深度调峰下超超临界机组再热汽温控制优化

火电厂在深度调峰过程中存在再热器出口汽温大延迟、大惯性和非线性等特点,使控制效果变差或难以投自动,提出一种基于模糊切换的仿人智能控制算法,对再热汽温控制系统进行优化,并利用粒子群算法结合控制经验对参数进行选择,仿真结果表明该方法增强了再热汽温控制系统的鲁棒性。在某1 000MW超超临界机组的实际投运中取得较好的控制效果,有效提高了机组的经济性和安全性。     

基于粒子群优化的串级模糊PID无人机飞行控制系统

为了解决无人机飞行控制系统存在的平稳控制响应慢、自适应能力差,抗干扰能力弱的问题,本文分析了无人机飞行控制系统的原理,建立了无人机飞行控制模型,在串级模糊PID控制的条件下,利用粒子群优化算法的迭代寻优能力,实时确定模糊控制中的量化因子、比例因子以及初始PID参数,通过模糊控制在线调整PID参数,使平稳控制中的参数时刻保持最优化,设计了一种基于粒子群优化的串级模糊PID的飞行控制系统。实验结果表明：当量化因子e、ec的值分别为3、0.75,比例因子k1、k2、k3的值分别为0.5、2、0.5时,系统稳定性达到最优。相比于串级PID控制与串级模糊PID控制,通过粒子群优化后的控制系统具有更优的控制精度和稳定性,能较好地提高系统的性能指标,满足快速高效调平的飞行要求。     

一种改进粒子群优化算法在多目标无功优化中的应用

针对粒子群优化算法容易陷入局部最优等问题,提出了一种新的模糊自适应-模拟退火粒子群优化算法。该算法首先是基于模糊推理的思想,将规范化的当前最好性能评价和粒子群算法的惯性权重、学习因子作为模糊控制器的输入,以算法参数变化量的百分数作为模糊控制器的输出,并根据参数设置经验建立了相应的模糊控制规则,使其能够自适应地调节粒子群优化算法的参数;对调节后粒子新位置的优劣,则通过采用模拟退火算法调节粒子的适应度来加以评价。最后,采用改进后的粒子群优化算法对多目标无功优化模型进行了求解。IEEE30节点和IEEE118节点的标准电力系统算例验证了本文所提出的模糊自适应-模拟退火粒子群优化算法的有效性和可行性。     

基于粒子群算法的负荷模型参数辨识研究刘影;谢驰;张有润;1-5+11

针对负荷模型的稳定性直接影响电力系统分析计算的可靠程度问题,提出了将粒子群算法与分散协调控制相结合的负荷模型参数辨识方法。该负荷模型参数辨识方法根据负荷节点的电压变化情况,通过粒子群优化对含负荷控制的目标函数进行校正,使得模型参数在辨识迭代过程中获得全局最优值,达到负荷模型的最佳稳定性,并通过计算机仿真证实所提出方法能够提高负荷模型的稳健性。     

基于蚁群粒子群优化的卡尔曼滤波算法模型参数辨识

针对复杂的低压配电网通信环境,提出一种基于蚁群粒子群融合的无先导卡尔曼滤波(UKF)算法的模型参数辨识方法。对于电力线多径信道传输模型,采用具有最小均方误差估计效果的UKF辨识算法。针对UKF算法通过试验调节难以取得最佳滤波效果的问题,提出基于蚁群粒子群算法优化UKF噪声矩阵的方法,同时引入蚁群算法将惯性权重离散化以提高粒子群算法的搜索效率,克服其容易发生早熟收敛的缺点。试验和仿真结果表明,采用该优化算法辨识电力线信道模型可克服参数的分散性,提高拟合精度并缩短辨识时间。     

