电力系统线性状态追踪方法

传统状态追踪方法一般基于扩展卡尔曼滤波方法求解,其缺点是:由于电力系统量测方程的非线性,使得这些方法在求解的过程中必须对量测方程进行近似线性化,从而影响了估计精度,尤其是相邻断面的状态变量发生突变时,估计精度明显降低;传统方法在迭代的每一步中均需重新形成雅可比矩阵,因而计算效率较低。以上缺点影响了传统状态追踪方法的应用。提出一种基于精确线性化量测方程的线性状态追踪方法,所提方法的优点为:在估计中无量测方程的近似线性化误差,因而估计精度较高;在迭代中雅可比矩阵均为常数矩阵,从而提高了计算效率。通过在IEEE系统上的仿真算例验证了所提方法的有效性和高效性。     

混合量测下基于UKF的电力系统动态状态估计

针对当前电力系统动态状态估计主要采用的扩展卡尔曼滤波(EKF)法存在收敛速度慢、鲁棒性差的缺点,采用一种新的非线性方法——无迹卡尔曼滤波(UKF)法进行电力系统动态状态估计。UKF法由于使用了无迹变换,避免了线性化误差的引入和雅可比矩阵的计算,相比EKF法有更高的估计精度和稳定性。广域测量系统(WAMS)能够提供相量信息,具有精度高、全网严格同步等优点。因此,将WAMS量测数据和数据采集与监控(SCADA)系统量测数据相结合,形成应用混合量测的电力系统动态状态估计。仿真表明,UKF法相比EKF法能够更准确地估计动态系统中的状态量,WAMS信息的引入进一步提高了动态状态估计的性能。     

基于线性二次型调节器的三相逆变器积分状态反馈控制

为改善三相电压型逆变器动态和稳态性能,基于内模原理设计了积分控制状态反馈的控制器,并运用了线性二次型调节器理论来解决控制参数的问题。为使线性二次型调节器理论能够应用于跟踪问题,对控制结构进行了灵活变换,利用线性二次型调节器理论的方法对控制器的参数进行了最优化整定。仿真及430 kW实验样机验证了该方法的有效性。     

基于人工神经网络的有源电力滤波器控制方法的研究

提出了一种适用于控制有源电力滤波器的人工神经网络方法,该方法采用两个前馈网络构成控制器,基中一个用于获取电力系统负荷欲补偿的三相有害电流,另一个用于获取控制主电路导通状态的开关模型。最后给出和分析了仿真结果。     

基于多步预测神经网络的异步电动机控制器设计

在分析交流异步电动机数学模型的基础上，利用直接多步预测控制方法，设计了一种动态神经网络电机速度控制器，其中神经网络采用扩展卡尔曼滤波方法在线训练。仿真结果表明，该控制器具有良好的动、静态特性，并且在电机参数和负载发生变化的情况下效果依然理想，为实际电机控制系统的设计和调试提供了新的思路。     

大型风力发电机组动态最优控制策略研究

针对额定风速以上变速恒频风力发电机组的运行优化问题,提出了一种基于有效平均风速估计的自适应增益调度线性二次型高斯(AGS-LQG)最优控制策略,通过扩展Kalman滤波进行有效平均风速估计,将此有效平均风速作为调度变量对控制器参数实施AGS,以适应系统稳态工作点的变化,从而可以实现多变量综合优化控制.以1.5 MW变速恒频风力发电机组为研究对象,给出了大范围变化风况激励下反映机组运行情况的仿真曲线.仿真结果表明,相对于传统控制策略,所提出的AGS-LQG最优控制策略不仅稳定了风轮转速,平滑了输出功率,而且降低了变桨距机构的动作频率,缓和了传动链上的疲劳载荷,对于改善并网风力发电的电能质量、延长设备的使用寿命具有重要意义.     

基于LQSF的伺服系统速度调节器的设计与研究

针对按经典控制理论设计的速度调节器和实际运行结果出入大的问题,提出用二次型性能指标最优调节器(LQSF)的设计思想,实现永磁同步伺服系统的速度环调节器的设计.根据二次型性能指标最优设计思路,通过适当调节状态变量的加权矩阵,使相应状态变量满足控制要求,性能指标最优.对于速度调节过程中的饱和,设计采用Bang-Bang控制来实现过渡过程响应时间的最小化.在电机速度阶跃过程中,设置较大的限幅力矩,可以使系统有更快的响应,更小的响应时间.仿真和实验证实了本文所做设计的有效性.     

