分数阶控制器在过热汽温控制中的应用研究

在传统串级控制基础上结合分数阶PIλ Dμ控制器,提出过热汽温的分数阶PIλDμ串级控制策略.采用粒子群优化算法对分数阶PIλ Dμ控制器参数进行整定.在Matlab/Simulink仿真环境中对分数阶PIλDμ控制器和整数阶PID控制器的控制效果进行仿真对比,结果表明分数阶pIλ Dμ控制器在设定值跟踪、扰动抑制和鲁...     

基于余弦决策法的电力企业人才选拔与评价

本文应用余弦决策法的基本决策理论,针对电力人才选拔的众多因素,以五位候选人为对象,建立多指标决策问题的优化模型。结合实例数据,构造决策矩阵,确定指标权重,根据总排序结果,确定了适合上级职位的最佳人选。     

基于改进KNN回归算法的风电机组齿轮箱状态监测

针对风电机组齿轮箱的状态监测问题,提出使用改进KNN回归算法建立齿轮箱的正常行为模型。首先,对经典KNN回归算法的距离度量公式进行改进,实验证明预测精度提高约60%;其次,基于改进的离群点和相似点剪辑算法优化KNN回归算法的训练集以提升运算效率,优化后计算时间缩短约20%,预测精度基本保持不变。最后,针对某风电场一台2 MW风电机组的齿轮箱实际故障数据,应用提出的改进KNN回归算法并结合统计过程控制相关理论,实现对齿轮箱故障的预警。结果表明:较经典KNN算法,提出的改进算法故障预警能力显著增强。     

一种改进的遗传算法及其在热工过程控制中的应用

设计了一种改进的快速遗传算法。该算法采用浮点数编码方法、排序选择、最优保存策略、分组并行运算等措施，有效抑制了算法早熟，提高了算法的全局和局部搜索能力。在Matlab平台上编制了通用算法程序，用于控制系统参数优化、热工对象模型辨识。仿真研究表明，该算法是一种简单易行的实用寻代方法。     

基于小生境的极性PSO多目标优化研究及应用

提出一种改进粒子群算法,即将子群优化的小生境技术应用于极性粒子群算法,每个子群单独进化,内部粒子群进化增加了极性加速度,仅在边界处进行社会信息的传递.这样既保证了子群内部的有效收敛,又增加了全局多样性.将改进的粒子群算法与多目标优化相结合应用于蒸汽发生器的液位控制器参数整定,仿真结果表明,应用该算法的系统特性与使用传统...     

基于改进粒子群算法的水轮机调速器参数优化

提出一种改进的粒子群算法,即将微分进化算法与粒子群算法相结合,在更新粒子位置之前,加入微分进化算法,微分进化算法在变异时,考虑了粒子群算法中当前所寻找到的个体粒子所经过的最优位置及其整个粒子群所经历过最优位置,使粒子的进化具有了一定的方向性.利用典型函数证明了该方法具有较好的全局收敛性和收敛精度.将其应用在水轮机的调速系统参数寻优中,通过二次优化,有效地改善水轮机控制系统过渡过程的动态性能,很好地缓解了该工况下稳定性与抗负荷扰动能力的矛盾.     

基于NSGA-II的塔式太阳能电站定日镜场调度方案研究

针对目前塔式光热电站定日镜场调度方案存在过度简化、调度目标考虑不周、求解算法与模型不适配等问题,提出了以总能量、均匀度、焦点变化次数为指标的多目标调度模型。在优化定日镜场调度问题数学模型的同时引入焦点变化次数作为评价指标,这样能够反映调度能耗和设备磨损。运用带精英策略的非支配排序多目标遗传算法（NSGA-II）作为调度算法求取问题的Pareto最优解集,然后以加权最大满意度法进行决策得到最终的调度方案。利用我国西部某太阳能电站数据对模型及求解算法进行单次运行和连续运行仿真,仿真结果表明本文方法在单次运行和连续运行中均能保持良好效果,通过与现有调度模型及算法的仿真对比进一步验证了模型的实用价值。     

反激式光伏微型逆变器并网电流逆控制方法

为改善反激式光伏微型逆变器的并网电流波形质量,提出一种基于支持向量机(SVM)的逆控制方法。基于小信号分析方法建立该逆变器的数学模型,归纳影响其并网电流的主要因素;利用支持向量机方法建立系统的逆模型,并利用萤火虫算法进行模型参数优化;将逆模型的输出作为前馈,与单闭环PI控制相结合,提出一种新颖的并网电流控制方法。仿真结果表明,与传统PI控制相比,该方法可有效降低并网电流的谐波含量。制作220 W微型逆变器样机进行试验,结果表明了所提方法的可行性与有效性。     

600 MW超临界机组简化非线性模型研究

目前,在国内对超临界机组模型的研究中大多将其简化为一个传递函数矩阵,不能观测机组内部其他参数的动态特性。通过采用机理分析和参数辨识相结合的方法,建立了600 MW超临界机组的简化非线性模型,利用某600 MW“W”火焰超临界直流锅炉机组负荷变动试验运行工况点的数据确定模型动静态参数。通过对Simulink仿真结果与实际运行数据对比表明,该模型能够很好地反映机组的非线性动态特性,可用于“W”火焰锅炉超临界机组协调控制策略研究及动态特性分析,通过修正参数也可以用于其他超临界机组相关方面的研究。     

改进量子粒子群算法及其在系统辨识中的应用

针对量子粒子群算法(quantttm particle swarm optimization,QPSO)的收敛速度和寻优精度问题,提出了一种改进的QPSO算法。采用混沌序列初始化量子的初始角位置;在算法中加入变异处理,有效地增加了种群的多样性,避免早熟收敛。函数优化测试结果表明：该文提出的算法具有良好的优化效果。同时利用该文提出的算法对经典的具有无限冲激响应(infinite impulse response,IIR)的自适应递归滤波器模型进行了辨识,辨识结果证明了这种算法的有效性。利用此算法,在结合某分散控制系统的基础上,编制出了一种通用的热工对象模型辨识算法模块,并应用于某循环流化床电厂的辨识,取得了令人满意的辨识结果。