锅炉给水系统聚类自适应模糊控制器的设计

将聚类算法和模糊控制相结合,提出了一种新型的聚类自适应模糊控制器,应用于非线性、多干扰和强耦合的锅炉给水系统中.采用改进的遗传算法对模糊控制器的隶属参数进行优化,增强模糊控制器的自适应性,并用聚类自适应算法再次弥补模糊控制的不适应性和不完整性,实现了锅炉给水系统的自适应控制.仿真表明该方案的适应性、实时性、鲁棒性都很强,具有很强的工程实用价值.     

基于混沌预测模型的聚类自适应模糊控制器的设计

根据混沌非线性、大时滞系统的时间序列及所得的Lyapunov指数规律，计算出系统的可预报尺度，对系统做了高精度预测；在此基础上，将聚类算法和模糊控制相结合，设计了一种新型的聚类自适应模糊预测控制器。将该控制器应用于锅炉的单元机组负荷控制系统中，实现了对非线性和大时滞系统的自适应控制．结果表明，该方案的适应性、实时性都很强，具有很强的工程实用价值。     

用FCGA优化的电力系统自适应模糊稳定器GPSS的设计

针对电力系统中调速系统的特点，设计了一种模型参考自适应模糊控制器，并采用了一种快速模糊控制的遗传算法将控制器的隶属参数进行优化。理论分析和仿真结果都表明，该方案对抑制电力系统因负阻尼而产生的低频振荡，提高电力系统稳定性具有显著效果，且有快速的时实性和强的鲁棒性，有工程实用价值。     

聚类自适应模糊控制多温区电热炉的实验研究

结合“逆系统法”的思想和ＶＲＥ技术,将聚类算法和常规模糊控制相结合,提出一种新型自适应模糊控制的方法,对一类非线性,大延迟,强耦合的对象进行控制。实验表明该方法自适应性和鲁棒性强,实时性好,具有一定的工程实用价值。     

基于神经网络预测模型的聚类自适应模糊控制器的设计及应用

将神经网络与预测控制相结合 ,采用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 ;然后将聚类算法和模糊控制相结合 ,设计了一种新型的聚类自适应模糊预测控制器 ,实现了对非线性和大时滞系统的自适应控制。将该控制器应用于锅炉的单元机组负荷控制系统中 ,仿真表明该方案的适应性、实时性和鲁棒性都很强 ,具有工程实用价值。     

基于近邻传播聚类权重的黑启动方案评估方法

黑启动方案的优选和评估对电力系统在大面积停电后的快速恢复具有重要的意义。熵权法是黑启动方案评估中常用的权重确定方法,但却存在指标权重分配差别过大,无法体现决策矩阵微小变化等缺点。基于此,文中提出了一种新的权重方法——基于近邻传播聚类的权重确定方法,并将其用于黑启动方案评估。首先,利用近邻传播聚类算法对指标完全情况下的黑启动方案进行聚类,得到全指标黑启动方案聚类结果。其次,依次隐藏每个指标,再采用近邻传播聚类算法对黑启动方案进行聚类,得到缺失指标情况下的黑启动方案聚类结果。再次,根据结构相似性思想,对全指标黑启动方案聚类结果和缺失指标黑启动方案聚类结果进行相似性计算,得到指标权重,并采用线性加权法完成对所有黑启动方案的完全排序。最后,在中国广东电网黑启动数据集上对文中所提方法进行验证,实验结果表明所提方法具有较高的准确性。     

融合粗糙集和模糊聚类的连续数据知识发现

知识自动获取是困扰基于知识的系统普遍推广应用的瓶颈，粗糙集理论是一种从历史数据中发现规则知识的数学工具。该文针对粗糙集方法应用于电厂与电力系统数据挖掘中存在的连续属性离散化问题，提出了基于模糊聚类的离散化方法。采用模糊C平均(FCM)算法离散连续属性，获得各类的聚类中心以及属性值隶属于各聚类中心的隶属度矩阵，得到离散化的数据。将粗糙集方法应用于离散化后的数据挖掘隐含在历史数据中的知识。最后进一步讨论了置信度、支持度等指标对规则的评价方法。给出的汽轮机轴系振动故障诊断规则获取算例验证了整个知识发现方案的可行性。     

基于KOHONEN神经网络的电力系统负荷动特性聚类与综合

提出了应用Kohonen神经网络解决电力负荷动态特性的聚类问题：首先对每组负荷扰动数据建模，进而将各负荷模型对相同电压激励的响应与相应的负荷有功运行水平合并形成特征向量，最后引入Kohonen神经网络进行聚类。通过对河北沧州地区1996年、1997年和1998年电力负荷特性数据的聚类与综合处理发现：Kohonen神经网络是一种学习速度快、分类精度高、抗噪声能力强、并且适用于电力负荷动态特性聚类的神经网络模型。同时还发现电力负荷特性具有可重复性，这也证明了总体测辨法的可行性。若将这些典型负荷模型实用化，将有利于提高电力系统仿真准确度。     

