基于边缘计算的混合储能多微电网功率自适应控制

在微电网中,将多个双向接口变换器并联可提高微电网两侧的功率交换能力,但并联变换器的微电网难以有效控制。研究发现,微电网接入储能系统可以缓冲功率波动、降低功率控制难度。为保证微电网稳定运行,提高功率控制精度,本文提出了基于边缘计算的混合储能多微电网功率自适应控制方法。研究基于边缘计算技术,分析了混合储能多微电网结构,并构建了一个用于混合储能多微电网的自动管理平台。在此基础上,通过对母线实时电压的控制实现频率的调节,增强接口变换器的稳定性,以完成混合储能多微电网功率交互的调度与控制。在混合微电网中,我们接入储能系统,通过功率交换控制、自主功率分频自适应控制实现了混合储能多微电网的功率自适应控制。实验结果表明,所提方法在混合储能多微电网功率控制方面效果较好,有功功率控制误差较小,能够有效保证混合储能多微电网稳定运行,并提高功率自适应控制准确度。     

基于特征谐波电流的高压直流输电控制策略

为了降低特征谐波电流对高压直流输电产生的危害,提出基于特征谐波电流的高压直流输电控制策略。根据高压直流输电网络的组成元素以及空间分布方式,构建高压直流输电网络模型。在该模型下,利用智能电流表获取实时电流数据,提取高压直流输电电流特征。通过特征匹配识别初始数据中的特征谐波电流,计算特征谐波电流量,求解直流输电电流控制量。将控制量求解结果代入到装设的输电控制器中,从谐波电流抑制、电流裕度补偿和电流限幅等方面完成高压直流输电控制。通过测试实验得出结论：在优化设计高压直流输电控制策略的作用下,特征谐波电流畸变率为0.466%,输电电流的空间不稳定系数为0.23,均满足预设要求。     

具有容性负载的直流微电网系统分布式协同控制

针对一类具有容性负载的直流微电网系统, 提出了分布式协同控制方法. 具有容性负载的直流微电网是一类耦合动态互联非线性网络化系统, 可将DC-DC变换器在信息层视为智能体, 在每个子系统模块中, 引入容性负载电压观测器, 耦合并联非线性系统负载均衡控制设计问题可解耦成一阶积分器多智能体系统的输出一致性跟踪问题. 基于最近邻原则, 通过在控制器中引入比例、积分环节, 设计了增益可调的分布式协同PI控制律, 当有向图满足至少含有一棵生成树的条件下, 通过子系统间的局部交互, 可以实现负载均衡的目标. 通过分析增广系统矩阵的特征值证明了整个闭环系统的稳定性. 仿真和实验说明了所提出的控制方法的有效性及可行性.     

新趋近律的直流微电网母线电压滑模控制设计

随着直流微电网技术的快速发展,直流微电网中母线电压的稳定性控制作为直流微电网正常平稳运行的关键,也成为了研究热点之一;针对直流微电网母线电压外环易受参数摄动和负荷扰动的影响,提出了一种扩张状态扰动观测器ESO(Extend state observer)与新型趋近律的滑模控制器NRSMC(New reaching law sliding mode control)相结合的复合控制器ESO-NRSMC;该控制器采用了一种新型趋近律方法来解决抖振现象与滑模面趋近时间之间的矛盾;同时扩张状态观测器将观测到的扰动值补偿到滑模控制器中,进一步提高控制器的抗扰动能力;还构造了Lyapunov函数来验证所设计的母线电压外环闭环控制系统的稳定性;最后通过仿真证明控制器ESO-NRSMC在微电网系统参数发生变化以及负载扰动的情况下,依然能够实现对直流微电网母线电压的稳定控制,具有较强的优越性和鲁棒性能。     

拒绝服务攻击下直流微电网的事件触发控制

本文研究受拒绝服务攻击下直流微电网的事件触发控制问题. 考虑到直流微电网的状态并不总是可获得, 设计了一个观测器来估计直流微电网的状态. 基于观测器的估计状态, 对于受拒绝服务攻击的直流微电网设计了一种新颖的弹性攻击的事件触发控制器. 所提出的控制器设计方法可以通过分离方法转化成一个凸问题. 此外, 在所设计的事件触发机制中, Zeno行为也被讨论并且通过矛盾法被排除. 最后, 一个实际的电网例子被用来验证所提出的控制方案的有效性.     

