机炉协调系统的模糊增益调度预测控制

多变量锅炉-汽机协调系统的动态特性随着工况而变化，文中提出了一种新型的模糊增益调度预测控制策略来控制这个非线性过程。基于模糊集合理论建立了机炉协调系统的非线性离散全局模糊模型，并设计了一种基于全局模糊模型的新型扩展状态空间预测控制器。它能方便地处理控制作用的受限优化问题，同时它卓越的滚动优化能力又确保了机炉协调系统在全工况范围内的最优控制品质。仿真试验表明：文中所提出的全局非线性预测控制器在控制作用幅值、速率均受限的情况下仍具有满意的全工况负荷跟踪性能。     

机炉协调系统的动态矩阵控制仿真研究

针对火电单元机组负荷控制系统多变量强耦合的特点,将多变量DMC(动态矩阵控制)策略应用于负荷预测控制系统,对300MW燃煤直流锅炉再热机组固定参数模型和变参数模型分别进行了仿真研究。结果表明,多变量DMC算法内含的解耦机制和优良的控制品质,使得单元机组负荷预测控制系统在不同的负荷下均获得了满意的控制效果,负荷跟踪性能好,鲁棒性强。     

基于PSO优化与深度信念网络的机炉协调系统建模研究

火电厂机炉协调控制系统的控制对象是一个多变量的复杂模型,具有非线性、强耦合、惯性大的特点。针对传统的建模方法缺乏灵活性的缺点,提出一种基于粒子群优化DBN(深度信念网络)的机炉协调系统数据驱动建模方法,以时序数据为基础,采用DBN的无监督贪婪逐层训练算法确定各层网络的权值,引入粒子群优化算法对DBN网络层的神经元数量进行寻优,提高模型精度,最后,结合BP网络在顶层设计联想记忆层实现预测回归分析功能。以660 MW燃煤机组协调系统为试验对象,结果表明,该方法建立的模型具有良好的非线性拟合能力,预测精度高。     

基于免疫优化的机炉协调系统模糊增益调度H∞鲁棒控制

针对非线性锅炉-汽轮机系统在负荷点大范围变动情况下的协调控制,提出了一种新的免疫优化模糊增益调度 鲁棒控制方法。该方法首先利用 /混合灵敏度方法设计出多个 局部鲁棒控制器以覆盖机炉系统的负荷变化区间;然后采用模糊推理生成增益调度准则以实现各局部控制器间的软切换;最后利用免疫遗传算法对模糊增益调度准则的结构参数进行优化设计,从而保证闭环系统具有良好的全局控制性能。仿真研究表明：基于该方法设计出的协调控制系统在大工况范围内具有优良的调节品质。     

超超临界机组全负荷段机炉协调系统建模研究

对超超临界机组全负荷下的机炉协调模型进行了研究,通过分析机组在于态和湿态的不同特性确定了协调系统模型结构,利用数据辨识和教与学算法对模型中未知参数进行了寻优,最后通过实际数据对模型进行了检验并证明了模型的有效性.     

基于TS模糊模型的稳定预测控制及其在机炉协调系统中的应用

针对TS模糊系统,提出一种基于模糊李亚普诺夫函数的稳定预测控制方法,通过构造模糊李普诺夫函数并最小化预测控制中无穷时域或拟无穷时域性能指标的上界,来设计满足系统闭环稳定、输入约束以及控制性能最优的平行分配补偿控制律.该控制律最终归结为求解一组线性矩阵不等式约束下的凸优化问题.模糊李亚普诺夫函数的使用减少了公共李亚普诺夫函数及分段李亚普诺夫函数的保守性,增加了可行解的范围.数值仿真和火电厂非线性机炉协调系统中的仿真试验,证明了这种方法的优越性和有效性.     

