采用模糊自适应控制的MMC环流抑制策略

针对由模块化多电平换流器结构缺陷带来的环流问题,基于其数学模型和作用模糊子集推理方法提出了模糊自适应环流抑制策略. 首先,分析换流器拓扑及其控制特性得到隶属度函数以及模糊控制规则,然后根据桥臂二倍频环流计算模糊系统输入量,并利用重心法解模糊,从而实现自适应的环流抑制控制. 最后通过PSCAD/EMTDC仿真算例验证所提控制器的有效性,在输电系统动态变化时本研究设计的控制器的快速性和鲁棒性均优于传统PI控制器.     

基于模型预测方法的MMC环流抑制策略

为了抑制模块化多电平换流器(MMC)的相间环流,提出一种基于模型预测(MPC)方法的环流抑制策略.该方法在传统系统控制的基础上,结合最近电平逼近调制,通过检测环流方向,利用模型预测实现模块数的实时更新,从而达到定量抑制二倍频环流的目的.和传统环流抑制策略相比,该方法不必考虑环流频率特性,同时省去了复杂的参数设计,实现简单,更适用于MMC模块数较多的工程实际情况.在PSCAD中对上述控制策略进行了仿真验证,结果表明:所提策略可以定量抑制MMC相间环流,从而有效减少桥臂电流畸变和子模块电压波动.     

模块化多电平换流器的桥臂聚合模型

模块化多电平换流器（MMC）在新能源并网、岛屿供电等方面具有独特的优势,得到了越来越广泛的应用.由于MMC子模块数众多,导致其电磁暂态仿真计算量大、耗时多,增加了MMC设计和优化的难度,更不利于含MMC电力系统的电磁稳定性仿真分析,因此需要建立准确高效的仿真模型以便于对系统不同的运行方式和工况进行分析.依据MMC子模块工作模态,分析了MMC桥臂的工作模式,建立了一种可适用于系统级分析的桥臂聚合模型,推导了其参数的计算方法.最后在PSCAD/EMTDC中搭建了一个49电平MMC详细电磁暂态模型及其等效聚合模型,对比了两种模型在VSC-HVDC的启动、运行、故障时的动态过程.结果表明,所提出的MMC聚合模型可以精确模拟各种工况下MMC的系统级行为.      

基于模糊自适应PI控制在TSMC-PMSM闭环控制中的应用

分析了双极矩阵变换器（TSMC）在永磁同步电机（PMSM）闭环控制的基本原理,针对传统PI控制器对电机转速控制响应速度慢,控制精度低,以及电机调速、负载参数变化时,很难达到预期效果等问题,提出了一种利用模糊控制构建模糊自适应PI控制器,实现转速和电流闭环控制,该方法利用模糊推理能实现对PID参数的在线自整定,进一步完善PI控制器的性能,提高系统的控制精度。最后,在Matlab/Simulink软件上搭建了系统仿真平台,仿真结果验证了模糊自适应PI控制器能快速准确地跟踪转速的给定及具有良好的抗干扰性。     

应用于直流电网的直流断路器参数选取研究

混合式高压直流断路器所能承受的电流水平不仅反映了整个网络向故障点的馈能情况,同时也是其内部各开关器件承受能力的外在体现。直流电网的稳态潮流分布及故障时的电流变化情况则是高压直流断路器载流支路及主断路器支路参数选取的重要依据。本文以直流电网潮流分布为基础,考虑了直流电网可能存在的多种运行方式,分析了高压直流断路器承受的稳态电流水平,进而为其载流支路参数选取提供参考。同时,在基于半桥子模块结构的换流器故障机理分析的基础上,进一步研究了直流电网线路发生故障时的网络电流、换流器出口电流及换流器桥臂电流的变化情况,为高压直流断路器所需开断故障电流水平提供理论依据,并为高压直流断路器的主断路器支路参数及限流电感参数整定及其与换流站闭锁保护相互配合提供一定的参考。最后,在PSCAD/EMTDC仿真平台搭建的四端环网模型上验证了所提方法的正确性。     

