的低速永磁电机齿槽转矩优化

针对一台32极36槽的低速永磁电机,利用Isight优化平台,基于径向基(RBF)神经网络方法和最优拉丁超立方的样本空间,分别建立齿槽转矩、漏磁系数与设计变量间的近似模型,在近似模型的基础上采用多岛遗传算法(MIGA)寻优。优化后的齿槽转矩有限元仿真结果与RBF近似模型预测值的相对误差为1.6%,比初值降低59%,说明了该优化方法的有效性;Isight命令流的使用,提高了优化效率。