基于反馈型神经网络的光伏系统发电功率预测

分析了光伏系统的发电特性以及影响光伏发电的因素,建立了反馈型神经网络光伏系统发电功率预测模型.该模型采用Elman神经网络结构,利用其强大计算能力、映射能力和稳定性,将光伏发电的历史数据和天气情况一同作为样本,对模型进行训练和发电功率预测.仿真结果表明,该方法建立的预测模型具有较高的精度,为解决光伏系统发电功率预测提供了一种可行路径.     

基于反馈型神经网络的光伏系统发电功率预测

分析了光伏系统的发电特性以及影响光伏发电的因素,建立了反馈型神经网络光伏系统发电功率预测模型。该模型采用Elman神经网络结构,利用其强大计算能力、映射能力和稳定性,将光伏发电的历史数据和天气情况一同作为样本,对模型进行训练和发电功率预测。仿真结果表明,该方法建立的预测模型具有较高的精度,为解决光伏系统发电功率预测提供了一种可行路径。     

基于改进Elman神经网络的风速预测

指出风速预测对并网风力发电系统的运行有重要意义。为提高风速预测精度,提出了一种基于改进的Elman神经网络风速预测方法,利用误差反向传播的方法来确定反馈增益γ值。分别采用改进Elman神经网络与BP神经网络建立模型,对实际历史风速数据进行仿真预测。利用风电厂实际数据验证,并阐述了仿真结果。     

预测控制方法在列车速度控制中的应用

随着我国铁路建设的高速发展,列车运行速度不断提高,行车密度不断加大,原有的列车速度控制方法难以满足安全行车要求。本文研究了列车速度的预测控制方法。设计了列车预测控制策略,对列车运行速度进行实时预测及优化。针对列车速度的预测控制策略设计了系统仿真程序并进行了系统仿真,结果表明,采用预测控制可以根据以后的输入对列车速度和控制策略进行有计划的调整,提高了列车速度的控制效果和控制效率,利用在线估计预测模型,采用在线滚动优化和反馈校正策略,减少了由于模型不准确带来的误差。     

非线性永磁同步电动机约束预测控制

针对永磁同步电动机在伺服系统中的非线性问题和约束控制问题,提出了反馈线性化(FBL)与线性预测控制(LMPC)联合控制策略。利用反馈线性化方法,将原非线性系统模型转换为线性模型;利用LMPC解决约束条件对系统性能的影响。该方法分别解决了直接采用非线性预测控制(NMPC)计算量大并且可能收敛于局部极小点的问题和传统约束控制(抗饱和方法)设计过程复杂、适用范围小的问题。对于该方法中存在的约束条件非线性映射问题,提出一种改进方法。仿真结果表明FBL与LMPC联合控制策略简化了约束控制系统设计,改善了系统静、动态性能,提高了系统实时性和鲁棒性。     

基于滚动时域优化和反馈校正的虚拟电厂实时优化调度方法

虚拟电厂（virtual power plants,VPPs）已经成为对分布式新能源进行调度控制的重要方式,而由于日前新能源预测和负荷预测的误差,经常会影响调度策略并造成VPPs次优运行。提出了一种基于反馈校正控制模型预测控制的VPP自适应预测优化调度策略,以实现不确定性条件下VPPs的最优运行。该策略包括2个部分:滚动时域优化（receding horizon optimization,RHO）和反馈校正（feedback correction,FC）。RHO采用时间序列模型与卡尔曼滤波相结合的混合预测算法对RES和负载的输出功率进行预测,并根据预测结果进行调度。FC采用基于快速滚动灰色模型的超短期误差预测,对RHO策略进行调整。FC用于最小化调整,以补偿预测误差。所提策略在某实际配电系统的VPP上实施,结果表明,其能更好地跟踪系统内实际可用资源,且供需之间的不匹配程度最小。     

一种可变周期反馈的动态负载均衡算法

为了提高负载不均衡系统中并行计算效率,基于反馈机制设计动态负载均衡算法.该算法采用可变周期反馈设计,通过反馈负载信息和预测节点处理能力进行任务重分配.将周期长度与负载状态关联,当负载变化频繁时,缩短反馈周期,增强自适应性;当负载稳定时,增加反馈周期,减少额外开销.将该算法应用于半经典分子动力学力计算,对信息收集策略、反...     

