用户电力控制器神经网络控制分析

针对电力系统模型及运行参数不确定性 ,在用户电力控制器中引入神经网络控制策略 ,应用神经网络设计了线性控制器 ,所提出的神经网络采用改进BP算法 ,改进BP算法比传统BP算法多了两个变量 ;学习速率和动量因子。将计算得的补偿电流经过神经网络训练实现预定目标 ,由MATLAB仿真结果可观察到经神经网格控制的用户电力控制器可实现系统侧的控制目标。并且其控制算法更为简单、有效。     

基于占空比动态分配控制的并联交错CCM PFC变换器

为减小甚至消除均流过程对总输入电流及输出电压的扰动,以提高输入功率因数. 在平均电流控制策略的基础上,提出一种控制占空比在并联变换器内部动态分配的均流控制器,即只在并联变换器内部,根据其电流偏差程度进行占空比动态调节来实现均流. 同时,采用单DSP实现并联PFC变换器电感电流的均匀交错,以减小系统滤波器的体积和提高系统的效率. 以3个功率因数校正(PFC)变换器并联为例,利用提出的研究方案获得了良好的均流性能,并实现了并联PFC变换器电感电流的交错,减小了输入电流的高频纹波. 实验结果证明了该控制方案的正确性,为并联的大功率功率因数校正变换器的数字控制提供了解决方案.     

基于滑模控制的Buck-Boost型AC-DC变换器

提出了一种基于滑模控制的Buck Boost型AC DC变换器。相对于现行的双环结构控制方式 ,滑模控制没有增加控制电路的复杂性 ,而且能得到近似为 1的输入功率因数 ,电路效率高。同时分别提出了针对输出直流电压以及输入交流电流的控制策略。对输入电流采用滑模控制以获取高功率因素 ,对输出电压 ,因其动态响应相对较慢 ,采用PI控制器调节。最后给出了仿真及实验结果 ,表明该电路具有高效率、高功率因数及低谐波畸变等特性     

基于自适应占空比扰动的MPPT算法研究

光伏发电系统的效率很大程度上决定于其最大功率点跟踪.在Madab/Simulink环境下,对光伏电池进行建模,通过模拟任意太阳辐射强度和环境温度,建立光伏模块特性曲线.并采用Boost电路作为DC-DC变换器完成阻抗变换,在对常规占空比扰动的MPPT算法研究基础上,提出一种自适应占空比扰动的MPPT算法.实验结果表明,...     

无人机燃料电池混合动力系统人工神经网络控制策略

目前,全球有200多项在研电推进飞机项目,包含传统固定翼飞机改造、新构型设计、全电推进系统和混合电推进等。近年来,电推进飞机的发展方向可分为纯电动固定翼、电动垂直起降和混合电推进3类。本文针对某小型无人机燃料电池和锂电池组成的混合动力系统,建立了由质子交换膜燃料电池混合动力系统、6自由度飞行器模型和基于神经网络控制器组成的整个系统仿真模型。为了满足无人机不同飞行阶段的电力需求,控制器控制电池电流和充放电速率。在燃料电池作为无人机主要动力源的情况下,对混合动力系统的性能进行验证和评估。对人工神经网络控制器和模糊逻辑控制器性能进行了比较,结果表明,人工神经网络控制器的性能明显提高,增强了无人机混合动力系统的整体稳定性。人工神经网络控制器在效率和油耗方面比模糊逻辑控制器略有提高,约为1%。这说明在这类系统中,所设计的神经网络控制器比经典控制器具有更强的鲁棒性,更好的响应能力、可靠性,可满足无人机燃料电池混合动力系统运行在最优水平和最优效率上。     

A Self-Adaptive Control Method for Uncertainty Systems Based on ANN with AEP

A self-adaptive control method is proposed basedon an artificial neural network(ANN) with acceleratedevolutionary programming(AEP.) algorithm. The neuralnetwork is used to model the uncertainty process, fromwhich the teacher signals are produced online to regulate theparameters of the controller. The accelerated evolutionaryprogramming is used to train the neural network. Theexperiment results show that the method can obviouslyimprove the dynamic performance of uncertainty systems.     

