基于遗传算法与模糊PID复合控制的电机调速研究

为了加强永磁同步电机调速系统的智能控制,提出了一种基于遗传算法与模糊PID智能控制的永磁同步电机调速控制策略。首先建立永磁同步电机的基本模型,利用遗传算法对模糊PID控制器进行改进,优化其参数选择和提高控制效率,并搭建Simulink仿真模型和实验验证模型。其结果得到:利用遗传算法能够迅速得到模糊PID控制器的最佳匹配初始参数,且在电机启动阶段和突加干扰阶段,遗传改进模糊PID控制系统相比于传统的PID控制系统其转速、转矩以及三相电流输出均表现出更加稳定以及波动更小。系统出现干扰后,在该组合智能控制作用下系统在极短时间内恢复稳定,其动态响应速度显著快于传统PID控制方法。结果表明该基于遗传算法与模糊PID控制系统能够对永磁同步调速系统进行有效控制,进而使系统具有较优异的启动特性和动态稳定。     

基于离散域采样数据模型的电力移动终端边缘节点数据采集系统设计

针对目前电力移动终端边缘节点数据趋于海量化、多维化,导致其数据采集精度和采集实时性较低,数据聚类处理效果较差的问题,设计基于离散域采样数据模型的电力移动终端边缘节点数据采集系统。系统中电力移动终端边缘节点数据采集装置通过电力监控仪表,获取电力移动终端边缘节点三相电压、功率等数字信号,采用STM32F103芯片,基于离散域采样数据模型的DC/DC变换器等效电路,将数字信号变换为具体数值。利用Internet网络传输至电力数据采集服务器,引入集成聚类算法,精细化分类电力移动终端边缘节点数据,通过用户浏览器反馈至用户,实现电力移动终端边缘节点数据采集。实验结果表明：该系统的电压、电流的采集结果与实际值的偏差最大值分别为0.01 V、0.01 mA,偏差区间均为[0,0.01],且CHI指标值均高达0.98。电力移动终端边缘节点数据聚类处理效果较好,能够有效提高数据采集精度和采集实时性。     

BEVs/PHEVs动态V2B技术在智能电网中的应用

电动汽车向楼字反向服务(vehicle-to-building,简称V2B)为使用电动汽车自身电池的储能供应电网负荷提供了一个选择.国内外很多研究人员已经证明,电动汽车向电网反向服务(Vehicl-to-grid,简称V2G)有很多潜在的好处.但由于各种实践原因,这一概念被预测在将来5～10年的时间广泛应用.而V2B作为一个新提出的概念,在实践上比V2G要更容易实现,预计3～5年的时间就可实现.提出利用纯电动汽车(BEVs)和可插电混合动力汽车(PHEVs)所携带的电池,作为动态配置的分散储能系统,将交通系统和电力系统通过“智能车库”有机地结合起来,以实现V2B技术.根据智能车库提供的数据,基于BEVs和PHEVs车载电池储能充放电的V2B技术可实现智能电网里的需求侧管理(DSM),并用仿真结果验证了V2B的可行性.