馈能式非线性负载模拟装置电流跟踪无差拍控制策略

为构建绿色、节能的电能质量装置测试平台,将2个电压源变换器(VSC)形成背靠背拓扑结构,搭建了一台馈能式非线性负载模拟装置。在采用数字信号处理器(DSP)进行控制时,控制延时会带来较大误差甚至使系统失稳。传统的无差拍控制忽略了延时,电流跟踪效果不理想。对传统无差拍控制进行改进,提出一种基于采样反馈电流预测的无差拍控制,通过将采样周期和载波周期的起始时刻错开一定时间,并在此时间内进行反馈电流预测,可以准确计算出下一拍所需的调制信号。最后,采用传统无差拍控制算法与改进后的无差拍控制算法,在样机上进行了实验,实验结果表明,基于采样反馈电流预测的无差拍控制算法有效提高了控制精度和时间利用率。     

基于状态反馈的单相电压型逆变器重复控制

基本重复控制算法能够对周期性信号进行无静差跟踪,但动态性能较差。本文研究了一种基于状态反馈的单相电压型逆变器重复控制方法。针对基本重复控制中存在的延时问题,采用预测状态观测器减小延时,在基于极点配置的状态反馈中加入积分环节抑制系统干扰。Matlab仿真与实验结果表明改进型重复控制算法可以使系统的动态响应速度得到改善。     

火电厂制粉系统预测函数控制策略仿真

采用预测函数控制系统结构实现对锅炉制粉系统的优化控制.通过预测模型、反馈与校正等部分,在控制过程中对目标函数进行优化计算得到各基函数的权系数而求出相应的控制量,使磨煤机出口温度、磨煤机入口负压和磨煤机进出口差压都控制在规定范围之内.通过预测函数控制系统与传统PID控制系统的仿真结果比较,可以证明该方法能够有效地解决系统...     

基于频域的β-GPC稳定性分析与设计及在中频电源控制中的应用

推导了β-GPC(Generalized Predictive Control,即广义预测控制)的闭环反馈结构和闭环传递函数的递推公式.采用频域响应法分析β-GPC控制下闭环系统的频率特性.通过计算系统开环和闭环极点,分析闭环系统频率特性,设计β-GPC的参数,应用于中频电源控制系统中取得了满意的稳定性和暂态特性.     

基于模型预测的双PWM的一体化协调控制

针对双PWM变频器整流侧与逆变侧独立控制,电机转矩突变或制动过程时,逆变侧变化信息无法及时反馈到整流侧中,只能使用大电容以解决两侧功率平衡所产生的较大电压波动的问题,在直接功率控制策略的基础上,通过对有功功率预测,提出一种基于模型预测的控制方法,该方法整流侧采用模型预测直接功率控制,逆变侧采用模型预测直接转矩控制。同时,将负载侧功率直接反馈给整流器的功率控制环,在两侧能量流动的过程中实时地对有功功率参考值进行给定。以异步电机为负载对该系统进行仿真分析,改进的一体化协调控制很好地抑制负载突变时直流电压波动,预测控制加快了两侧动态响应速度,进一步抑制电流谐波。     

过热汽温模糊神经网络预测控制器的设计

针对锅炉过热汽温的特点，设计前馈—反馈串级复合型控制系统。主控制器采用基于神经网络预测模型的模糊神经控制，即该控制器首先是将神经网络与预测控制相结合，采用改进的递阶遗传算法对神经网络的权值和结构同时进行训练，实现了非线性、大时滞系统模型的精确预测；然后将模糊控制与神经网络相结合，实现模糊神经预测控制。副控制器采用二自由度PID控制器。仿真结果表明，该控制显著提高锅炉过热汽温这一非线性、大时滞系统的控制品质，且易于工程实现。     

直流伺服系统单值预估离散滑模控制

为了保证闭环系统的鲁棒稳定性,根据不确定系统的名义模型设计理想滑模面,并以名义模型作为预测模型,利用当前及过去时刻的滑模信息预测将来时刻的滑模动态,将预测控制理论中滚动优化、反馈校正的思想引入离散滑模控制系统的设计,提出了基于单值预估控制算法的离散滑模控制系统设计方法。仿真结果表明,该方法不仅完全消除了抖振现象,且能保证闭环系统的鲁棒稳定性。另外,由于采用了单值预估,使得控制算法非常简单。     