基于神经网络的感应电机矢量控制系统

根据感应电机矢量变换控制原理,提出了一种由人工神经网络磁链与转矩估计器、神经网络解耦控制器和神经网络转矩控制器组成感应电机的矢量控制系统。文中介绍了感应电机矢量变换控制的基本方程,并根据这些基本方程分别建立了人工神经网络磁链与转矩估计器、神经网络解耦控制器和神经网络转矩控制器,并给出了部分测试结果。最后从系统的仿真计算结果可以看出,这种基于多个神经网络控制环节组成的感应电机矢量控制系统具有良好的性能     

A REAL_TIME SHORT_TERM LOAD FORECASTING SYSTEM BY ARTIFICIAL NEURAL NETWORK *

应用人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ—ＡＮＮ）设计短期电力负荷预测（Ｓｈｏｒｔ＿ｔｅｒｍＬｏａｄＦｏｒｅｃａｓｔｉｎｇ—ＳＴＬＦ）系统,利用广州电网的负荷数据进行仿真,分别作出提前１小时和未来２４小时的整点负荷预测,获得比较满意的预测精度,显示出人工神经网络应用于短期电力负荷预测的良好前景．由于建立小时模型、改进了训练样本集的选取办法及采用高效率的ＬＭ（Ｌｅｖｅｎｂｅｒ＿Ｍａｒｑｕａｒｄｔ）训练算法,使ＡＮＮ的训练速度大大加快,形成可以实时训练和预测的ＡＮＮ＿ＳＴＬＦ系统．     

基于太阳能光伏发电的LED照明系统研究

提出了一种用MSP430F147单片机控制的,以Buck变换器为核心,以蓄电池和Power LED为负载的太阳能光伏MPPT系统.设计了相应的检测、控制和保护功能电路.在实际中具有良好的应用前景.     

风光储发电系统实验平台设计

设计开发了一套1kW的风光储发电系统实验平台。该平台由风力发电机、太阳能电池板、风光互补控制器、蓄电池、单相逆变器和交流负载组成,实验平台可以实现风能和太阳能的最大功率跟踪、蓄电池的充放电管理、逆变的波形控制等功能。该实验平台直观形象,针对性强,适合开展多种开放设计性实验。     

太阳能电池最大功率跟踪控制的研究(英文)

光伏电池输出功率随外部环境和负载的变化而变化,要提高光伏发电系统的输出效率须采用有效的最大功率点跟踪算法.针对光伏电池的非线性特性,提出了一个基于增量电导法、以升降压斩波器为核心的光伏能量转换系统.经PSIM和LabVIEW软件仿真证实,该方法能使系统稳定工作在最大功率点,同时能对外界环境的变化做出快速反应.     

改进BP神经网络的并网逆变器分数阶比例-积分-微分控制策略

传统PID控制技术在电网产生扰动时无法兼顾快速性和鲁棒性,易造成系统不稳定失衡,向电网注入大量的谐波。对此现象,提出了一种改进BP神经网络的分数阶PID控制器来提高电网的鲁棒性和对响应的快速性。该算法采用分数阶PID控制器跟踪电流外环的参考电流,并针对分数阶PID控制器的五个参数采用BP神经网络实时在线整定。消除了人为调参所带来的不确定性。对于BP神经网络在整定参数过程中无法整定得到最优解,引入变化的惯性因子和学习率,提高了BP神经网络的求解效率。仿真结果验证,所提控制算法对并网电流能够实现快速跟踪,鲁棒性好。     

A Precise Algorithm for Non-Integer Harmonics Analysis Based on FFT and Neural Network

By means of an artificial neural network (ANN) model, higher measurement accuracy of integer harmonics can be obtained. Combining the windowed fast Fourier transform (FFT) algorithm with the improved ANN model, we present a new precise algorhhm for non-integer harmonics analysis. According to the result obtained from the Hanningwindowed FFT algorithm, we choose the initial values of orders of harmonics for the neural network. Through such processing, the time of iterations is shortened and the convergence rate of neural network is raised thereby. The simulation results showthat close non integer harmonics can be separated from a signal with higher accuracy and better real-time by using the algorithm presented in the paper.     

