基于神经网络自适应PI控制的SSSC潮流控制器

提出了一种基于神经网络自适应PI控制的SSSC潮流控制策略,并设计了控制器的结构.该控制器主要由系统辨识和PI参数整定两个神经网络组成,并给出了它们的学习算法.该控制器在动态过程中,利用神经网络对SSSC的有功控制器和无功控制器的PI参数进行在线调整,提高了控制器的自适应能力和鲁棒性.在Matlab动态仿真环境中建立了控制系统的仿真模型,并基于此模型对系统的暂态行为和输电线路潮流的调节过程进行了仿真,仿真结果验证了该控制器在潮流控制上的有效性和适应性.     

基于模糊自整定PI控制的SSSC潮流控制器研究

在介绍静止同步串联补偿器(SSSC)的模型及控制结构的基础上,提出了一种模糊自整定PI控制的SSSC潮流控制器,设计了控制器的结构,建立了模糊控制规则表,进行了数字仿真.该控制器在动态过程中,利用模糊逻辑对SSSC的有功控制器和无功控制器的PI调节参数进行在线调整,提高了控制器的自适应能力和鲁棒性.仿真结果表明,该控制器具有比常规PI控制器更快的潮流调节速度.     

基于HDP算法的SSSC神经控制器设计

传统的线性PI控制器在非线性系统的特定运行点有较好的性能,但在其他运行点它的性能会降低。应用启发式动态规划算法设计了静止同步串联补偿器(Static Series Synchronous Compensator,SSSC)的外部非线性最优神经控制器,总共包含3个神经网络;第一个为模型网络,它的主要作用是模拟系统的输入输出动态特性;第二个为神经网络为评价网络,它的主要作用是评价动作网络给出控制量的好坏;第三个为动作网络,它的作用是产生控制量;这三个为神经网络互相协作,从而得到最佳的控制序列。在Matlab/ Simulink动态仿真环境中搭建了含SSSC双机电力系统的仿真模型,并对线路阻抗的调节过程和电容电压的变化过程进行了仿真,与传统的PI控制器相比,具有响应快、超调小的特点。     

基于HDP算法的SSSC神经控制器设计

传统的线性PI控制器在非线性系统的特定运行点有较好的性能,但在其他运行点它的性能会降低.应用启发式动态规划算法设计了静止同步串联补偿器(Static Series Synchronous Compensator,SSSC)的外部非线性最优神经控制器,总共包含3个神经网络;第一个为模型网络,它的主要作用是模拟系统的输入输出动态特性;第二个为神经网络为评价网络,它的主要作用是评价动作网络给出控制量的好坏;第三个为动作网络,它的作用是产生控制量;这三个为神经网络互相协作,从而得到最佳的控制序列.在Matlab/ Simulink动态仿真环境中搭建了含SSSC双机电力系统的仿真模型,并对线路阻抗的调节过程和电容电压的变化过程进行了仿真,与传统的PI控制器相比,具有响应快、超调小的特点.     

基于状态反馈精确线性化变结构控制的SSSC控制器设计

提出一种基于状态反馈精确线性化变结构控制的静止同步串联补偿器(SSSC)控制器设计方法.考虑到SSSC交流侧电压幅值和相角以及直流侧电容电压的动态调节过程,建立了SSSC在同步旋转dq坐标系下的非线性数学模型,在此模型的基础上,采用状态反馈精确线性化方法将原非线性系统转化为线性系统.然后,应用变结构控制原理设计SSSC控制器,同时通过PI控制稳定直流侧电容电压.最后,利用MATLAB仿真软件搭建了装设有SSSC的110kV输电系统的仿真模型,仿真结果表明了所设计的控制器能够很好地根据需求来改善电网输电能力,具有良好的暂态控制性能.     

基于神经网络PI重复控制器的三相并联有源电力滤波器

针对传统的PI控制的局限性,提出一种新的控制策略,利用基于神经网络的PI控制器与重复控制器并联构成的控制方法,大大提高了响应速度和补偿精度。该控制器利用BP神经网络技术,根据误差大小对PI控制器参数进行在线实时自适应整定,从而满足最优性的要求。利用重复控制的零稳态误差能力保证了装置的稳态精度。最后通过与传统PI控制器的仿真对比说明所提方法的可行性。     