机炉协调系统的非线性输出跟踪控制

为了克服非线性环节以及能量供需之间关联耦合作用对协调系统控制品质的影响，提高单元制发电机组的快速负荷响应能力，本文基于非线性稳定逆原理，采用非线性输出跟踪控制结构，针对一个通用的非线性协调系统模型，设计出非线性输出跟踪控制器。该控制器由稳定逆系统及反馈控制器两部分组成，稳定逆系统相当于前馈部分，用于提高系统的响应速度；反馈控制器保证了系统的稳定。在不同负荷下的仿真试验表明，依据非线性输出跟踪控制策略设计出的控制系统具有良好的解耦效果和设定点跟踪能力。     

机炉协调系统的鲁棒非线性控制

文中将一种近似反馈线性化方法和概率鲁棒分析设计方法结合起来设计机炉协调控制器。近似反馈线性化方法采用积分观测器估计并补偿系统的扩张状态，不仅实现了系统的近似线性化，而且减弱了外扰、参数不确定性和限幅限速对系统的影响。控制器的参数采用基于遗传算法的概率鲁棒分析设计方法得到，在设计阶段可直接考虑鲁棒性能设计要求。最后设计了两种典型情况进行仿真，并与回路成形H∞方法进行了比较，结果显示文中的方法具有更好的鲁棒性和适应性。     

基于广义动态模糊神经网络的电厂锅炉燃烧优化建模

针对电厂锅炉燃烧系统的非线性、大延时、时变、干扰频繁等特点,采用模糊神经网络对其建立数学模型。通过所建数学模型研究燃烧效率和氮氧化物排放量之间的关系,从而对锅炉燃烧系统进行优化,以提高锅炉效率和减少污染物排放。仿真结果表明,利用改进的广义动态模糊神经网络对电站锅炉燃烧过程建模能够精准地逼近实际数据,且性能优于其它神经网络。     

基于支持向量回归的协调系统建模

电厂单元机组协调系统的控制品质,从很大程度上取决于对机组的动态特性的预测程度。而支持向量机SVM（Support Vector Machines）作为在统计学习理论上发展起来的一种实用算法,其原理经过严密地理论证明已经得到了普遍认可,且已经广泛地应用于模式识别、函数拟合、预测和神经网络等诸多领域。运用支持向量回归的方法对山西阳光发电有限责任公司的协调系统模型进行了预测,并进行了仿真试验,证明了该方法的有效性。     

基于减法聚类的模糊神经网络负荷建模

负荷模型是决定电力系统仿真结果可信度的关键因素之一,本文从非机理模型的角度,提出一种基于减法聚类的模糊神经网络的负荷建模新方法.首先对建模样本输入输出数据进行特征分析,建立其山峰密度函数,应用减法聚类自适应的调整建模数据的聚类数和聚类中心,以确定负荷模型的模糊规则数和隶属度函数个数.在此基础上建立综合负荷模型的模糊初始结构.通过神经网络对推理数据进行学习,获取模糊推理规则,同时调整隶属函数的参数,用反向传播算法来修正网络的连接权重,辨识模糊模型的隶属函数的参数,完成综合负荷的非机理建模.通过对实测综合负荷的有功和无功建模实例,证明了该方法具有很高的拟合精度和收敛速度,对负荷建模具有重要的指导意义.     

基于模糊神经网络PID控制算法的冶金工业炉温度控制方法

冶金产品的制造工艺比较复杂,生产过程中的温度变化频率较高,无法在短时间内变换成要求的冶金工业炉温度,导致冶金产品质量不能符合生产需求。为了避免上述缺陷,提出了一种基于模糊神经网络PID控制算法的冶金工业炉温度控制方法。根据控制参数计算方法,能够计算出冶金工业炉温度控制需要的控制参数。利用数据反馈方法将工业炉内温度情况反馈到控制端;根据反馈数据对控制参数进行调整,从而实现冶金工业炉温度控制。实验结果表明,这种算法能够有效提高冶金工业炉温度控制的准确性,取得令人满意的结果。     

基于动态模糊神经网络的开关磁阻电机电感与磁链特性建模

提出了将动态模糊神经网络用于开关磁阻电机建模的新方法,根据试验采样获得的数据建立电感和磁链特性模型,并将该模型应用到整个系统中.与其他建模方法比较,采用动态模糊神经网络获得的电感和磁链模型可在线训练,并具有紧凑的系统结构和强大的泛化能力.建模所得系统仿真同实际系统比较,电流波形基本一致,验证了新的建模方法的正确性和可行性.同时,该建模方法还可以进一步应用到开关磁阻电机的实时控制系统中,为工程设计和调试提供依据.     

