基于SVR增量学习算法的变桨距风力机系统在线辨识

针对变桨距风力机模型非线性很强的特点,采用支持向量回归(SVR)算法进行辨识,数据由BLADED仿真软件提供,经训练检测的结果表明,SVR算法在变桨距风力机非线性模型辨识上具有很高的准确性。考虑到风力机现场工作过程中会出现模型变化,利用增量学习算法实现在线辨识。由于在线SVR辨识计算时间太长,通过改进的序列最小优化(SMO)算法代替原来的凸二次规划(QP)算法。同时提出满足度系数,排除系统无效的突变点,使在线辨识具有鲁棒性,并通过双支持向量机(SVM)算法实现在线辨识的记忆功能,最终辨识结果不仅有很强的精度,而且大大减小了计算时间。     

基于支持向量回归算法的汽轮机热耗率模型

利用支持向量回归算法,建立了汽轮机热耗率计算模型.介绍了支持向量回归算法的原理,对算法中的参数选择进行了探讨.对某300MW机组汽轮机热耗率计算进行了建模,并与RBF神经网络回归模型进行了比较.结果表明:基于支持向量回归算法的模型具有较强的泛化能力,适于在线应用.通过对输入参数添加随机扰动量分析表明,该模型比传统计算模型具有更好的稳定性,能更准确地计算汽轮机热耗率.     

基于支持向量回归机的汽轮机转子应力修正系数模型

提出了基于支持向量回归机的汽轮机转子应力修正系数预测方法.介绍了支持向量回归算法及其参数选择,并将该算法应用于某600 Mw汽轮机高中压转子应力修正系数的建模计算,同时与径向基神经网络模型所预测的结果进行了对比,结果表明:基于支持向量回归机的计算模型可以对转子的应力修正系数进行准确估算,具有更好的计算精度和泛化性能.     

杂草算法优化支持向量机的短期负荷预测

摘要： 针对支持向量机在短期负荷预测中的参数优化问题,利用杂草算法优异的搜索能力,构建了基于杂草算法优化支持向量机的短期负荷混沌预测模型（IWO-SVM）。该模型首先将支持向量机一组参数看作一个杂草种子,然后通过模拟杂草生存、繁殖过程实现支持向量机参数寻优,最后采用具体短期负荷数据对其性能进行分析。结果表明,IWO-SVM获得了高精度的短期负荷预测结果,能够满足短期负荷预测的实际要求。     

基于支持向量机的过热汽温内模控制

提出一种基于支持向量机回归的内模控制算法并应用于过热气温控制。首先,简介支持向量机回归算法和内模控制原理;其次,提出基于支持向量机回归算法构造的被控过程的逆模型,将该逆模型作为控制器,并在主控系统中增加鲁棒控制器以增加系统的鲁棒性及跟踪性能。仿真结果表明提出的控制算法的控制品质优于传统的PID控制算法。     

基于SVR的凝汽器真空冗余测量

针对实际运行的凝汽器,分析了影响凝汽器真空的因素,建立了基于支持向量回归的凝汽器真空的冗余测量计算模型,然后利用某300MW机组的数据,对模型进行了验证,并与RBF回归模型进行了比较.结果表明,采用支持向量回归算法得到的凝汽器冗余测量计算模型具有较好的泛化能力和稳定性,并适用于在线应用,可以在凝汽器真空测点发生故障时准确计算真空值,为凝汽器真空冗余测量和故障诊断提供了一种更简单的方法.     