基于改进FCM聚类算法的清洁能源典型场景构建

电力系统的中长期规划和经济运行优化需要考虑能够反映清洁能源历史数据特征的典型场景,提出了一种基于改进FCM聚类算法的清洁能源典型场景构建方法,并将其应用于含清洁能源的电力系统运行成本优化中。以浙江省某地区电网为例,在电力系统运行成本优化领域对比基于改进FCM聚类算法与基于全年时序法、典型日法的场景构建方法的性能优劣。研究结果表明,提出的改进聚类算法的清洁能源典型场景构建方法兼具计算精度与效率,具有实际应用价值。     

基于随机森林算法的短期电力负荷预测

为了准确预测电力系统的短期负荷变化,为电力系统安全、经济、高效运行提供指导方向,提出了一种将模糊聚类以及随机森林回归算法进行组合的电力系统负荷预测方法,利用粗糙集构建补偿规则,对预测结果进行修正补偿。首先,通过对电力系统负荷的周期性、天气相关性等特征进行分析,利用C均值模糊聚类算法对历史样本进行聚类,在进行随机森林回归预测时,使用聚类后同类数据作为训练集样本构建决策树。考虑到随机森林回归预测偏保守、电力系统负荷在峰值处波动大的特征,在得到预测结果后利用粗糙集理论生成补偿规则,对负荷预测进行修正。利用所述方法对北爱尔兰地区进行一日24 h的负荷预测,结果跟实际负荷的平均绝对误差百分比为2.09%,验证了该预测方法的有效性。     

电力系统同调机群识别的一种模糊聚类方法

给出了一种能识别电力系统同调机群的模糊聚类方法。首先采用最大－最小方法对线性化后的系统状态矩阵进行标定,得到反映机组间动态相关程度的模糊等价关系矩阵,然后采用模糊聚类方法识别同调机群。最后给出了10机和24机两个试验系统同调机群识别结果,并通过特征根计算证明了此方法的有效性。     

基于遗传算法—模糊径向基神经网络的光伏发电功率预测模型

针对光伏发电系统出力波动问题,提出遗传算法(GA)—模糊径向基(RBF)神经网络的光伏发电功率预测模型,将功率预测值应用于光伏发电的蓄电池储能功率调节系统,以降低对电网的冲击。选择与待预测日天气类型相同、日期相近、温度欧氏距离最小的历史日作为相似日,把与光伏发电功率相关性大的太阳辐射强度和温度作为模型输入变量,提出K均值聚类和遗传算法的参数优化方法,建立基于GA—模糊RBF神经网络的最终预测模型。在光伏功率预测的基础上,提出一种平滑控制策略,对光伏并网功率进行有效调节,从而达到平滑光伏功率波动的目的。实例证明,所述预测模型具有较高精度,并验证了平滑功率波动控制策略的有效性。     

基于改进场景聚类算法的海上风电储能优化配置研究

在平滑海上风电出力波动的应用需求下,提出一种储能优化配置方法。利用小波包分解算法对海上风电出力曲线进行分解,得到储能系统全年功率响应曲线。采用基于云模型和模糊C均值聚类算法相结合的改进场景聚类算法,对储能全年功率响应曲线进行聚合,生成储能功率响应典型场景。以储能年综合成本最低为目标,构建储能优化配置模型。采用粒子群算法对海上风电储能优化配置模型进行求解,最后通过算例仿真对所提方法和模型进行分析验证。结果表明：所提模型和方法能综合考虑海上风电场侧储能的实际运行特性,可有效指导海上风电场的储能配置和建设规划。     

采用模拟柔性模糊预给煤控制提高AGC响应速率的方法及其应用

自动发电控制AGC(Automatic Generation Control)是衡量电网自动化水平高低的重要标志,采用先进控制技术开发完善AGC的功能,将从总体上大幅度提高电网自动化水平,并能更好地满足电网经济调度的需要。AGC在应用过程中遇到的难点问题,是大容量单元制火力发电机组存在着较大的滞后和惯性,因此负荷响应速率受到限制。本文借助机炉协调受控对象数学模型,研究和探讨协调控制系统预给煤控制的机理,提出模拟柔性模糊预给煤控制的概念,抽象出算法的一般性和通用性,并对算法通过仿真和在实际机组中的实验加以验证。实践表明:该算法实现过程简捷,可直接在计算机控制系统中运用各种现有的算法实现,不依赖于专有的模糊控制算法模块,有利于工程应用。应用该算法可以克服锅炉的大迟滞和大惯性,能够有效地提高协调控制系统响应AGC负荷指令的速率。     

前馈神经网络的模糊 PID 算法及其在电力系统负荷预测中的应用

提出了多层前馈神经网络的模糊ＰＩＤ学习算法（ＦＰＢＰ）。这种算法是把多层前馈神经网络的学习过程当作一个动态控制系统来处理,确定出动态控制系统达到稳态时的ＰＩＤ控制器参数,然后再基于模糊控制的思想,对确定出的ＰＩＤ控制器参数进行模糊调整。文中给出了这种算法在电力系统负荷预测中的实际应用,并与标准ＢＰ算法作了比较。结果表明,该算法提高了网络的学习速度和预测的精度。     

泵控系统的模糊控制器设计

本文以泵控液压马达容积调速系统为例 ,阐述了用 MCS- 5 1单片机为主控单元的模糊控制器的设计 ,控制器的硬件采用 80 31单片机扩展而成 ,软件算法采用模糊控制算法。实验研究表明 ,这种算法较常规的 PID算法控制精度高 ,超调量小