基于CAPSO-RNN的光伏系统短期发电量预测

针对光伏系统的发电特性及影响光伏发电的因素,建立基于混沌自适应粒子群优化算法的反馈型神经网络短期发电量预测模型。该预测模型利用混沌自适应粒子群优化算法的全局优化能力初始化反馈性神经网络权值和阈值,可以克服反馈型神经网络收敛速度慢俄且易陷于局部最优等缺点。同时为提高预测精度,采用隶属度函数对温度进行模糊化处理。预测结果表明,建立的预测模型具有较高的精度。     

广域阻尼控制延迟特性分析及其多项式拟合补偿

基于广域测量系统(WAMS)的互联电网区间阻尼控制能够有效抑制区间低频振荡,提高互联系统的传输容量.采用远方反馈信号的广域阻尼控制系统需要解决的工程问题之一是研究数据传输过程中引入的延迟对控制性能的影响及其补偿方法.文中根据我国部分WAMS工程的通信延迟实测数据分析了WAMS延迟的特点,并针对广域阻尼控制设计了基于多项式拟合的预测方法补偿滞后的远方反馈信号.以一个典型的2区域4机系统为例研究了不同延迟条件对阻尼控制的影响和补偿效果.仿真表明:所提出的延迟补偿方法能够在一定延迟范围内有效地维持采用远方反馈信号的广域阻尼控制效果,为其工程应用奠定了基础.     

循环流化床锅炉汽压的神经网络预测控制

预测控制是一种基于模型的控制算法，但是由于实际工业控制对象的复杂性，被控对象的数学模型往往难以建立，这给预测控制的实施带来了困难。而神经网络却有强大的系统辨识的能力，利用它与预测控制结合起来，组成神经网络预测控制，弥补了预测控制的不足。本文针对循环流化床锅炉汽压这类非线形系统具有大时滞、慢时变的特点，采用附加动量项和自适应率的BP算法，建立神经网络模型，在线实施滚动优化和反馈校正的预测控制。仿真表明，控制效果良好。     

输入受限的非线性系统模型预测控制

基于模糊T—S模型对输入受限的非线性离散系统,提出了模型预测控制,导出了预测控制性能指标上界,将稳定性约束、输入约束变换成容易求解的线性矩阵不等式(LMIs)形式。采用了状态反馈控制器和并行补偿分布控制器(PDC),基于李雅普诺夫函数和线性矩阵不等式方法给出滚动时域优化的充分条件,证明了闭环系统的稳定性。仿真结果验证了所提方法的有效性。     

基于模型预测控制的光热-光伏系统多时间尺度无功优化控制策略研究

针对光热-光伏系统无功控制问题,提出一种基于模型预测控制MPC(Model Predictive Control)的多时间尺度无功优化控制策略。在日前优化同步发电机与光伏逆变器无功出力的基础上,日内采用基于MPC的滚动优化及反馈校正控制思路,利用动态无功补偿设备控制母线电压。通过基于灵敏度的电压预测模型,预测未来多个时刻电压运行状态。在此基础上,以未来多个时刻预测电压控制偏差最小为优化目标,建立日内滚动优化模型,得到动态无功补偿设备的无功控制计划,并通过电压控制偏差反馈校正,完成日内无功电压的模型预测控制。以中国敦煌地区光热电站与光伏电站所组成联合发电系统为仿真算例,通过与传统多时间尺度无功优化控制策略对比,验证该控制策略在提高系统汇集母线电压和光热、光伏电站PCC母线电压的稳定性的可行性与有效性。     

基于分布式模型预测控制的综合能源系统多时间尺度优化调度

采用具有滚动优化、反馈校正特点的模型预测控制是实现综合能源系统多时间尺度优化调度的关键技术之一.鉴于集中式模型预测控制实现系统整体在线优化的复杂性,文中提出一种基于分布式模型预测控制的综合能源系统多时间尺度优化调度方法,通过各子系统协调配合实现综合能源系统灵活调度.首先,建立以系统日运行经济最优、系统日运行费用及机组启停惩罚费用最小为目标的日前、日内滚动优化模型.然后,在实时阶段采用基于分布式模型预测控制的优化调度策略对整体优化问题进行分解,各子系统根据其他子系统前一时刻的输入序列进行状态估计并优化自身性能指标.最后,通过对各子系统的协调控制进而实现整个系统的在线优化,满足其动态调整需求.仿真结果表明,所提方法能够在改善系统控制性能的同时,提高系统运行的经济性.