模糊控制在永磁同步电机调速系统中的应用

传统PI控制器基于线性系统设计且参数固定,不能满足高性能控制的要求。而模糊控制不依赖于控制对象的数学模型,能够根据模糊信息实行精确控制。为了结合PI控制和模糊控制的优点,设计了一种模糊自适应PI控制器,并应用到永磁同步电机矢量控制调速系统中。该控制器能根据外部和内部参数的变化自动调节PI控制器的参数。仿真结果验证了,采用模糊自适应PI控制器的永磁同步电机矢量控制调速系统具有更好的动态和鲁棒性能。     

应用于DC／DC变换器的模糊自适应控制器的研究

提出了一种应用于DC／DC变换器的模糊自适应PI控制器。在传统PI控制的基础上,设计了对PI参数进行在线调节的模糊自适应控制算法。对该算法建立了基于Matlab的仿真模型,并通过ARM控制器对其进行软硬件实现。以Buck电路为被控对象的计算机仿真和实验结果表明,模糊自适应PI控制简单可靠,实现了快速性与稳定性的统一。     

基于模型预测控制的永磁同步电机参数辨识

为了达到永磁同步电机系统的动态响应快、稳态误差小、控制精度高的要求,采用模型预测控制设计转速控制器和电流控制器分别代替传统矢量控制系统的转速PI控制器和电流PI控制器,又因预测控制器较依赖于电机模型参数,易在电机运行过程产生参数失配现象,提出模型参考自适应方法对基于模型预测控制的永磁同步电机进行在线多参数辨识,以保证电机控制系统的性能要求,为了解决多参数辨识存在的欠秩问题,采用模型参考自适应分步辨识策略,以准确辨识电机模型参数,并在MATLAB/Simulink上仿真验证了所描述方法的有效性和可行性。     

一种优化系统动态性能的新型SSSC控制策略

静止同步串联补偿器(SSSC)具有快速潮流控制的能力,选择好的控制策略能够充分发挥SSSC的作用。本文计及逆变器的损耗及直流侧电容电压的动态调节过程,在两相同步旋转dq坐标系下建立了SSSC的数学模型。在分析此模型的基础上提出了基于部分状态反馈的dq轴解耦策略,同时还提出了直流侧电容电压和线路有功功率的控制方法。在Matlab/Simulink动态仿真环境中搭建了SSSC的数学模型及控制系统的仿真模型,并基于该模型对直流侧电容电压调节过程、线路传输有功功率的调节过程和SSSC的暂态过程进行了仿真,仿真结果表明该控制策略的有效性和适用性。     

神经网络和模糊算法相结合的永磁同步电机的鲁棒控制

提出一种神经网络和模糊理论相结合的控制算法,用于永磁同步电机的控制.该算法用基于BP神经网络的PID算法作为速度控制器,实现控制系统的在线自适应调整;同时用模糊理论算法作为神经网络控制器输出的限制,实现了良好的控制动态性能.在与传统的PI控制仿真比较中,该算法显示出了较好的控制性能,对负载和电机参数的变化不再敏感,且控制器可以在误差较大的时候快速跟踪指令,而在误差较小的时候实现稳定运行.     

神经网络和模糊算法相结合的永磁同步电机的鲁棒控制

提出一种神经网络和模糊理论相结合的控制算法，用于永磁同步电机的控制。该算法用基于BP神经网络的PID算法作为速度控制器，实现控制系统的在线自适应调整；同时用模糊理论算法作为神经网络控制器输出的限制，实现了良好的控制动态性能。在与传统的PI控制仿真比较中，该算法显示出了较好的控制性能，对负载和电机参数的变化不再敏感，且控制器可以在误差较大的时候快速跟踪指令，而在误差较小的时候实现稳定运行。     

基于人工神经网络控制算法的SSSC潮流控制器设计

提出了一种应用神经网络控制策略为静止同步串联补偿器 (SSSC)设计的新型潮流控制器。径向基函数神经网络的理论基础是函数逼近 ,用一个两层的前向网络去逼近任意函数 ,能更好地进行潮流控制。仿真结果表明 ,这种控制器与传统的PI调节控制相比 ,不但能快速调节潮流 ,增加系统阻尼 ,改善系统稳定性 ,并且有较强的适应性、鲁棒性     

基于神经网络预测控制的PMSM伺服系统的仿真研究

在PMSM伺服系统中,电机大多采用的是矢量控制,参数的变化、负载扰动等因素对系统的稳定性、可控性影响较大.现有的控制策略大多是滞后的,无法根据未来动态行为产生理想电机电压输入.提出了一种基于神经网络的PWM预测控制方法.采用离线训练和在线修正的方法,获得PMSM神经网络模型,并在控制过程中修正模型.最优控制器根据该模型的输入、输出响应产生合适的电压波形.在Matlab/Sim-ulink环境下完成仿真,结果表明,较之PI控制器,神经网络预测控制具有更好的动态性能和鲁棒性.     

