基于CUCKOO算法的RBF网络监督磁悬浮自适应控制

磁悬浮技术应用前景广泛,其先进控制方法值得长期研究。针对存在干扰时的系统精确控制问题,提出基于前馈加反馈的神经网络监督控制方案（NNSC）。RBF前馈监督通过对反馈控制器的学习调整其网络权值,逐渐成为系统主控方式。当干扰出现时,反馈控制重新起作用,确保系统的稳定性和鲁棒性。引入布谷鸟算法,实现网络权值的优化搜索。以固高GML1001磁悬浮装置参数为基础,试验结果表明,22 g的小球可在既定平衡位置小范围内稳定、快速地跟踪目标信号。监督网络以其自学习功能主导系统的稳定性和控制精度,反馈控制又能够在干扰存在时保证系统的鲁棒性,二者共同作用提高了系统的控制性能。     

自适应灵敏度的配电网分布式电源无功控制

分布式电源(DG)的大量接入,使配电网潮流变得复杂。为减小分布式电源对配电网电压的影响并充分利用分布式设备的剩余容量,文章提出一种自适应灵敏度的分布式电源本地无功控制策略。各节点利用逆变器的控制计算能力获取自身的无功-电压灵敏度,并根据灵敏度的大小配置节点的Q(U)控制曲线,使所有节点较为均衡地参与无功控制,提高了系统的无功调节能力。采用IEEE33节点配电网测试系统对所提控制策略进行了仿真验证。结果表明,在发生节点电压越限时,所提控制策略下测试系统的电压调节能力和总无功补偿能力优于传统Q(U)控制策略。