基于混合算法下RBF神经网络的执行机构非线性特性在线辨识与补偿

针对控制系统中执行机构非线性特性在线辨识及补偿问题,研究了一种基于变步长核最小均方(SVSKLMS)和遗传算法结合的混合径向基(VHRBF)神经网络。利用径向基(RBF)神经网络不依赖于精确的数学模型即可得到被控对象信息的特点,建立了控制系统执行机构的非线性特性模型;为解决传统RBF神经网络辨识性能差的问题,使用遗传算法(GA)对神经网络的中心向量和方差进行优化,利用SVSKLMS算法对RBF神经网络模型中的权重进行优化,进而得到最佳的RBF神经网络。基于VHRBF神经网络及其逆模型补偿器对执行机构非线性特性进行在线辨识及补偿。仿真结果表明：与其他算法训练下的RBF神经网络相比,所提出的VHRBF神经网络能够精确辨识并补偿执行机构的非线性特性,并且具有更快的收敛速度、更优的收敛性能。     

基于支持向量回归的大容量机组主蒸汽流量建模

分析了大容量机组主蒸汽流量的计算原理,指出了常规的基于调节级后压力计算模型的弊端.介绍了支持向量回归计算模型及其参数选择,并将该模型应用于某300MW机组的主蒸汽流量建模计算,同时与RBF神经网络模型进行对比.结果表明,基于支持向量回归的计算模型不仅能够在不同工况下对主蒸汽流量进行准确估算,还能够适应机组通流部分状态发生改变时主蒸汽流量的计算,并具有较好的泛化能力和稳定性,适于在线计算,能够满足机组经济性诊断实时计算的要求.     

基于支持向量机逆模型的电子节气门智能控制

针对强非线性复杂时变的电子节气门,本文研究了一种基于逆模型的智能控制器,并由模糊核函数的最小二乘支持向量机来实现.采用最小二乘支持向量机来辨识对象的逆模型,依据此辨识的逆模型作为前馈的逆模型控制器.仿真实验表明该智能控制器实际效果良好.     

基于扩展卡尔曼滤波器的电机参数辨识算法

准确的电机参数是无速度传感器交流调速系统设计的前提。运行过程中,由于温度、频率和磁通的影响,电机参数通常会发生变化,特别是,转子电阻和磁链电感的变化直接关系到磁链和转速的辨识精度,影响驱动系统性能。本文通过测量定子电压和电流,基于扩展卡尔曼滤波器(EKF),研究了一种新颖算法,通过将两个基于扩展卡尔曼滤波器模型有机结合,协同工作,实现了对转子电阻、励磁电感、转子磁链和转速在线辨识。仿真和实验结果表明这种新颖的电机参数辨识算法具有较小的辨识误差,可以满足无速度传感器交流调速系统对电机参数准确性的要求。     

基于改进粒子群的超超临界机组负荷控制系统模型辨识

针对火电厂负荷控制系统因强耦合性强非线性等特点而难以对其建立精确热工模型的问题,结合工程实际分析三输入三输出负荷控制对象的动态特性,将免疫算法(Immunity Algorithm,IA)的免疫记忆功能引入粒子群算法(Particle Swarm Optimization,PSO),形成免疫记忆粒子群算法(Immune Memory PSO,IM-PSO)并运用在超超临界火电机组负荷控制对象的模型辨识中。辨识结果表明IM-PSO相对于普通PSO收敛速度提高了50%,收敛精度提高了6.08%,改善了PSO易早熟、粒子后期相似度过高的缺点,同时也验证了IM-PSO对于大型火电机组负荷控制对象辨识的有效性。     

自适应记忆递归神经网络预测控制器及其应用

提出一种自适应学习率记忆递归神经网络预测控制器及自适应学习率方法，它由用于预测和控制的子神经网络组成，预测子网络向控制子网络提供控制灵敏度信号；并证明了记忆递归神经网络学习的收敛性和稳定性条件．仿真结果表明控制器在线实时控制具有非线性、时变、多变量特性的水轮发电机组，对各种工况具有良好的性能．     

Identification in closed‐loop operation of models for collective pitch robust controller design