静止同步串联补偿器的变结构控制器设计

为了提高静止同步串联补偿器的稳态性能和补偿灵活性,采用变结构控制设计其控制器,整个设计基于对输电线路电流的锁相.由于SSSC的数学模型在dq坐标下是一个非线性强耦合系统,文中采用基于非线性反馈的逆系统方法将原系统进行线性化解耦,构造出其伪线性模型,设计出伪线系统的变结构控制律,对直流侧的隐动态采取PI控制.最后建立SSSC的仿真模型对其进行仿真试验并同PI控制进行了比较.结果表明本控制策略的高效性.     

基于人工神经网络控制算法的SSSC潮流控制器设计

本文提出了一种应用神经网络控制策略为静止同步串联补偿器(SSSC)设计的新型潮流控制器。径向基函数神经网络的理论基础是函数逼近,用一个两层的前向网络去逼近任意函数,以更好地进行潮流控制。仿真结果表明,这种控制器与传统的PI调节控制相比,不但能快速调节潮流,增加系统阻尼,改善系统稳定性,并且有较强的适应性、鲁棒性。     

基于模糊规则的SSSC智能控制器设计

静止同步串联补偿器SSSC是FACTS中新型的串联补偿元件,它的快速、灵活控制特性及其在提高电力系统暂态稳定性上的作用具有广阔的应用前景。在模糊控制理论及数字PID控制方法的基础上,采用基于模糊理论的PI控制策略对SSSC的控制器进行设计,提出了基于模糊规则的SSSC智能控制器的设计方案。最后,利用MATLAB语言中的仿真环境Simulink对所设计的控制器进行了仿真验证,仿真结果证明:该控制器能够更有效地提高SSSC的控制性能,改善系统的动态特性。     

SSSC非线性控制的直接反馈线性化方法

考虑了静止同步串联补偿器（SSSC）的逆变器输出交流侧电压幅值和相位的动态调节过程及其直流侧电容电压的动态变化过程，建立了SSSC的的三阶动态模型，并用直接反馈线性化方法设计了SSSC与发电机励磁的协调非线性控制器，由于采用了动态反馈补偿，因而所设计的控制器对系统运行方式的变化具有很强的鲁棒性，该文还利用MATLAB的动态仿真环境Simulink及其S＿Function编程技术建立了相应控制系统的仿真模型，并基于该模型对系统的暂态行为以及输电线路有功功率的调节过程进行了仿真，仿真结果表明，所设计的控制器能有效地对线路有功功率进行控制，并能显著地改善电力系统的暂态稳定性。     

神经网络自适应PI控制器在有源滤波器中的应用

针对有源电力滤波器的电流跟踪控制问题,设计一种神经网络自适应PI控制器。该控制器将神经网络技术和PI控制器设计方法相结合,控制器采用PI控制器结构,具有结构简单、计算时间短、易于实现等优点。同时利用神经网络技术,使其输出作为最优控制规律下的PI控制器的参数值,并根据误差大小对控制器参数进行在线实时自适应整定,从而满足大工况、全工作条件和最优性的要求。仿真实验表明,神经网络自适应PI控制器较一般的PI控制器有更快的响应速度和更高的补偿精度,而且经过神经网络自适应PI控制器作用后,其电网电流的谐波畸变率和电流跟踪误差均降低到PI控制器的55%左右。     

神经网络自适应PI控制器在有源滤波器中的应用

针对有源电力滤波器的电流跟踪控制问题,设计一种神经网络自适应PI控制器.该控制器将神经网络技术和PI控制器设计方法相结合,控制器采用PI控制器结构,具有结构简单、计算时间短、易于实现等优点.同时利用神经网络技术,使其输出作为最优控制规律下的PI控制器的参数值,并根据误差大小对控制器参数进行在线实时自适应整定,从而满足大工况、全工作条件和最优性的要求,仿真实验表明,神经网络自适应PI控制器较一般的PI控制器有更快的响应速度和更高的补偿精度,而且经过神经网络自适应PI控制器作用后,其电网电流的谐波畸变率和电流跟踪误差均降低到PI控制器的55%左右.