基于模糊RBF神经网络的直流微电网并网等效建模

针对直流微电网系统的并网仿真问题,提出了一种基于模糊径向基(fuzzy radial basis function)神经网络的直流微电网动态等效建模方法。利用直流微电网并网接入母线端量测电压、电流和功率数据,构建基于径向基神经网络的并网等效模型。利用模糊聚类规则训练人工神经网络,并利用改进细菌觅食算法进行神经网络结构和参数的辨识。提出的模型能够反映直流微电网的整体动态特性,能够跟踪微电网不同运行方式下的网络拓扑和结构变化。该等效模型及建模方法为直流微电网及其并网仿真分析提供了一种思路和解决办法,仿真结果验证了所提方法的合理性和可靠性。     

永磁同步电机的模糊混沌神经网络建模

采用模糊混沌神经网络建立了具有混沌特性的永磁同步电机(PMSM)模型。永磁同步电机在一定工作情况下呈现混沌运动，根据PMSM的数学模型得出其混沌特性曲线。将混沌神经网络与模糊理论相结合设计出协作型模糊混沌神经网络，并据此网络建立了永磁同步电机的模糊混沌神经网络结构模型，该模型在结构上为神经网络，具有混沌特性，在功能上是模糊系统；确定了模型的输出函数，并推导了模型的学习算法，仿真结果表明永磁同步电机的模糊混沌神经网络模型与原系统是等价的。     

基于动态RBF神经网络的广义电力负荷建模

针对新形势下分布式电源对综合负荷特性的影响,提出一种基于动态径向基函数(radical basis function,RBF)神经网络的广义电力负荷建模新方法。利用动态RBF神经网络描述综合负荷功率的动态微分变化过程,可以深度揭示广义电力负荷的动态特性。利用状态估计误差对神经网络的权值进行动态更新,并对不满足持续性激励条件的神经元的权值进行限制,使所建立的动态RBF神经网络模型参数理论上可以收敛至最优值。分别应用仿真平台和实际系统数据进行测试,结果表明所提方法的有效性。     

基于动态模糊神经网络的变桨距系统辨识

针对风力发电机组运行过程难以建立精确的数学模型的特点,将动态模糊神经网络应用于风力发电变桨距系统的辨识中.该模糊神经网络的结构基于扩展的径向基神经网络,在功能上等价于TSK模糊系统,其学习算法的最大特点是参数的调整和结构的辨识同时进行,且学习速度快.通过对风力发电变桨距系统中桨距角和风力机转速的非线性动态过程所进行的仿...     

基于自适应模糊神经网络的开关磁阻电动机建模与仿真

由于开关磁阻电动机磁链特性的高度非线性,在常规的解析建模方法中,由近似磁链模型导出的转矩特性的误差较大.在实测开关磁阻电动机静态磁链曲线的基础上,计算获得开关磁阻电动机的矩角特性,并且将自适应的模糊神经网络用于开关磁阻电动机的建模中,获得了良好的效果.仿真结果表明,此法对于分析开关磁阻电动机及其驱动系统在各种控制方式下的运行性能具有一定的参考价值.     

基于自适应模糊神经网络的开关磁阻电动机建模与仿真

由于开关磁阻电动机磁链特性的高度非线性，在常规的解析建模方法中，由近似磁链模型导出的转矩特性的误差较大。在实测开关磁阻电动机静态磁链曲线的基础上，计算获得开关磁阻电动机的矩角特性，并且将自适应的模糊神经网络用于开关磁阻电动机的建模中，获得了良好的效果。仿真结果表明，此法对于分析开关磁阻电动机及其驱动系统在各种控制方式下的运行性能具有一定的参考价值。