基于LabVIEW的一维云模型推理映射研究

云模型非线性映射关系是云模型应用于智能控制领域的关键问题.基于LabVIEW平台,首先将云模型单规则推理映射算法封装为LabVIEW子函数,可供云模型推理映射研究调用;进而研究了云模型非线性推理映射关系,对一种饱和特性映射关系给出了软件仿真和硬件实测结果,对一种新的云模型期望系统设计了输入、输出云模型参数以及推理规则,得到了较好的映射效果,为今后基于LabVIEW的云模型控制器的设计和应用提供了参考.     

基于云推理的短期风电功率预测模型

针对风速、风向和风功率之间的关联知识,提出了一种短期风电功率预测的云推理模型。利用云变换将风速等历史数据转换成多个云的定性概念,并用云的合并方法得到跃升概念,再用极大判定法进行概念隶属判定,得到约简数据库,用Apriori算法挖掘得到风速、风向和风功率之间的关联规则,最后形成云推理的规则发生器,利用规则发生器的不确定性推理来完成未来24个小时的风电功率预测。实验得到一系列有稳定倾向的预测值集合,取其期望值与Arima模型和RBF神经网络的预测值比较,相对误差均有不同程度的减小,显示了该模型较高的实用和推广价值。     

基于混合半云模型的风速-功率曲线建模方法

风速-功率曲线的准确建模是风电机组出力态势评估和风电功率预测的关键基础之一。计及风电映射关系的不确定性及功率曲线的分布形态,提出一种基于混合半云模型的建模策略来实现对风功率数据固有和随机分布特征的挖掘和建模。引入最优组内云熵算法快速有效地剔除异常数据;采用逆向云发生器求取期望、熵与超熵数字特征来定量刻画风速-功率对应关系的不确定性,构建腰部数据的半云模型;通过X条件云发生器和正向云发生器分别求取腰部和上部数据的功率云滴,实现定性数字特征向定量数据的转换。以中国东北某大型风电场的实测数据为例,从数据质量、频率分布和风功率预测等维度分析混合半云模型,验证了所提方法的可行性。     

同步发电机云模型励磁控制器的设计

云模型是实现定性与定量间不确定性转换的有力工具,它将客观事物的模糊性与随机性结合在一起,解决了非线性与不确定性问题.为此,将云模型引入到同步发电机励磁控制中,根据云模型可实现不同映射关系的原理确定推理规则,设计出一种云模型励磁控制器.仿真结果表明,与传统的PID控制方法比较,云模型控制器具有较强的鲁棒性,对同步发电机运行点变化的适应性较好,增强了系统的暂态稳定性,具有良好的推广和应用价值.     

基于多步逆向半云模型的价格型需求响应不确定性建模

针对现有价格型需求响应模型难以同时精确反映用户响应行为的随机性与模糊性,以及基于对称云模型进行需求响应建模存在拟合误差大、求解稳定性差的问题,提出一种基于多步式逆向云发生器半云模型的价格型需求响应不确定性建模方法。定义收益率作为不同用户对收益大小认知的统一评估标准,并建立半云模型下的用户收益率与响应行为的映射关系模型。利用多步式逆向云发生器求取半云模型的数字特征,并采用正向云发生器生成反映用户响应行为的分布云图。仿真算例表明,相比于对称云模型与传统价格型需求响应建模方法,半云模型具有更高的拟合精度;相比于单步式逆向云发生器,多步式逆向云发生器具有更好的稳定性。     

不规则风速概率分布的混合半云建模方法

针对目前风电场风速概率分布模型拟合精度低、通用性差的问题,根据不确定性数学理论,提出一种基于混合半云模型的风速建模方法。该模型通过逆向云发生器求取区域风速样本的期望、熵、超熵数字特征,建立相应区域的半云模型,应用正向云发生器对不规则的风速概率分布进行分区拟合。单峰、不规则、多峰特性风速概率分布实例计算结果表明:所提风速混合半云模型简单高效、通用性强,适用于任意风速概率分布,对具有单峰、不规则、双峰或多峰特性的风速概率分布均能获得较高的拟合精度。     

云模型理论在多机电力系统励磁控制中的应用

风力发电系统具有较强的非线性和不确定性。基于云模型理论设计了云模型励磁推理器,对发电机进行励磁控制。该推理器由电压推理模块和角速度推理模块组成,且输入信号分别为发电机机端电压和角速度,共用一个云模型推理单元,并与模糊PID励磁推理器比对。多机无穷大电力系统的仿真结果表明,云模型励磁推理器对于提高同步发电机的响应速度,改善发电系统的暂态和稳态性能具有明显效果。     

一种基于环形振荡器的轻量级高效率的真随机数发生器

真随机数发生器(TRNG)作为芯片中重要的安全组件,在现代加密系统中扮演着越来越重要的角色.对于TRNG的设计,关键是需要熵提取器可以在恶劣的环境变化(如工艺波动、电压和温度(PVT))下稳定地生成熵值.基于Xilinx FPGA平台提出了一种基于环形振荡器的低成本,高效率真随机数发生器.TRNG一方面通过快速进位逻辑...     

基于云模型的球磨机料位概念表示与测量模型

针对采用音频法测量球磨机料位时存在特征值随机性强等不确定性因素,引入云理论进行球磨机料位概念表示,并利用云模型实现球磨机料位测量。其过程是对数据进行预处理并提取特征值,然后采用逆向云算法对不同料位下振声信号的特征进行基本料位概念提取,经过概念提升成粗粒度的料位概念表示后,形成不确定性推理的前件云模型;同时依据料位值信息构造推理后件云模型,以此建立云不确定性推理规则集。最后,通过云模型规则推理实现球磨机料位的软测量。多种方法对比实验结果说明了模型的有效性和实用性。     

云模型理论在互联电力系统负荷频率控制中的应用

针对负荷频率控制系统具有不确定性问题,提出一种基于云模型理论的多区域互联电力系统负荷频率自适应PI控制方法。该方法以区域控制偏差量e作为云模型发生器的前件,PI控制器参数的整定值P和I作为云模型发生器的后件,建立适于负荷频率控制的一维云模型PI控制器。同时分别从频域和时域角度模拟不同情况下的负荷扰动,采用云模型控制器对PI控制器参数自调整,实现电力系统的负荷频率控制。仿真结果表明,在满足各种负荷扰动情况下,所提方法可有效地跟踪功率波动所引起的频率偏差,满足负荷频率控制指标,具有更强的抗干扰性和鲁棒性,其控制效果明显优于传统PI控制器。