模糊神经网络模型参考自适应控制

给出了一种基于模糊神经网络的模型参考自适应控制方案。首先,构造了一种运用递推预报误差（ＲＰＥ）算法的多层前向神经网络,并用其对被控对象建模,然后,又构造了一种模糊神经网络控制器（ＦＮＮＣ）。从而为一类难以建立精确数学模型的非线性被控对象提供了一种新的自适应控制方法,信息结果验证了其有效性。     

交流侧故障下MMC-HVDC能量平衡控制策略

针对模块化多电平换流器(Modular Multilevel Converter,MMC)的柔性直流输电系统(MMC-HVDC)在交流侧故障下的常规控制方法存在换流器内部能量难以快速控制,交流侧故障导致各桥臂间能量可能出现不平衡等问题.从换流器内部机理的控制角度出发,提出了基于能量平衡控制的MMC控制方法,该方法通过优化控制MMC各桥臂电流分量来调节换流器桥臂间的功率流向,实现交流侧电流与换流器内部能量的协同控制,有效抑制换流器在系统故障过程中所引起的内部能量不均衡过程.最后,通过MATLAB/Simulink平台搭建了37电平MMC-HVDC仿真模型,仿真结果验证了所提出控制策略的有效性.     

考虑控制方式的MMC-HVDC系统单极接地故障电流计算方法

直流侧单极接地故障是基于模块化多电平换流器(modular mutilevel converter, MMC)的高压直流(high voltage direct current, HVDC)输电系统最常见的故障类型,一般以换流站闭锁前子模块电容放电电流近似故障电流,忽略了换流站控制环节的影响,结果存在误差。提出一种考虑换流站控制方式的故障电流计算方法,针对换流站主从控制,改进了基于微分方程的求解方法,在故障后的等效回路中使用并联受控电流源将换流站控制环节纳入考虑范围,分别对定功率控制与定电压控制方式下的故障电流进行计算。在PSCAD/EMTDC平台搭建了两端MMC-HVDC系统模型,验证了所提方法的准确性。     

污水处理过程中模糊自适应广义预测控制方法

污水处理是一个复杂的生化反应过程,具有高度非线性、强耦合、不确定性等特点.本文以基于活性污泥1号模型(ASM1)的污水处理benchmark为研究对象,采用模糊模型描述污水处理过程,利用自适应辨识策略提高模型的精确度,以模糊自适应模型作为预测模型,提出了污水处理过程模糊自适应广义预测控制方法.仿真结果表明:采用的模糊自适应预测控制方法能有效地控制出水水质.     

连续搅拌反应釜的自适应模糊辨识与预测控制

化工领域为保证生产安全,对温度、压强、浓度等工艺指标有严格的要求。连续搅拌反应釜属于典型的化工设备,存在较强的非线性和时滞性,传统的建模与控制方法无法满足其精度要求。针对连续搅拌反应釜系统提出一种自适应模糊辨识与预测控制的方法。首先根据模糊划分C均值聚类算法得到模糊隶属度和初始聚类中心,在此基础上采用分层遗传算法进一步优化连续搅拌反应釜T-S模糊模型的参数。其次,采用自适应机制遗忘因子递推最小二乘法来估计T-S模糊模型的后件参数。最后,基于得到的T-S模糊模型,对连续搅拌反应釜进行自适应模糊广义预测控制,仿真结果验证了该算法的有效性。     

MMC-HVDC的环流抑制和并网控制策略

为了使得柔性直流输电MMC-HVDC更加稳定地接入电网,并且有效地抑制其桥臂环流,提出了一种改进型的控制策略.首先,实时监测上、下桥臂电流以及子模块电容电压;通过计算得到环流抑制分量以及子模块电容电压平衡分量,将两者叠加到MMC的调制波中,从而有效地抑制桥臂二次环流分量,同时也降低了系统的开关损耗.然后,利用并网控制策略,独立地控制系统的整流侧和逆变侧的电力潮流,保证直流母线电压在负荷改变时保持恒定,实现了子模块电容电压的动态平衡.最后,搭建MMC-HVDC系统的仿真模型,仿真结果表明,桥臂环流被有效地抑制,直流母线电压保持恒定.同时,搭建了五电平实验样机,实验结果也有效地证明了控制策略的正确性.     

