基于在线学习RBF神经网络的汽门开度自适应补偿控制方法

汽门控制对于提高电力系统暂态稳定具有重要作用。为了提高汽门系统的控制性能,提出了基于在线学习RBF神经网络的汽门开度自适应补偿控制方法。首先,根据逆系统方法分析了被控汽门系统的可逆性、推导了被控汽门系统输出的α阶导数和伪控制量之间的误差,并设计了用于补偿此误差的在线学习RBF神经网络。然后,基于Lyapunov稳定性理论设计了RBF神经网络的在线学习算法,证明了闭环系统跟踪误差和RBF神经网络权值估计误差的一致最终有界性。所提出的控制方法仅需被控汽门系统很少的先验知识,而无需其精确数学模型,并且用于自适应补偿控制的RBF神经网络无需离线训练过程。最后,针对典型的单机无穷大汽门控制系统进行了数值仿真。仿真结果表明,所提出的控制方法较传统的非线性最优控制方法能明显提升电力系统的暂态控制性能。     

神经网络α阶逆系统控制方法的可行性

证明满足一定条件的单输入单输出系统的α阶逆系统(与原系统复合起来可构成α阶积分或 时延系统)存在且唯一，阐明静态多层网络加若干积分器或时延因子可以逼近这样的α阶逆 系统，对神经网络α阶逆系统方法用于线性、非线性控制的可行性作了探讨。     

基于神经网络的感应电机变频调速系统控制

针对电机参数的复杂性和变频调速特性,提出了交流电机变频调速系统的神经网络逆系统控制方法;针对模型基本未知的连续非线性可逆系统,将神经网络对未知非线性函数的逼近和学习能力、逆系统相结合,给出神经网络阶逆系统和复合控制器的设计,仿真结果证明了理论的正确性。     

异步电机变频调速系统的神经网络逆系统控制

本文运用神经网络逆系统这一新的控制策略,对异步电机变频调速系统进行可逆分析与控制试验。理论分析与实验的结果表明:该方法对异步电机变频调速这一非线性、快速多变、难于建模复杂系统的控制是实用和有效的。     

异步电机变频调速系统的神经网络逆系统控制

本文运用神经网络逆系统这一新的控制策略，对异步电机变频调速系统进行可逆分析与控制试验，理论分析与实验的结果表明：该方法对异步电机变频调速这一非线性，快速多变，难于建模复杂系统的控制是实用和有效的。     

神经网络α阶逆系统的结构、辨识及其在控制中的应用

对于未知非线性系统，采用人工神经网络构造其α阶逆系统，并将神经网络α阶逆 系统用于对原非线性系统的控制。仿真结果表明，该控制方法适用于一般的未知线性、非线 性系统，具有普遍意义，且结构简单，易于工程实现。     

电流控制逆变型感应电机的神经网络逆系统控制

针对电流控制逆变器供电的感应电机系统的特点,提出了不依赖于对象精确数学模型与参数的感应电机神经网络逆系统控制方法.由静态神经网络加积分器来构造感应电机的逆系统,并与原系统串联,实现感应电机的转速和转子磁链真正的动态解耦.在此基础上,设计线性闭环调节器对两个解耦的伪线性子系统进行控制,获得优良的动、静态控制性能.仿真结果表明这种基于神经网络逆系统方法的控制策略可实现感应电机的高性能控制,且对电机参数的变化与负载扰动具有较强的鲁棒性.     

感应电机的新型神经网络广义逆系统解耦控制

针对感应电机这一多变量、强耦合系统,提出了一种新型神经网络广义逆系统解耦控制方法,给出了新型广义逆系统的存在性证明.它与感应电机复合,将转子磁链与转速的解耦成两个独立的伪线性子系统,并且可以随时通过调整反馈参数改变两个伪线性子系统的配置极点,为控制器的设计提供了便利.仿真结果表明,通过合理的选择配置极点和控制器参数,整个控制系统对电机参数变化和负载扰动有较强的鲁棒性和动态性能.     

采用本地信号的可控串联电容补偿神经网络逆系统控制方法

选取可控串联电容补偿(TCSC)上传输的有功功率作为被控量，本文提出了采用本地信号的TCSC神经网络逆系统控制方法。该方法基于较完整的TCSC非线性动态模型，实现了TCSC系统的精确线性化，同时所设计的控制策略适用于任意的电力系统结构。控制器的设计使用神经网络逆系统方法，使得所设计的控制策略不依赖于系统的精确模型和参数。针对两区域四机电力系统的仿真结果表明所设计的控制策略能达到直接控制TCSC传输功率，间接控制远端发电机功角的目的。     

可编程逻辑控制器变频调速系统神经网络逆控制

神经网络逆系统方法是近年来提出的一种新型的控制算法，它结合了神经网络与逆系统的优点，使其具有很强的应用价值。可编程逻辑控制器（PLC）以其优异的性能在变频器加异步电机构成的变频调速系统中得到了广泛的应用，但对于异步电机这一复杂控制对象，需要进一步提高其控制性能。使用神经网络逆系统方法完成了PLC变频调速系统速度环的线性化，并进行闭环控制。实验结果表明，与传统线性控制方法相比，采用神经网络逆控制的PLC变频调速系统的运行性能得到了显著提升，体现了神经网络逆控制的工程实用性。     