To achieve load reduction and power optimization, wind turbine controllers design requires the availability of reliable control‐oriented linear models. These are needed for model‐based controller design. Model identification of wind turbine while operating in closed loop is an appropriate solution that has recently shown its capabilities when linear time‐invariant controllers and complicated control structures are present. However, the collective pitch control loop, one of the most important wind turbine loops, uses non‐linear controllers. Typically, this non‐linear controller is a combination of a linear controller and a gain scheduling. This paper presents a new algorithm for identification in closed‐loop operation that allows the use of this kind of non‐linear controllers. The algorithm is applied for identification the collective pitch demand to generator speed of a wind turbine at various operating points. The obtained models are presented and discussed from a control point of view. The validity of these models is illustrated by their use for the design of a linear fix robust controller. The performance based on simulation data of this linear controller is similar to that obtained with simulations based on a linear controller with gain scheduling, but its design and implementation is much simpler. Copyright © 2012 John Wiley & Sons, Ltd.     

基于动态时间弯曲算法的相似洪水识别方法

相似洪水动态识别是在大数据背景下弥补实时洪水预报预见期不足的有效途径,对于支撑防洪调度具有重要作用。由此,结合产汇流理论建立反映洪水形成发展的复杂多元动态事件集;采用动态时间弯曲算法改进了欧氏距离算法对相位的适应性;基于多元时间序列相似性原理构建了相似洪水动态识别方法。以池潭水库30场雨洪资料相对完备的洪水为例,对所提方法进行验证,结果表明该方法具有较好的洪水识别效果。     

基于贝叶斯优化的LSTM火电机组一次调频能力辨识方法

提升火电机组的一次调频能力辨识有助于辅助电网的调度,保证电网的安全稳定运行。提出一种基于贝叶斯优化算法(Bayesian optimization, BO)的长短期记忆网络(long short term memory, LSTM)一次调频能力辨识方法,实现火电机组的一次调频能力精确建模。首先对机组机理及参数之间的相关性进行分析,确立模型的输入特征变量,再利用贝叶斯算法对LSTM网络结构进行优化,得到一次调频能力辨识模型。以某600 MW燃煤火电机组为研究对象,将该模型与传统BP神经网络模型、未优化LSTM网络模型进行对比。结果表明：所提出的网络模型均方根误差分别降低了66.51%和34.83%,具有更高的模型精度。     

改进的自适应模型算法控制在过热汽温控制中的应用

针对锅炉过热汽温对象具有大惯性、大迟延、时变性等特点,提出一种基于最小均方算法的自适应模型算法控制-比例串级预测控制系统.通过最小均方自适应滤波器在线实时辨识被控对象的预测模型参数,再结合改进的自适应模型算法控制在线修正控制器参数.仿真结果表明:该控制策略实施简单、超调小,控制效果明显优于PID-P串级控制;且在降负荷实验中能有效适应对象参数时变,保证调节性能较好.     

考虑变流器容错特性的海上双馈风电机组绕组短路故障辨识

海上双馈风力发电机组须具备一定的容错能力,以减少因机组故障造成的停机损失.文章针对海上双馈机组变流器的定子负序电流,在容错控制算法中会抑制故障特征放大的情况,研究并量化该容错控制算法对负序电流、Park's矢量轨迹、Park's矢量圆的椭圆度等故障特征的影响,并提出径向基神经网络融合拟序阻抗的故障辨识方法,解决了故障识...     

基于广义预测控制的风电场调频控制策略研究

为降低通信延迟对风电参与二次调频时频率稳定性的影响,提出一种基于系统辨识理论和广义预测控制算法控制风电机组参与电力系统二次调频的控制策略.首先,建立考虑通信延迟的单区域互联电力系统二次调频模型.其次,通过利用变遗忘因子递推最小二乘算法(FFRLS)进行在线辨识,建立单输入单输出被控系统的差分方程的受控自回归滑动平均模型...     

水火电系统日经济负荷分配计算方法—混合乘子法

本文提出了求解一类目标函数和约束函数均为二次可微凸函数的非线性规划问题的混合乘子法。改进了传统的水火电系统日经济负荷分配数学模型,应用该混合乘子法导出了相应的Newton方向向量的违推算法。计算实例表明,该方法节省了计算机内存,缩短了求解运算时间。