基于ZigBee技术的无线传感器网络系统

从ZigBee技术主要特点出发,分析研究了ZigBee无线传感器网络的拓扑结构和协议栈,以及Jennic JN5121的ZigBee无线传感器网络的开发平台.无线传感器网络技术在现代电站设备远程状态监测中具有较好的应用前景.     

基于准模型校准卡尔曼滤波的巡检机器人运动系统辨识研究

巡检机器人在未来将运用到工业和生活的各个领域,机器人运动系统辨识对控制系统特性研究具有重要意义。针对传统卡尔曼滤波的拟合度和线性化等方面的不足,采用卡尔曼滤波和最小二乘法相结合的系统辨识方案。由最小二乘法得到系统准模型,并转换为状态方程,作为卡尔曼滤波器预测估计器,对机器人运动系统进行辨识。实验采用巡检机器人输出的多组轮速样本数据进行验证,实验结果表明,提出的辨识方案与无准模型的卡尔曼滤波系统辨识方案相比,参数易选取、拟合度好、鲁棒性强。     

电站锅炉汽包水位的单神经元自适应Smith预估补偿控制

提出了一种电站锅炉汽包水位控制系统的单神经元自适应Smith预估补偿控制策略。将蒸汽流量信号引入到单神经元网络中来考虑负荷变化对锅炉汽包水位的影响 ,使其具有前馈补偿能力 ,以消除“虚假水位”现象。仿真试验结果表明了该控制策略的有效性和实用性     

基于灰色预测的汽温模糊免疫PID控制

火电厂汽温具有大惯性、大迟延和时变等特性,采用常规的PID串级控制方法难以取得满意的控制效果.借鉴生物免疫反馈响应过程的调节作用和模糊推理逻辑可逼近非线性函数的特性,结合灰色预测的优点,提出采用灰色预测的模糊免疫PID控制策略.火电厂汽温控制系统的仿真研究表明:该方法的控制品质良好,能适应对象参数的变化,具有较强的鲁棒性和自适应能力.     

能源互联网下基于HS-Elman的光伏出力预测研究

文章在阐述能源互联网概念的基础上,针对光伏出力的预测问题,提出了一种基于天气类型的改进Elman神经网络(HS-Elman)光伏出力预测模型。首先,分析了天气类型、环境温度、空气湿度、风速、太阳辐照度等对光伏出力的影响;然后,利用和声搜索算法对预测模型的权值和阈值等进行优化;最后,利用上海某能源网实验平台的历史数据,对所提出的预测模型进行验证。分析结果表明:基于HS-Elman的光伏出力预测模型的预测结果能够达到光伏出力的预测标准;与传统的Elman神经网络相比,在不同的天气类型条件下,文章所提出的预测模型具有更优的运算速度和预测精度。     

一种关于反馈Agent的多元线性回归方法

多元线性回归方法常用于数据预测,预测数据和实际数据总会存在误差。为了提高预测精度,采用反馈Agent算法,把误差作为一个新的线性反馈自变量,用在下次的多元线性回归预测中。论文采用实例验证了该方法的有效性。     

锅炉汽包水位自抗扰控制的仿真研究

应用先进的自抗扰控制技术(ADRC),提出锅炉汽包水位ADRC-P控制方案,即内回路采用P(比例)控制快速消除给水扰动,外回路采用ADRC控制。仿真研究结果表明,相对于常规的PI-P控制,ADRC-P控制具有良好的控制品质和强鲁棒性,不仅可有效地克服蒸汽流量的扰动和给水流量的扰动,而且在对象特性参数变化较大时仍能获得好的调节品质。     

基于ZigBee技术的发电设备无线远程监测系统研究

ZigBee是一种具有耗能低、成本低、复杂度低、网络容量大、安全性高、工作频段灵活、延时短等优点的无线技术.以Jennic公司JN5121模块作为ZigBee节点模块的控制板,设计开发了ZigBee无线网络系统,并以ZigBee中心节点为例对其供电电路、串口通信电路、ZigBee无线网络建立及通信流程等进行了详细介绍.所设计的基于ZigBee的无线远程监测系统在现代电站设备远程状态监测中具有较好应用前景.     

基于EEMD-LSTM的区域能源短期负荷预测

短期负荷预测既是电网规划的重要组成部分,也是系统可靠、高效运行的前提和基础。采用EEMD(集合经验模态分解)方法将区域能源互联网历史负荷数据分解成若干分量,再对各个分量分别建立模型,运用LSTM(长短期记忆神经网络)设置对应的隐藏层数,对各个分量分别进行预测,最后叠加预测值得出最终预测结果。将EEMD-LSTM算法与LSTM算法、 EMD-LSTM算法以及Elman算法进行比较,结果表明EEMD-LSTM算法在区域能源互联网负荷预测中能够实现较好的预测精度,具有很好的应用前景和推广价值。     

基于LSTM-SVM的燃气轮机压气机故障预警研究

为了能在早期发现压气机叶片积垢、叶片磨损腐蚀、进气口结冰和喘振4种常见故障,提出一种基于长短期记忆网络(LSTM)和支持向量机(SVM)的燃气轮机压气机故障预警方法.首先,利用压气机特征参数正常历史数据建立多个单输入单输出预测模型,并将压气机的特征参数运行数据代入相应的模型,输出各参数预测值与实际值的残差曲线,设定报警...