DC/DC变换器的神经网络鲁棒控制

针对有非最小相位特性的二阶DC/DC(直流/直流)变换器平均值模型的特性,以Buck-Boost变换器为典型例子,提出了一个非线性反馈做内环控制器,控制其电感电流;用RBF(径向基函数)神经网络作为自适应机构,提出了一个神经网络鲁棒控制器作为电压外环控制器,控制其输出电压.证明了系统跟踪误差和神经网络权值的有界性.仿真结果表明,提出的控制器对于系统参数的不确定性具有很强的鲁棒性,并具有很好的动态性能.     

单体锂动力电池的携行电台供电电源直流变换控制技术

提出一种基于脉宽调制技术和滑模变结构控制技术相结合的新型直流变换电源控制策略,设计了一种连续电流模式下的升压直流变换电源滑模变结构控制器,将3.2 V单体锂动力电池变换为满足携行电台供电要求的12 V工作电源。通过Matlab/Simulink环境下构建控制器仿真模型,并对负载电阻和输入电压变化情况下的控制器性能进行仿真实验,结果表明该升压直流变换电源滑模变结构控制器在大范围扰动情况下的输出电压变化并不明显,稳态误差较小,动态性能良好,鲁棒性强。     

发电机神经网络模型用于电力系统暂态稳定计算

用递归神经网络建立发电机模型,多层输出反馈网络建立励磁系统和调速系统模型,并将此三部分集结构成为一个发电机组的详细模型。将此详细模型写入电力系统的网络方程,联立求解电力系统暂态稳定过程。详细模型写入暂态稳定程序中６机２２节点网络。暂态过程计算结果表明,由人工神经网络模型仿真计算与机理模型常规稳定计算比较,使用人工神经网络模型和机理模型的计算结果非常接近,说明人工神经网络模型可以用于电力系统暂态稳态计算,为今后人工神经网络并行、快速、在线处理电力系统实时计算提供应用途径。     

单相数控有源功率因数校正技术研究

研究了单相数控Boost型有源功率因数校正系统,采用平均电流型控制策略,分析了功率电路、信号调理电路、驱动电路的实现方案.采用DSP实现系统的数字控制,深入探讨了3个模拟采样信号和乘法器增益的确定方法,以及PI控制与PWM占空比算法,并对系统软启动、A/D转换、输入电压前馈和PWM信号产生4个程序模块进行了分析,仿真结果表明了系统设计的正确性     

一种低功耗升压电路的研究与设计

目的 为了解决工业生产和日常生活中电池供电的便携式产品的电池使用寿命短、功耗高等问题.方法 采用DC-DC型升压转换电路实现电池低压供电.结果 实验数据表明,利用美信公司DC-DC转换芯片MAX859搭建的升压电路,电池能够在较低电压下正常使用.结论 利用DC-DC升压转换电路,能够有效降低系统功耗,延长电池使用寿命,可以推广应用于众多电池供电的产品中.     

户用小型风力发电系统的并网运行控制

为了克服独立运行的小型风力发电系统的缺点,节约电能,提出了一种与电网并联运行的户用小型风力发电系统的结构及其控制策略。该系统的并网部分由一个不控整流桥、Boost变换器和一个单相并网逆变器组成,采用"并网不上网"的运行方式。对Boost变换器进行控制,实现风力机的最大功率跟踪;并网逆变器采用以电流为内环、以电压为外环的双闭环控制方法,可与单相电网并联运行,但不对电网输出功率。通过不同风速、电网电压和负载下的系统仿真与单相逆变器并网实验,证明了系统控制策略的有效性。     

Z-源逆变器MPPT和逆变控制方法研究

Z-源逆变器由于采用了独特的阻抗网络,能够利用桥臂的直通状态实现自由升降压,因此,可在单级系统中同时实现MPPT和并网逆变功能.本文分析了Z-源逆变器的升压原理,讨论了直通占空比和逆变调制因子之间的制约关系,并在此基础上设计了直通占空比d0和逆变调制因子M分别独立控制MPPT和并网输出功率的逆变控制方案.该方案通过给d0和M分别划出合理的取值范围,改善了d0和M的相互制约关系,有效抑制了电网和光伏模块的相互影响.通过实验验证,该方案能够有效跟踪光伏电池最大功率点;稳态工作时,输出电流与电网电压同相位,谐波畸变小,输出功率因数高.