基于复合滑模控制的MMC串联微电网电压控制策略

针对孤岛运行模式下MMC串联结构微电网系统存在的输出电压波动问题,提出了一种复合滑模控制方法实现系统输出电压稳定控制。该方法采用电压外环滑模控制、电流内环PI控制的双闭环结构。为了简化系统控制器的设计,使用逆系统方法对非线性、强耦合的原系统进行反馈线性化实现解耦控制。然后,采用载波移相脉宽调制技术产生调制信号来控制发电单元模块工作。最后,通过搭建仿真模型进行验证。仿真结果表明,与传统的双闭环PI控制相比,复合滑模控制下系统具有较快的动态响应速度和较强的抗负载扰动能力。     

基于虚拟直流发电机的直流微电网惯性提高控制研究

针对直流微网低惯性特点,本文提出了在孤岛模式下应用虚拟直流发电机的控制策略。该策略将虚拟直流发电机应用在了风机的后级升压变换器中,构成了基于虚拟直流发电机的双级控制策略。结合虚拟直流发电机的动态调节过程和直流微网的小信号模型,利用阻抗比判据,判断了转动惯量对系统稳定性的影响。并采用粒子群算法获得了当前条件下的最优转动惯量。通过不同工况下的仿真结果,证明了本策略不仅可以稳定直流母线电压,还可以提高蓄电池的寿命,实现了直流微电网的稳定运行。     

基于残差生成器的直流微电网动态补偿控制

为了克服负载投切与分布式电源功率变化对直流微电网母线电压的影响,提出一种基于残差生成器的动态补偿控制策略,对母线电压进行动态补偿,保证直流微电网的稳定运行.首先,针对Buck电路建立以输入电流为扰动的状态空间模型.其次,针对传统双闭环控制的Buck电路,设计基于残差生成器的动态补偿控制结构.然后,基于模型匹配结构,利用...     

基于STM32F103的直流无刷电机电流控制

针对直流无刷电机驱动板功率管开关和分立元件温漂对电流采样精度的影响,采用PWM半波中断匹配电流采集,以STM32F103芯片为处理器,通过内部AD转换功能,实现电机电流AD转换与PI控制,并给出电流AD转换程序设计。最后采用无线模块实时记录电机各项运行数据,验证了该方法可实现直流无刷电机电流精确控制。     

基于双策略的WAPI协议改进

作为无线网络鉴别和保密基础结构的WAPI协议,其安全的认证机制是确保无线网络安全的前提。简要描述了WAPI认证协议原理,分析了WAPI身份认证中存在的易被中间人攻击的安全漏洞,提出了基于身份和签名的双策略改进方案,介绍了实现该方案的接发双队列认证模型,给出了有线网络下的模拟实验环境,通过实验证明了改进方案的有效性。     

基于双条件选择策略的Ant-Miner算法

针对Ant-Mine算法提出一种新的条件选择策略-双条件选择策略。将该策略应用于Ant-Miner算法中,并与原Ant-Miner算法在两个公开的数据集上进行实验比较,结果表明应用了双条件选择策略的算法较原算法不仅具有更快的运行速度,而且获得了更高的预测精度。     

基于对偶学习策略的单图像超分辨率重建网络

针对单图像低分辨率到高分辨率映射具有不适定性、特征图空间信息利用率低下以及网络参数量过大的问题,提出了一种基于渐进上采样的对偶学习算法用于图像的超分辨率重建.首先采用深度可分离卷积使得模型参数量显著减少;再基于亚像素卷积构建渐进上采样网络来高效利用特征图上下文信息;最后利用对偶学习策略构建闭环反馈网络,通过对偶关系相互约束映射空间以获取最佳重建函数.在Set5、Set14、BSDS100、Urban100、Manga109基准数据集上与其他主流的超分辨率方法相比,该算法表现出更优越的性能:有效减少了网络9％的参数量,在×4、×8放大因子下能重建出更清晰的图像,同时能有效缓解图像边缘失真和伪影现象,并且×8放大时的平均峰值信噪比和结构相似度(PSNR/SSIM)分别为26.90/0.751、24.84/0.645、24.74/0.619、22.30/0.560、24.38/0.706.     

异构总线的多Agent网关设计与应用

对现有各种传感检测对象建立传感监测网络时,出现多种异构总线不匹配的情况,研究提出了基于C/OS-II的"邮政交换体系"多Agent嵌入式网关模块设计思想,其中"邮政所"Agent管理一种总线的输入与输出,中心"邮局"负责接收"邮政所"Agent的数据消息,进行分类辨识,并分发到对应的"邮政所",实现嵌入式"邮政"体系的多Agent协调,并管理各异构总线的数据交换。将该嵌入式"邮政"体系设计应用到以LPC2239芯片及扩展多个异构总线硬件平台上,并编写了相应软件,将其运行在山区道路环境的在线监测网络上,效果非常好。     