纯滞后汽温系统的仿人智能控制

本文针对电站锅炉汽温系统具有滞后时间大和参数变化的特点，提出了对被校对象模型依赖性较小的仿人智能控制算法，并通过现场试运行，证明了该算法的有效性。     

基于粒子群优化模糊PID控制的多足式真空吸附机器人控制方案设计

为解决高层建筑玻璃幕墙的清洗与检测问题，探索一种多足式真空吸附爬壁机器人，为实现爬壁机器人平稳运行，主要是提高电机转速的控制精度，采用模糊PID算法进行控制并在此基础上利用粒子群算法进一步迭代优化。通过粒子群算法的迭代寻优能力，实时确定模糊PID控制中PID三个参数的比例因子，得到一个性能较好的控制系统。结果表明，当比例因子Ckp、Cki、Ckd的值分别为0.1、8.23、0时系统稳定达到最优。相比于模糊PID控制，采用粒子群算法进一步优化后的系统，响应速度提升了0.024 s且同样无超调产生，能够满足系统要求。     

基于粒子群算法的负荷模型参数辨识研究

针对负荷模型的稳定性直接影响电力系统分析计算的可靠程度问题,提出了将粒子群算法与分散协调控制相结合的负荷模型参数辨识方法。该负荷模型参数辨识方法根据负荷节点的电压变化情况,通过粒子群优化对含负荷控制的目标函数进行校正,使得模型参数在辨识迭代过程中获得全局最优值,达到负荷模型的最佳稳定性,并通过计算机仿真证实所提出方法能够提高负荷模型的稳健性。     

水轮机调速器的仿人智能PID控制

基于仿人智能控制的原理，提出了水轮机调节系统的仿人智能PID控制策略与规则。所述智能PID控制器基于对控制误差的识别来调整控制策略和控制参数，比常规PID有更好的动态调节特性和鲁棒性，且实时性强，易于实施。仿真与现场试验结果表明：仿人智能PID控制可以提高水轮机调节系统的速动性和稳定性。     

基于量子粒子群优化容积卡尔曼滤波的LANDMARC室内定位算法

针对噪声环境下,基于标准容积卡尔曼滤波的LANDMARC室内定位算法因噪声特性估计不准,引起滤波性能下降而导致定位误差较大的问题,提出一种基于量子粒子群优化容积卡尔曼滤波的LANDMARC室内定位算法。该算法首先建立基于LANDMARC定位框架下的运动目标动态模型,然后引入量子粒子群优化技术对容积卡尔曼滤波中时间更新过程的状态预测值进行优化,以降低因畸变噪声引起的误差;最后将改进的容积卡尔曼滤波算法应用到运动目标状态估计中。实验结果表明,所提算法定位误差均值为0.175 m,与相同环境下传统的LANDMARC算法、基于容积卡尔曼滤波的LANDMARC算法以及基于粒子群优化容积卡尔曼滤波的LANDMARC算法相比,定位精度和稳定性均有明显提高,且运算时间比基于粒子群优化的算法少,应用在室内定位中能够得到较为真实的目标移动轨迹。     

Adaptive intelligent techniques for microgrid control systems: A survey

This paper introduces a survey on the adaptive and intelligent methods that have been applied to microgrids systems. Interestingly, the adaptive technique is effectively exercised in various control issues including stability, tracking error, and parameter uncertainties. Adaptive control has been extremely developed by using intelligent algorithms to automatically tune the control parameters namely fuzzy logic, particle swarm optimization, bacterial search algorithm, and etc. The objective is to evaluate and classify the design control methods and evaluation algorithms for the microgrid systems to maintain stability, reliability, and load variations by adjusting the controller parameters especially in standalone operation mode. The stability of islanded microgrids are constantly impacted by the related loads. A significant part of the research on an islanded microgrid involves droop control technique. In normal operation, distributed generation units and storage units provide power quality control. Once a shutdown is occurred, microgrid can be isolated from the main grid and operate in a local grid to support the local loads. Thus, distributed generations co-operate storage units to sustain the stability of the islanded microgrid.     

