风力发电机组偏航控制系统

在分析风力发电机组偏航控制系统工作原理的基础上设计了偏航控制器,利用单片机的软硬件系统来驱动偏航电机。最终提高了风能的利用效率和捕获风能的能力,增大发电效率,使其保持到最优的工作状态,进一步实现了风力发电机组的智能控制。     

火电机组协调控制系统的解耦广义预测控制研究

先进的控制策略能够提高单元火电机组的控制品质。但是,由于机组协调控制存在的多变量强耦合问题,使得常规PID调节器难以达到很好的控制效果。对此,采用解耦广义预测控制算法建立了协调控制系统数学模型。仿真结果表明,基于解耦广义预测控制算法的协调控制系统控制效果明显优于普通广义预测控制系统,具有抗负荷扰动性能,鲁棒性强,适用于具有迟延和其它耦合性较强的系统。     

锅炉水位控制系统的串级广义预测控制

针对火电厂锅炉汽包水位对象的复杂非线性动态特性,为提高水位系统控制的可靠性和安全性,设计串级广义预测控制(CGPC)结构。内回路采用PID控制可以快速消除给水流量的扰动,外回路采用具有滚动优化和反馈校正功能的CGPC控制结构,有效克服了蒸汽流量的扰动。仿真结果表明,应用该方法得到的CGPC-PID控制系统具有较高的预测精度和良好的抗扰动性,提高了系统的静态和动态性能指标,CGPC-PID串级控制系统控制性能优于常规PID-PID串级控制系统。     

基于改进型PSO算法的过热汽温PID参数优化

通过采用改进的粒子群优化（PSO）算法对锅炉过热汽温中的PID参数进行优化,分析了传统过热汽温控制方案的不足,提高了整个系统的鲁棒性。其应用使过热汽温得到了良好的控制,且提高了经济运行效益,同时也说明了改进的粒子群算法寻优简单,能够使控制系统获得较好的动态特性和很强的鲁棒性,易于并行化。仿真结果表明,该算法是一种效率很高的寻优方法,是PID参数优化的理想方法。     

稀土在园林植物上的应用

主要研究了稀土对园林植物各个生长期的作用,以园林应用中有代表性的植物丰花月季、一串红,日本小菊和袖珍椰子等为供试材料,确定稀土在对其生长中七个方面的作用,同时对症解决目前生产应用中存在的问题.提出了叶面喷施和处理插条的有效和最佳浓度以及喷施的最佳时期.根据园林植物特点配制了三类稀土混合剂,并通过试验证明了其效果明显优于单施稀土并具有使用简便、价格低廉的优点.     

直驱式永磁同步风电机组最大功率跟踪控制

以直驱式永磁风力发电系统为主要研究对象,在直驱永磁同步风力发电机（DDPMG）的运行特性基本原理基础上,建立包括风速、风力机、直驱式永磁同步发电机及机侧变换器在内的整个系统的数学模型。应用转子磁链定向的方法,对系统进行最大功率跟踪控制策略的研究,运用Matlab/Simulink建立了直驱永磁同步发电系统仿真模型,对渐变风速时的机组运行情况进行了仿真,结果验证了所建模型的合理性及控制策略的正确性和可行性。     

再热汽温控制系统的逻辑规则控制研究

针对火电厂再热汽温控制系统的大惯性、大迟延和时变性,设计了基于逻辑规则控制算法的再热器温度控制系统。仿真研究表明,该策略的控制效果优于常规的PID控制,能适应对象参数的变化并表现出良好的控制品质,具有较强的鲁棒性和自适应能力。     

改进型PSO在过热汽温PID控制系统中的应用

通过采用改进的粒子群优化(PSO)算法对锅炉过热汽温中的PID参数进行优化,分析了传统过热汽温控制方案的不足,提高了整个系统的鲁棒性.该方法的应用使得过热汽温得到了良好的控制,提高了经济运行效益,同时也说明了改进的粒子群算法寻优简单,能够使控制系统获得较好的动态特性和很强的鲁棒性,易于并行化.仿真结果表明,该算法是一种...     

超临界机组燃烧自适应优化控制系统的设计

自适应控制具有良好的鲁棒性,调节速度快和抗干扰性能优越。超临界机组燃烧系统是复杂非线性时变系统,针对火电厂超临界机组燃烧系统的特点采用自适应控制系统结构实现对锅炉燃烧系统的优化控制,保证系统运行的高效性和稳定性。通过燃烧自适应控制系统的仿真实验,可以证明能够有效地解决系统变量之间的耦合关系。能够根据当前负荷的变化做出相应的控制,做到稳、快、准地实现主蒸汽压力有效的调节,保证燃料的充分燃烧,使炉膛负压在规定的范围内变化。在煤质和设备特性发生变化时能保证稳定工作且大大提高燃烧效率。使复杂生产过程控制在最佳运行状态,降低煤耗,保证系统的安全性与可靠性。     

单元机组协调系统的神经网络解耦控制仿真研究

神经网络控制是一种新颖的智能控制方法。应用神经网络技术,对难以精确建模的复杂非线性对象进行神经网络模型辨识作为控制器,提高了响应的快速性和准确性,可满足工业过程所提出的安全性、可靠性与易实现性的要求。大型火力发电单元机组协调控制系统是一个相对复杂的多变量控制系统,控制对象具有大时滞、时变、非线性、强耦合的特点,传统的PID控制算法很难实现对过程参数的良好跟踪和理想的控制效果。针对单元机组协调控制系统的特点将神经网络解耦控制应用于单元机组协调控制系统中,仿真实验表明,神经网络解耦控制具有较强的适应性和较高的控制精度,提高了负荷的响应速率,控制效果优于传统的PID控制算法。