基于在线学习和ADRC的发电机励磁与汽门系统ANN逆鲁棒控制方法

为提高汽轮发电机组励磁与汽门系统机端电压和功角的控制性能,提出了基于在线学习和自抗扰控制(ADRC)的神经网络逆鲁棒控制方法.首先,将神经网络逆(ANN)与被控励磁汽门系统组成的复合伪线性系统等效为含有扰动的线性系统;然后,基于ADRC,设计了用于在线估计复合伪线性系统状态和扰动的ESO,解决了神经网络逆在线学习时训练样本获取的难题,并在设计的伪控制量中对扰动进行补偿,基于线性系统理论证明了ESO的收敛性并针对励磁子系统和汽门子系统与神经网络逆系统组成的伪线性复合系统分别设计整数阶PID控制器和分数阶PID控制器以实现闭环控制;同时,在离线训练的基础上设计了基于在线梯度方法的神经网络逆在线学习算法,利用李雅普诺夫稳定性理论证明了神经网络逆在线学习的收敛性.最后,以典型的两区域四机系统为例进行数值仿真,与传统的AVR/PSS和基于离线训练的神经网络逆控制方法的比较结果表明所提方法明显提升了电力系统的暂态性能.     

发电机励磁与汽门系统的改进神经网络逆控制方法

为提高发电机励磁汽门系统机端电压和转速的控制性能,提出了基于在线学习和扩张状态观测器(ESO)的改进神经网络逆控制方法.首先,将神经网络逆与被控励磁汽门系统组成的复合伪线性系统等效为含有扰动的线性系统.然后,基于自抗扰控制方法,设计了用于在线估计复合伪线性系统状态和扰动的ESO,并在设计的伪控制量中对扰动进行补偿,利用线性系统理论证明了ESO的收敛性和闭环系统的稳定性;同时,在离线训练的基础上设计了基于在线梯度方法的神经网络逆在线学习算法,利用李雅普诺夫稳定性理论证明了神经网络逆在线学习的收敛性.最后,以典型的两区域四机系统为例进行数值仿真,结果表明,与传统的AVR/PSS方法和基于离线训练的神经网络逆控制方法相比,所提方法明显提升了电力系统的暂态性能.     

多机电力系统非线性大干扰抑制控制器设计

针对具有励磁控制的多机电力系统,为避免以往由简单估计干扰上界或不等式放缩带来的保守性,将backstepping与minimax方法相结合提出了一种非线性大干扰抑制控制方法.考虑系统受到发电机发生机械功率扰动等突发性大干扰,设计了非线性大干扰抑制控制器,确保多机系统具有良好的鲁棒性和对大干扰的不敏感性.以两机系统为例进行仿真实验,结果表明这种控制方案可有效改善多机电力系统的暂态稳定性.     

基于结构化模型的电力系统元件逆系统控制方法

将非线性常微分方程系统的逆系统控制方法扩展到电力系统元件这样一类非线性微分-代数子系统.基于被控元件的指数1和关联可测特殊性,分2种情况研究了其逆系统控制方法.对于能够得到代数变量解析表达式的情况,可将非线性微分-代数子系统等价转化为关联可测的非线性常微分方程子系统;对于无法得到代数变量解析表达式的情况,可将非线性微分-代数子系统等价转化为关联可测的受限非线性常微分方程子系统.针对上述2种情况,均给出了物理可实现的控制器设计方案,实现了元件被控对象的线性化和解耦.最后按所提出的方法,设计了多机系统中的一台同步发电机组的励磁控制器.     

多机电力系统非线性励磁控制的计算机仿真研究

对一个ＩＥＥＥ典型的１３机系统进行了数字仿真。比较了在其中一台发电机上装设比例积分微分控制器（ＰＩＤ）、电力系统镇定器（ＰＳＳ）、线性最优励磁控制器（ＬＯＥＣ）和非线性励磁控制器（ＮＥＣ）四种励磁控制器，对整个系统的暂态稳定的影响。仿真结果表明，非线性励磁控制器与采用其他三种控制器相比，电力系统的暂态稳定性有较明显的改善。在多机系统中的主力发电机组上装设非线性励磁控制器，将对整个系统的大干扰稳定性有明显的改善。     

柴油发电机神经网络非线性励磁控制器研究

采用基于LM算法的BP神经网络逼近柴油无刷发电机微分几何非线性励磁控制器,实现了神经网络非线性励磁控制方式,简化了控制回路。仿真结果表明,在系统遭受扰动或故障时,所设计的神经网络非线性励磁控制器具有良好的控制效果。     

基于T-S模型的多机电力系统模糊控制

电力系统的稳定性一直是电力系统研究中的重难点,其中发电机组的励磁控制对于提高电力系统的暂态稳定性起着非常重要的作用。本文考虑到电力系统的状态不可测及多变量、非线性等特点,设计状态观测器,对典型非线性的电力系统很好地利用T-S模糊模型逼近,从而有效地简化了电力系统数学模型。此方法使系统在保证良好地暂态稳定性的同时、降低了控制器的设计难度。仿真结果表情所设计的控制器能够快速有效地改善系统在大干扰下的暂态稳定性。     

基于逆系统方法发电机非线性励磁调节器研究

将非线性系统的逆系统方法用于电力系统，结合ＩＴＡＥ最佳控制规律，推导出了发电机非线性励磁控制规律．大扰动仿真结果表明，基于逆系统方法设计的发电机非线性励磁控制器能较大地改善系统的动态性能．同时，该方法的线性化过程较微分几何方法简单得多，更适于工程应用．     

一种非线性系统神经网络直接控制器的设计

提出了一种使用神经网络作为非线性对象直接控制器的设计方法 ,该控制器由一个常规控制器和一个神经网络控制器组成 .常规控制器对系统给出粗略控制 ,神经网络控制器给出补偿信号来进一步减小系统输出跟踪误差 .该方法对被控非线性对象类型的限制很少 .在该方法中 ,径向基函数 (RBF)神经网络被用来进行训练 ,训练后系统具有较好的稳定性 .仿真结果表明 ,该方法非常有效 ,对非线性系统能取得比较满意的控制效果     

混动电动轮自卸车电制动非线性变结构励磁控制

针对混动电动轮自卸车(HMDT)电制动励磁控制非线性和负载干扰较大的时变不确定性,对整车稳定性特别是电池寿命的影响,提出一种反馈精确线性化控制与滑模控制相结合的非线性变结构控制(NVSC)励磁控制策略.建立电制动励磁控制SISO二阶非线性模型,对模型精确线性化处理;应用滑模变结构控制设计了转速闭环励磁控制器,考虑矿山恶劣工况下为了削弱系统抖振、保证车速和制动电流稳定,设计了Luenberger负载干扰状态观测器.MATLAB仿真与实验结果表明:NVSC控制器相比PID控制除了具有动态性能好、响应快等优点外,在负载干扰波动下,电机转速和制动回馈电流保持稳定,系统鲁棒性好,保证了HMDT电池寿命和整车稳定.