并联有源电力滤波器的人工神经网络控制方法

提出并分析了一种适用于控制并联有源电力滤波器的人工神经网络方法。该方法采用两个不同的人工神经网络，其中的多元自适应线性神经元网络用以获取欲补偿的三相有害电流，而其中的三层前馈神经网络用以控制滤波器的输出电流。仿真结果显示：电力系统经并联有源电力滤波器补偿后，其电源电流波形有很大改善。     

基于神经网络的火电厂脱硫系统设备状态分析专家系统

利用神经网络专家系统的主要特征与优势,建立了脱硫设备神经网络专家系统,以辅助分析该控制系统中重要设备的运行状态,以此为依据指导控制。     

无迹卡尔曼滤波及其平方根形式在电力系统动态状态估计中的应用

针对扩展卡尔曼滤波(extended Kalman filter,EKF)的不足,将不需要对非线性系统函数进行线性化的无迹卡尔曼滤波(unscented Kalman filter,UKF)方法引入电力系统动态状态估计,采用生成Sigma点数量最少的比例最小偏度单形采样策略进行无迹变换.以IEEE14系统为算例,仿真结果表明引入UKF后,估计结果的精度有所提高,但算法的效率较低,且数值稳定性较差.进一步引入平方根形式的UKF(square root UKF,SRUKF)模型,IEEE 14及IEEE 30测试系统的仿真结果证明:在不需要大量牺牲计算时间的同时,算法的数值稳定性得到了改善.表明SRUKF的引入对动态状态估计方法的改进是有效的.     

基于混合量测的电力系统状态估计混合算法

研究了相量量测装置(PMU)相量量测和监控与数据采集(SCADA)量测混合使用时的数据匹配问题,提出了利用状态量转换预测得到预报系统状态和预报节点注入电流向量的方法。在此基础上,提出了应用PMU实时相量量测和预报节点注入电流向量的线性静态状态估计算法,以及应用PMU实时相量量测和预报系统状态的线性动态状态估计算法。文中将这2种算法与传统状态估计算法相结合,组成了状态估计混合算法,保证了状态估计的计算精度。该混合算法有效减少了状态估计的计算时间,对PMU的量测配置也没有严格的要求,具有很好的通用性。最后采用IEEE30节点系统对该方法进行了验证。     

基于多模型和小脑模型关节控制器神经网络的移动机器人故障诊断

提出了一种基于多模型估计方法的神经网络故障诊断技术.该技术根据轮式移动机器人的故障模型,通过一组卡尔曼滤波器生成不同的残差,每一个卡尔曼滤波器对应一种故障类型;对所得的残差进行简单处理,将其作为小脑模型关节控制器(CMAC)神经网络的输入,利用CMAC神经网络的分类逼近能力,建立输入组到输出组(故障类型)的精确映射,最终实现故障诊断任务.仿真实验证明了该故障诊断技术在轮式移动机器人故障诊断上的实用性.     

新型神经模糊控制的并联有源电力滤波器

针对有源电力滤波器(APF)中谐波电流检测的快速实时响应问题,提出了一种新型三相并联型APF的神经模糊控制方案,利用遗传算法进行训练。建立了三相并联型APF的数学模型,设计了神经模糊控制器,在以DSP为核心控制器的基础上对其进行了实验研究。仿真和实验结果表明,该方法实时快速性好、动态特性好,验证了方案的正确性和可行性。     

基于最小二乘估计融合的分布式电力系统动态状态估计

随着电力系统规模不断扩大,分布式状态估计是解决集中式状态估计计算维数过高和量测大数据处理难等问题的可行策略之一。文中以容积卡尔曼滤波算法作为区域本地估计算法,在协调中心侧采用最小二乘估计融合技术协调估计区间边界状态。根据边界状态协调估计值,各区域通过带等式约束的卡尔曼滤波算法进一步修正区域内部状态的本地估计值。算例仿真表明,所提方法估计精度与集中式估计相当,相比集中式估计具有更好的实时性,且所需数据通信量少,易于实现。     