Optimizations of PID gains by particle swarm optimizations in fuzzy based automatic generation control

In this paper, various novel heuristic stochastic search techniques have been proposed for optimization of proportional–integral–derivative gains used in Sugeno fuzzy logic based automatic generation control of multi-area thermal generating plants. The techniques are classical particle swarm optimization, hybrid particle swarm optimizations and hybrid genetic algorithm simulated annealing. Numerical results show that all optimization techniques are more or less equally very effective in yielding optimal transient responses of area frequency and tie-line power flow deviations. The gains obtained by particle swarm optimization are more optimal than those obtained by GA/hybrid GA-simulated annealing. Particle swarm optimizations take the least time to achieve the same optimal gains. These gains are for nominal system parameters. For varying off-nominal on-line system parameters, fast acting Sugeno fuzzy logic manipulates the nominal gains adaptively to determine transient responses.     

基于Q学习的微网二次频率在线自适应控制

由于包含微源的多样性及运行模式的多样性,微网的二次频率控制面临着系统参数不确定性的挑战。文中提出了在多代理(Agent)分层混合控制模型中嵌入一种基于Q学习的智能算法。首先,动态预测出微网系统实时二次调频功率缺额值。其次,同时考虑微网运行经济性和环境效益,并采用模糊化方法和粒子群优化算法实现二次调度功率的分配。最后,在C++Builder环境下搭建了包括不同微源的本地层Agent和具有不同控制功能的中央层Agent的微网混合能量管理仿真平台,结果证明了所提出的基于Q学习的微网二次频率自适应控制器可以自适应微网系统结构及其参数的动态变化,实现微网二次调频的智能控制。     

基于约束多目标骨干粒子群的污水处理过程优化控制

为了取得污水处理过程能耗和出水水质这对冲突目标之间的最佳平衡,提出一种基于约束多目标骨干粒子群的污水处理过程智能优化控制方法。首先,利用数据驱动的思想建立能耗和出水水质的模糊神经网络预测模型;其次,利用带自适应扰动的约束多目标骨干粒子群优化算法对溶解氧和硝态氮浓度的设定值进行动态寻优,并利用模糊隶属函数法设计智能决策系统用于从Pareto最优解集中确定最优设定值;最后,利用模糊逻辑控制器实现底层跟踪控制。基于国际基准平台BSM1实验结果表明,建立的数据驱动模型能够有效辨识污水处理过程;同时,所提的多目标优化控制方法在保证出水水质参数达标前提下,能够有效地降低污水处理过程的能耗。     

Power-Frequency Balance in Multi-generation System Using Optimized Fuzzy Logic Controller

This paper emphasizes the development of control strategy for inter-area oscillation suppression for a unified two-area hydro–thermal deregulated power system. A proportional derivative-type fuzzy logic controller with integral (PDFLC+I) controller was proposed for automatic generation control. Further comparisons among conventional integral controller, proportional integral derivative controller, and PDFLC+I are carried out, where the PDFLC+I controller is optimized by four different optimization techniques namely, algorithm, ant colony optimization, classical particle swarm optimization, and adaptive particle swarm optimization. In PDFLC+I controller optimization, scaling parameters of controllers are optimized. A comparative study shows that the proposed PDFLC+I controller has a better dynamic response following a step load change for the combination of PoolCo and bilateral contract-type transaction in deregulated environment. Proposed controller performance has also been examined for ±30% variation in system parameters. Non-linearity in the form of governor dead band is taken into account during simulation.     