非正常工况下双空间矢量调制矩阵变换器策略研究

使用双空间矢量控制的矩阵变换器的等效数学模型,建立带有输出滤波器的矩阵变换器的等效电路。设计了dq坐标系下矩阵变换器的PI闭环控制系统,给出了系统在电网电压波动和负载突变时的控制方法,减小了系统在非正常工况下的输出、输入干扰。对非正常工况下运行控制策略进行了仿真和实验验证。     

基于多级片上总线的并行图像处理系统设计*

采用基于平台级FPGA的SOC设计方法, 设计了一种基于多级PLB总线的可扩展并行图像处理系统。系统采用总线桥并行扩展处理单元来增加系统处理性能和扩展存储访问带宽;通过数据分发模块实现图像数据输入与处理流水线操作。时序功能仿真与硬件实现表明,该设计能灵活高效地实现系统结构的并行扩展,显著提高了系统并行处理性能。     

基于二次分解重构策略的航空客流需求预测

考虑到航空客流需求序列的季节性、非线性和非平稳等特点,提出了一个基于二次分解重构策略的航空客流需求预测模型。首先,通过STL和自适应噪声互补集成经验模态分解（CEEMDAN）方法对航空客流需求序列进行二次分解,并根据数据复杂度和相关度的特征分析结果进行分量重构;然后,采用模型匹配策略分别选取自回归单整移动平均季节（SARIMA）、自回归单整移动平均（ARIMA）、核极限学习机（KELM）和双向长短期记忆（BiLSTM）网络模型对各重构分量进行预测,其中KELM和BiLSTM模型的超参数通过自适应树Parzen估计（ATPE）算法确定;最后,将重构分量预测结果进行线性集成。以北京首都国际机场、深圳宝安国际机场和海口美兰国际机场的航空客流数据作为研究对象进行了1步和多步预测实验,实验结果表明,与一次分解集成模型STL-SAAB相比,所提模型的均方根误差（RMSE）提升了14.98%～60.72%。可见以“分而治之”思想为指导,所提模型结合模型匹配和重构策略挖掘出了数据的内在发展规律,从而为科学预判航空客流需求变化趋势提供了新思路。     

双策略学习和自适应混沌变异的郊狼优化算法

针对郊狼优化算法（coyote optimization algorithm,COA）存在收敛速度慢、求解精度低、易陷入局部最优的不足,提出一种基于双策略学习机制和自适应混沌变异策略的改进郊狼算法（coyote optimization algorithm based on dual strategy learning and adaptive chaotic mutation,DCSCOA）。首先,引入振荡递减因子,以产生具有多样性的个体来增强全局搜索能力;其次,利用双策略学习机制,适度地增强组群头狼的影响,以平衡算法的局部挖掘能力和全局搜索能力,同时提高算法的求解精度和收敛速度;最后,使用自适应混沌变异机制,在算法停滞时产生新个体,以使算法跳出局部最优。通过对20个基本测试函数和11个CEC2017测试函数进行仿真实验,结果验证了改进算法具有更高的求解精度、更快的收敛速度和更强的稳定性。     

基于双重权约束期望改进策略的多目标并行代理优化方法

针对多目标仿真优化的高昂成本及黑箱函数难以获取问题,提出基于双重权约束期望改进策略的多目标并行代理优化方法.首先,建立Kriging模型获取未试验点的预测不确定性;其次,构建双重权约束期望改进策略,并利用填充策略矩阵及距离聚合方法实现新改进策略的聚合;然后,最大化聚合双重权约束期望改进策略实现多目标并行优化;最后,达到终止条件,获得Pareto最优解集.选取测试函数及铰接夹芯梁设计案例进行优化验证.验证对比结果表明:所提方法可有效提升多目标问题优化效率,减少昂贵仿真成本;与同类方法相比,低维问题中获取Pareto最优解集的收敛性、多样性及分布性更优.     

基于双策略蚁群算法的配电网络重构研究

电网的网络重构本质上属于非线性组合优化问题。随着智能电网的快速发展和电网规模的急剧扩张,网络重构算法的计算复杂度也大幅增加。蚁群算法具有鲁棒性、可并行性和正反馈机制等优点,因而被广泛应用于组合优化问题的求解之中。然而,现有的蚁群算法仍存在计算速度慢,易于陷入局部最优等缺点。为解决上述问题,提出了一种削减-累加双策略的蚁群算法并将其应用于电力系统的网络重构计算中。一方面,定义削减因子,使迭代过程中的蚂蚁数量随算法收敛的稳定程度而不断减少,实现动态自适应的蚂蚁数量选择机制以加快计算速度;另一方面,定义积累因子,增加了信息素的积累阶段,引导算法跳出局部最优,提高找到最优拓扑结构的概率。实验结果表明,在信息素更新次数和初始蚂蚁数量都相同的情况下,与已有工作相比,提出的算法能够将计算速度提升约25%;同时,将最小网损降低约9%。