【摘 要】
：
为了改善和提高风力发电系统在额定风速以下最大风能追踪的性能，本文以永磁同步风力发电机(PMSG)为研究对象，通过局部等效建模方法获得PMSG 多工况运行的T-S 模糊模型，以模糊规则后件作为CARIMA 预测模型，采用广义预测控制(GPC)算法，对各模糊规则设计独立GPC 控制器，预测PMSG 转速输出。各GPC 控制量通过模糊加权来得到全工况控制律。仿真结果表明，分别在阶跃风速和随机风速扰动下，
【机 构】
：
兰州理工大学电气工程与信息工程学院 兰州730050 国家电网甘肃省电力公司,电力科学研究院,兰州
论文部分内容阅读
为了改善和提高风力发电系统在额定风速以下最大风能追踪的性能，本文以永磁同步风力发电机(PMSG)为研究对象，通过局部等效建模方法获得PMSG 多工况运行的T-S 模糊模型，以模糊规则后件作为CARIMA 预测模型，采用广义预测控制(GPC)算法，对各模糊规则设计独立GPC 控制器，预测PMSG 转速输出。各GPC 控制量通过模糊加权来得到全工况控制律。仿真结果表明，分别在阶跃风速和随机风速扰动下，和PI 方法相比，该控制策略下的PMSG 转速输出超调量和调节时间明显下降，转速响应速度有大幅提高，最佳叶尖速比稳定在最优值7 左右，风能利用率显著提高。
其他文献
红外探测器具有抗干扰能力强、气候环境适应性强、昼夜连续探测等优点，利用红外探测器进行海上搜救可以较好克服人眼的不足。红外探测器的聚焦准确与否直接决定成像质量的好坏及后续目标检测的效果。本文针对自动聚焦技术的重要组成部分——对焦窗口选取和清晰度评价算法展开研究并设计出基于DSP 的红外探测器自动聚焦系统。测试结果表明，本文设计的红外探测器自动聚焦系统运行有效，稳定。
现代化工过程一般有多个操作模态,并且采集的数据不服从单一的高斯或非高斯分布。针对上述化工过程中的多模态与复杂数据分布问题,本文提出了一种新的名叫局部与非局部保持嵌入(Local and nonlocal preserved embedding,LNLPE)的故障检测方法。首先,对训练数据集进行差分处理,利用局部离群因子(Local outlier factor,LOF)策略对差分后的数据进行模态划
针对烧结过程存在不确定性的扰动及存在非线性的特点，本文分析了不确定性因素及控制输入因素对烧结终点的影响，提出了基于线性参数变化(LPV)的烧结终点T-S 模糊模型。首先，建立了烧结终点机理模型，并对机理模型中的相关参数进行了关联性分析。其次，针对机理模型的参数无法直接获取且存在时变不确定性等缺点，对时变参数进行分析，得到基于LPV 的烧结终点模型；最后，采用线性化逼近方法，利用模糊建模方法，建立基
在复杂工业过程产品质量变量的动态软测量建模中，多变量动态时间序列输入变量数据是具有“空间-时间”双重关联结构模式的高维张量数据。本文针对数据的上述特点，将慢特征分析算法张量化拓展，提出了多线性慢特征分析(MSFA)降维算法。该方法首次将张量方法应用到多变量时间序列慢特征分析建模问题，不仅保留了数据的张量原始结构，而且利用了数据动态时间序列的特点，同时克服了数据向量化展开降维方法在输入空间高维时计算
稳态检测，尤其是多变量的稳态检测在过程工程中有着重要的意义。本文提出了采用主元分析法对多变量系统的高维数据进行降维，并结合R 检验法进行稳态检测的方法。理论分析了在降维前后数据的方差保持不变特性，避免了R 稳态检验法在系统变量较多时产生的复杂度增长问题。此方法利用主元分析替代了人为挑选关键变量的过程，减少了对人工的经验知识的依赖。基于精馏塔模型仿真数据进行的稳态检测实例分析验证了方法的有效性。
液压伺服系统属于典型的反馈控制系统，其拥有的可评估参数较少，对液压伺服系统进行有效的健康评估尚无成熟有效的方法，很难用传统的基于传感器原始信号的方法实现液压伺服系统的健康评估，本文提出了一种基于径向基函数RBF 神经网络观测器与高斯混合模型GMM 的液压伺服系统健康评估方法。首先利用RBF 神经网络建立液压伺服系统的故障观测器，利用系统的真实输出和RBF 观测器估计输出之差提取残差信号，通过对残差
RBF 神经网络中心、宽度等参数确定的是否合理将直接影响到RBF 网络的学习性能。通过有监督学习的方法来确定RBF 神经网络的参数是最一般化的方法。研究表明，参数的初始化问题是该类方法的关键所在。为此，提出了一种利用RBM 初始化RBF 神经网络各个参数的新型训练算法。实验仿真表明，与传统RBF 神经网络训练算法相比，该新型算法是具有更高的训练精度与更强的泛化能力。
针对传统控制方法在溶解氧浓度控制中难以取得良好效果,本文提出了一种基于自组织T-S 模糊神经网络的控制方法,对污水处理过程中溶解氧浓度进行实时控制。其实质就是判断模糊规则层激活强度的大小,自组织调整神经元数量,选择合适的控制结构。同时采用梯度下降法对各参数及学习率进行实时调整,加快收敛速度。并将该控制器运用在BSM1 中进行实验,结果表明,SO-TSFNN 控制系统能够较好的实现对溶解氧浓度的控制
本文针对参数化优化问题需要反复求解以适应模型参数变化的特点，提出可根据累积的经验数据估计新参数所对应最优解的思想。并且将这类估计问题概括为多元散乱数据拟合问题，实现了采用SVM 的一般解法。同时，为了提高SVM 拟合方法中QP 求解效率，提出了简约QP 模型和海赛阵对角化方法，以及针对多维输出的联立QP 模型。最后通过一个参数化的蒸馏塔优化模型展示了SVM 方法不仅能非常准确地估计最优解，而且在低
利用S变换和广义回归神经网络(GRNN)对管道泄漏点进行定位：分别对采集到的上下游压力波动信号进行S变换分析，提取各信号的压力波动拐点，获取负压波被上、下游两个测量设备检测到的的时间之差；对负压波的传播速度进行修改，使用被果蝇优化算法(FOA)优化好的广义回归神经网络拟合出泄漏定位公式，使函数逼近问题转换为函数逼近问题，创建了基于GRNN-FOA的管道泄漏点定位模型，模型输入即为采用基于S变换时延