多目标励磁控制的神经网络逆系统方法

根据逆系统理论分别分析了以机端电压和功角为被控量的励磁系统的可逆性，并采用不同的神经网络逆系统结构实现了对单目标量的励磁控制，针对单目标励磁控制不能够同时改善功角稳定性和机端电压稳定性的不足，在以机端电压为被控量的神经网络逆系统结构中引入功角偏差反馈信号，设计了多目标神经网络励磁控制器，研究结果表明，应用该系统能够实现多目标励磁控制，综合性能优于目标的神经网络逆系统控制方法和常规PSS控制方法。     

神经网络逆系统及其在电力系统控制中的应用

阐述和证明了基于输入输出微分方程描述的系统可逆性的充分条件,并给出了相应的解析逆系统的实现方法。文中同时研究了采用积分器和静态神经网络组成动态神经网络结构的方法,并将这种神经网络结构与逆系统理论相结合,提出了神经网络α阶逆系统的结构及其实现步骤,运用该神经网络α阶逆系统对TCSC控制器进行了设计。实际系统的仿真结果证实了所设计控制策略的有效性。     

汽轮机调节系统对发电机稳定的影响

目前快速灵敏的汽轮机调速系统对电力系统稳定性的影响已经很显著，但国内外汽轮机行业长期忽视这一问题。该文的研究表明，常规的调速系统对电力系统微动态稳定性没有好的影响，甚至稍微有不利影响，但专门设计的调速系统却能大幅度提高电力系统稳定性，且比附加励磁控制还有效。     

基于逆系统方法的汽轮发电机综合控制器

采用多变量非线性控制的逆系统理论分析了汽轮发电机励磁与汽门系统的可逆性,并运用逆系统方法将这一多变量、非线性、强耦合的复杂被控对象解耦成两个独立的SISO线性化积分型子系统,然后基于线性系统理论设计了综合控制器。研究结果表明,该控制策略实现了励磁控制与汽门调节的动态解耦,应用该方法要显著提高电力系统的暂态稳定性。     

感应电机的神经网络逆系统线性化解耦控制

提出了一种新的感应电机的线性化解耦控制方法，其特点是不依赖于对象的精确数学模型与参数。通过用静态神经网络加积分器来构造感应电机的逆系统，将感应电机这一多变量、非线性、强耦合的复杂对象动态解耦成转速与转子磁链两个二阶线性子系统，然后运用线性系统理论进行综合。仿真与初步的实验结果表明系统具有优良的静态及动态解耦性能，且对电机参数的变化与负载扰动具有较强的鲁棒性。     

水轮发电机水门非线性控制规律的研究

基于非线性微分几何控制理论,给出了针对具有刚性水锤效应的水轮发电机组的非线性调速器控制规律。数字仿真实验表明,这种控制规律能够很好地解决刚性水击的控制问题,与弹性水击的比较表明,在弹性时间常数比较小时,这种控制规律也能够获得满意的控制效果。     

逆系统方法在电力系统综合控制中的应用

将多变量的逆系统方法用于大型汽轮发电机组的综合控制,综合考虑了励磁控制和汽车门开度控制。基于逆系统思想选取功角δ和发电机输出电压νt作为电力系统的输出,获得了电力系统α阶积分逆系统,由此设计了非线性解耦最优控制律,以同时提高系统的综合性能。计算机仿真结果表明,所设计的控制律可有效地搞高发电机的稳定性和电压精度。     

可控串联补偿神经网络广义逆系统控制方法的数字仿真研究

本文介绍了提高电力系统暂态稳定性的可控串联补偿（ＴＣＳＣ）神经网络广义逆系统控制方法，以及该方法在数字仿真软件ＮＥＴＯＭＡＣ中的实现过程，并对含有ＴＣＳＣ的实际多机电力系统进行了数字仿真。结果表明，这种方法具有良好的暂态稳定控制效果，而ＮＥＴＯＭＡＣ可以实现这类复杂的控制策略。     

发电机调速控制中自振荡的有效抑制

为了消除调速侧电力系统稳定控制中调速器间隙非线性造成的自振荡,提出了用外加高频周期信号“辗平”调速器间隙实现线性化的方法。应用谐波线性化原理进行了系统分析,导出外加高频周期信号的参数设计。最后,给出了一个单机电力系统的仿真试验。系统分析和仿真试验结果表明了文中所述方法的有效性。     

逆系统方法在TCSC稳定控制中的应用

简单介绍了基于坐标变换和反馈控制理论的一种反馈线性化方法－逆系统方法。运用逆系统方法将含可控串联补偿电容器（TCSC）的非线性电力系统线性化,并且对该线性化的系统运用具有二次型性能指标的线性最优控制方法设计了TCSC的稳定控制器,将其与用微分几何法和用直接大范围线性化法设计的控制器进行了比较,结果表明它们具有相同的控制效果,即均能提高电力系统的暂态稳定性。