基于人工神经网络与遗传算法的风力机翼型优化设计方法

开发风力机专用翼型是风电技术中的一个关键问题,高升阻比翼型的优化设计方法是目前风力机空气动力学的重要研究课题。该文建立了多运行工况下升阻比最高的风力机翼型优化设计方法,运用Bezier函数建立了翼型的数字化参数表征方法,根据完全析因试验设计方法选取了翼型族的设计空间,利用计算流体力学方法获得了每个翼型样本的气动性能参数,采用人工神经网络和遗传算法相结合的现代优化方法数值求解了优化命题。基于上述模型对FX 63–167翼型进行优化改进,重点研究风力机翼型在3种运行工况点下的气动优化设计命题及其求解方法。计算表明优化后翼型具有更佳的气动特性,各工况点下的升阻比均有所提高,验证了该优化方法的合理性、可行性。     

Power Quality Enhancement Using Linear Quadratic Regulator Based Current-controlled Voltage Source Inverter for the Grid Integrated Renewable Energy System

This paper presents an optimal control strategy using linear quadratic regulator (LQR) applied in current-controlled voltage source inverter (CCVSI) to control the real and reactive power flow between the renewable energy system (RES) and the grid. It also compensates harmonic current components drawn by the load from the grid terminal. A simplified equivalent circuit is used to develop the reduced order state space model of the three-phase grid connected renewable energy system. This makes the analysis and design of control law simpler by reducing the number of weighing variables used in LQR. The extension real–reactive power (p–q) method implemented in a–b–c frame is used to generate the reference current for controlling the real and reactive power to the grid to minimize the total harmonic distortion (THD) and to achieve unity power factor (UPF) operation at the grid side. The stated technique makes the grid current sinusoidal even under unbalanced grid voltages and the harmonic distortion factors are well within the IEEE limits. The system is simulated under changes in the real power fed from RES to the grid for both balanced and unbalanced grid conditions. The simulation results are validated by the experimental results.     

三相四线制并联有源电力滤波器及其神经网络控制

介绍了一种适用于三相四线制电力系统的并联有源电力滤波器，提出了其神经网络控制方法。     

基于直接神经动态规划的电网状态估计及理论线损计算

针对电网线损的理论计算值与实际值之间的差别问题,提出利用基于直接神经动态规划的电网状态估计结果来计算线损。首先采用模糊聚类算法进行网络拓扑辨识,根据聚类向量弥补量测向量的不足,避免了不良数据的影响,得到正确的系统网络结构;然后对自适应动态规划算法进行扩维改进,建立了基于直接神经动态规划的电网状态估计模型,利用该模型的状态估计结果进行理论线损计算,得到逼近电网真实情况的线损数据。仿真结果证明了本文算法的可靠性和实用性。     

基于神经网络给定补偿的交流永磁直线伺服系统滑模控制

针对直接驱动的永磁直线同步电动机 (PMLSM )伺服系统 ,应用滑模变结构控制理论设计了一种具有强鲁棒性的速度控制器。为使系统具有自学习能力 ,削弱滑模控制所引起的“抖振” ,采用基于神经网络前馈给定补偿的滑模控制策略。仿真结果表明 ,该方案有效地克服了永磁直线同步电机特有的端部效应所产生的推力波动对系统的影响 ,对参数变化及阻力扰动具有很强的鲁棒性 ,而且提高了系统的稳态性能     

基于配电网先验信息的谐波状态估计量测点最优配置

针对现有谐波状态估计量测点数量较多的问题,提出利用独立分量分析(independent component analysis,ICA)和配网先验信息进行量测点优化配置。以负荷的非线性程度和负荷容量的乘积度量节点的谐波发射水平,大于设定阈值的节点作为可疑谐波源。根据量测量维数不少于谐波节点数量,且量测点可提供电压和电流量测的特点,确定量测点数量。再以谐波发射水平、母线电压等级的加权和为目标函数计算可疑谐波源节点的重要度,选择较高重要度的母线配置量测设备。IEEE14节点配电网和某地区实际电网的算例证明了该方法的有效性和实用性。