基于ANFIS的火电单元机组协调控制设计方法

基于自适应网络模糊推理系统,将模糊推理、变结构控制和神经网络结合起来,提出了一种针对某火电厂300MW单元机组协调控制的方法。给出了控制系统的传递函数模型、结构图和自适应训练方法。仿真结果表明,该算法鲁棒性好,抗干扰能力强。自适应控制效果良好。     

风电机组的功率模糊控制系统研究

变桨距风电机组是一个高阶、非线性、强耦合、多变量时变的系统,其控制系统是综合性控制系统。在额定风速以上采用功率反馈的模糊控制策略,通过对桨距角的控制,改变气流对叶片的攻角,使风力机吸收的风能在一个相对的稳定值,从而实现发电机恒功率输出。仿真结果表明,模糊控制方法更具优越性,在风力发电系统中能取得较好的控制效果,系统具有较强的抗扰性和快速性。     

可再生能源发电村落系统的电网和交流配电研究

可再生能源供应所必需的能量联条非常短,或者干脆没有。可再生能源离网独立发电系统得到越来越广泛的研究和应用,参考多个行业标准和实地运行经验,本文对离网村落电网交流配电问题,从站内线路、输配电线路、配电柜和其他配电装置的结构、功能、容量选择等方面进行了积极的研究总结和详尽阐述,希望能够对有关标准的制定提供专业参考。     

实现配电网自动化预见的事故分析及对策

DA（配电网自动化）能为用户提供优质、安全的电能服务.当前实施的DA中已普遍采用重合器、分段器等新型智能开关,并在开关和配电变压器处配置FTU,TTU等远方终端装置以监测开关状态和采集电气量.但在组织DA系统时,往往由于忽视配电网的特殊性或操作不当而引发一些意外事故.文章就这些事故作具体分析并提出解决对策.实践证明这些措施是行之有效的.     

基于特征融合与ELM的小电流接地选线新方法

目前已有的利用单一故障特征选线办法受过渡电阻、故障合闸角及故障位置等因素的影响，普遍存在抗噪性差、准确度不高等问题。鉴于此，提出一种融合暂态高频能量与波形相关性故障特征的极限学习机(ELM)小电流接地选线新方法，采用变分模态分解和希尔伯特变换提取零序电流中的暂态高频能量，通过对零序电流相关性分析提取暂态波形综合相关系数，两者共同构成故障特征向量，输入免阈值设定的ELM模型，实现故障选线。通过大量仿真对所提方法的有效性进行验证，结果表明该方法抗噪性好且基本不受过渡电阻、故障合闸角及故障位置等因素的影响。经文中变电站接地故障数据实例对该方法进行验证，结果表明该方法选线准确率可达100%。     

广义预测控制在锅炉燃烧控制系统中的应用

广义预测控制融合了预测控制和自适应控制的优点,是自适应控制中另一类型的预测控制算法,易于在线估计参数,实现自适应控制。火电机组锅炉燃烧控制是一个复杂的时变动态过程,具有很强的非线性、强耦合、大滞后、强干扰等特性,而传统的PID控制算法很难使之达到理想的控制效果和较高的自动投运率。为此,针对火电机组锅炉系统的特点将广义预测控制应用于锅炉燃烧系统控制中。仿真表明,广义预测控制具有较强的适应性和较高的控制精度,控制效果优于传统的PID控制算法。     

模糊-PI串级控制在超临界机组主汽温控制中的应用

超临界锅炉主汽温度具有大惯性、大滞后和非线性的特点,用传统的PID难以达到理想的控制效果。将模糊控制和PID结合起来,既保留了串级控制抗内扰的性能,又结合了模糊控制动态性能好的特点。仿真结果表明,用模糊-PI串级控制超临界主汽温具有较好的控制品质和较强的抗扰能力。     

人工鱼群算法优化的PID神经网络解耦控制

针对多变量系统解耦控制的要求和特点,传统的PID神经网络在选取初始权值难以确定,往往是随机得到,容易导致采用的BP学习算法陷入局部极值.提出了一种人工鱼群算法优化PID神经网络初始权值.通过对多变量控制对象的mat-lab仿真验证,把人工鱼群算法优化得到的最优初始权值带入PID神经网络,结果显示加快了PID神经网络的收敛速度,使控制量迅速地接近控制目标,保证了系统稳定性,取得了满意的控制效果.     

“热工自动控制系统”CAI研究与教学体系改革

针对学生学习"热工自动控制系统"课程后不能很快学以致用,实际教学与实践应用存在较大脱节的缺陷,采用CAI课件授课的方法并进行教学体系改革。CAI除了能表现传统教学无法实现的一些生动的效果外,还可以增加课容量,提高课密度。同时建立、健全热工自动控制系统实践教学体系,确保实践教学内容的先进性与实用性。