基于数据驱动建模的核电站一回路管道劣化趋势研究

提出一种基于管道状态数据的分析方法，可得到管道劣化趋势，有助于预防管道劣化引起的泄漏。具体方法是通过融合主观专家经验层次分析法和客观大数据分析熵权法的优点，定量地构建一回路管道的改进马氏距离健康度模型，进而应用融合卷积神经网络和长短期记忆神经网络的组合预测模型，对一回路管道未来的劣化泄漏情况做出趋势分析和预判。仿真结果表明，构建的健康度模型能够较好的反映出一回路管道的真实健康状态；组合 预测模型可以有效地预测一回路管道劣化泄漏的趋势，为保障设备的安全稳定运行提供 参考。     

不平衡电网电压下MMC-UPQC的Lyapunov函数控制方法

统一电能质量控制器(UPQC)结合模块化多电平换流器(MMC)而成的MMC-UPQC系统能够解决高压下电能质量问题，但目前MMC-UPQC常用PID等线性控制来补偿电流和电压，但因MMC-UPQC为非线性、多变量对象，因此，PID等线性控制难以得到满意的补偿效果。为此，提出将非线性Lyapunov函数控制用于MMC-UPQC电流和电压的补偿控制。首先，对不平衡电网下MMC-UPQC进行数学建模；接着，对不平衡电网下MMC-UPQC的电气量进行正负序分离；然后，将提出的Lyapunov函数控制用于不平衡电网下MMC-UPQC的电能质量补偿，并证明了Lyapunov函数控制系统的稳定性，推出了Lyapunov函数控制增益的稳定范围；最后，在仿真系统平台上对Lyapunov函数控制和传统PID控制两种方法进行仿真实验比较，仿真结果验证了Lyapunov函数控制方法能够更好地补偿MMC-UPQC电流和电压的电能质量。