基于数据分析和改进Chebyshev神经网络的风速时间序列预测

为提高风速时间序列预测精度,基于风速时间序列的随机性和波动性,提出互补集合经验模态分解(Complete Ensemble Empirical Mode Decomposition,CEEMD)和正交粒子群算法(Orthogonal Particle Swarm Optimization,OPSO)优化Chebyshev基函数神经网络的混合风速时间序列预测模型(CEEMD-OPSO-Chebyshev)。利用CEEMD将原始风速时间序列分解成有限个固有模态分量,避免了传统的分解信号重建中冗余噪声残留问题。同时引入排列熵分析各分量内在特性进行聚类,提出基于OPSO优化算法的Chebyshev神经网络风速预测模型,利用OPSO优化预测网络权值,进一步提高预测精度,通过对实际采样的风电场风速时间序列进行预测分析,结果可得所提出的混合预测模型与传统预测模型相比能得到更高的预测精度。     

基于AGC的高压互联网络频率协调控制

针对高压互联网络频率协调困难,而自动发电控制存在控制跟踪性能差、参数最优值获取难、优化效果不明显等问题,提出了一种基于模拟退火粒子群寻优算法的闭环反馈自动发电控制。改进后的寻优算法结合了模拟退火和粒子群算法的优点,通过该算法对控制器关键参数进行寻优以使区域控制偏差值最小。由MATLAB/Simulink仿真分析验证了四机两区域模型联络线发生故障时,改进参数的闭环反馈AGC控制器能较快地使系统恢复稳定,且能较好地达到频率协调的控制作用。     

基于Prony和改进PSO算法的多机PSS参数优化

针对多机电力系统稳定器(PSS)的参数优化问题,提出了采用Prony算法辨识互联电力系统低频振荡的机电模式,利用基于T-S模型模糊自适应的改进微粒群优化(T-SPSO)算法协调PSS参数的控制策略.先采用基于Prony分析的留数法确定PSS的最优安装位置,然后通过对采样数据的Prony分析辨识系统振荡模式的特征值,最后利用所提T-SPSO算法协调优化多机PSS参数.T-SPSO算法根据当前种群最优适应值和惯性权重,自适应更新惯性权重取值,解决了PSO算法的早熟问题.针对IEEE 4机系统的仿真分析表明,基于T-SPSO算法优化后的多机PSS控制器,在2种典型运行方式下都具有更好的控制性能.     

适用于水电机组的改进滑模控制策略研究

近年来,随着风、光等可再生能源在能源供应中的比例日益增加,其间歇性和难以预测性使电网的稳定性面临更多挑战。水电机组是电网中具有重要调节作用的机组,其调速器广泛采用传统的比例-积分-微分（PID）控制。然而,PID控制对机组复杂工况的适应性较差,作为重要的鲁棒控制策略,滑模控制在实现水电机组优化运行方面具有巨大潜力。因此,为实现滑模控制在水电机组中的应用,本文将滑模控制引入水轮机调节系统,分析“假稳定”现象的原因并提出改进的滑模控制器。同时,基于自适应模糊粒子群算法（AFPSO）和时间乘误差绝对值积分（ITAE）指标,对改进滑模控制器的参数进行优化。通过仿真证明了所提出的滑模控制策略的有效性。     

基于蛙跳模糊算法的Jiles Atherton铁心磁滞模型参数确定

Jiles Atherton(JA)模型广泛应用于铁心磁滞建模领域,其参数确定精确与否直接影响铁心磁滞现象的表达,为此提出蛙跳模糊算法对JA模型参数进行辨识。为了防止蛙跳算法陷入局部最优解并加快收敛速度,根据特殊点(矫顽力、矫顽力点磁化率)处实测值与计算值的相对误差,采用模糊控制方法,得到动态反馈系数,修正蛙跳算法的步长调整公式。采用爱泼斯坦方圈搭建磁滞回线测量系统,测得铁心饱和磁滞回线与局部磁滞回线。采用蛙跳模糊算法、蛙跳算法、粒子群算法和遗传算法分别求解得到模型参数,并将计算的磁滞回线与实测磁滞回线进行比较,证明了所提出的蛙跳模糊算法不易陷入局部最优解且具有更快的收敛速度。根据蛙跳模糊算法得到的局部磁滞回线模型参数辨识结果,研究模型参数与磁通密度的关系并进行拟合,得到不同磁通密度下的局部磁滞回线参数拟合模型。