基于模糊神经网络的PI自适应控制器

利用模糊神经网络的模糊推理能力以及前馈神经网络的逼近能力 ,将其与自适应控制方案结合 ,并取带有控制增量约束的广义目标函数作为优化指标 ,从而推导出一种能对非线性非最小相位系统进行有效控制的模糊神经网络间接自适应控制器。在网络学习算法上采用带有动量项的BP算法。仿真结果表明了该方法的有效性。     

基于新型直流牵引供电系统的变下垂控制策略

与传统交流制式牵引供电系统相比,基于模块化多电平换流器的中压直流(medium voltage direct current based on modular multilevel converter, MMC-MVDC)牵引供电系统具有电能品质高、供电距离远以及便于分布式可再生能源系统和储能系统接入等诸多优势。针对传统下垂控制下MMC-MVDC牵引供电系统中存在的输出电压跌落、功率分配不平衡问题,提出一种变下垂控制策略。该方法在传统下垂控制中引入下垂扰动量和电压补偿量,利用一致性算法根据各所输出电流得到下垂扰动量实时动态调节下垂系数实现负载功率在各所之间的均匀分配,同时各所输出电压的平均值稳定在额定值附近且偏移量较小。该策略在保证电能质量的同时提高了牵引变电所容量的利用率,在负荷突变时该系统也能较快地重新达到稳态,具备良好的动态特性。最后,在MATLAB/Simulink中搭建了两牵引变电所模型,将提出的控制策略与传统下垂控制进行对比,仿真结果验证了该策略具备较好均流特性的同时能够基本无差地跟踪输出电压参考值,保证MMC-MVDC牵引供电系统的安全、稳定运行。     

基于模糊预测控制的机车制动控制方法

为了减少模型参数、噪声耦合和随机性干扰对机车制动控制系统控制精度和稳定性的影响,提出1种基于模糊预测控制的制动控制方法,利用基于满意度的T-S模糊建模方法建立精确的预测模型.研究结果表明:通过模糊遗传算法进行滚动优化,获得全局最优解作为预测控制控制器的输出,进而提高系统控制快速性和稳定性,仿真结果验证了该方法的有效性.     

基于模糊神经网络的模型预测硅单晶直径控制

为了生产大尺寸、高质量、低能耗的直拉单晶硅棒,文中通过在直拉硅单晶生产车间采集的大量数据,通过模糊神经网络(Fuzzy Neural Networks, FNN)和模型预测控制(Model predictive control, MPC)进行建模,得到了等径阶段的直径预测模型和直径控制模型。直径预测模型测试结果表明：平均相对误差仅为0.028 7%,预测精度极高。通过仿真并与常规PID控制进行对比分析得出,MPC比常规PID控制的调节速度快53.66%,并且MPC的控制过程非常稳定,其超调量基本为0;由加热器功率调控变化过程可知,MPC减少了调节过程的能耗,并提高了热场稳定性及单晶硅棒质量。通过预测模型建立的直径控制模型能提高控制精度并促进硅单晶高质量生产。     

基于Laguerre函数模型的多变量广义预测自适应控制

通过对Laguerre函数模型结构的分析 ,把多变量广义预测自适应控制方法应用于该模型中 ,利用Laguerre函数模型近似控制对象系统结构 ,将模型中间参量的辨识和模型的预测输出有效的统一了起来 ,克服了单纯基于参数化模型预测控制通常需要已知系统的时延和阶次的局限 ,为适合该类模型的工业对象应用提供一种有参考价值的控制方法。     

具有多神经网络的自适应预测控制

提出了一种将多神经网络，自适应控制和预测控制相结合的方法，用以解决复杂系统的控制问题，并从数学模型、网络结构及算法进行了研究、最后给出了模拟结果。     

基于自适应神经网络的歼击机模糊跟踪控制

提出了一种基于T-S模糊模型和自适应神经网络的跟踪控制方法.在系统具有未知不确定非线性特性的情况下,利用T-S模糊模型对系统的已知特性进行近似建模,设计基于模糊模型的模糊H∞跟踪控制律进行输出跟踪控制.在模糊控制的基础上,引入了基于RBF神经网络的自适应控制,用于在线对消不确定项和模糊建模误差的影响,以保证系统具有期望的鲁棒H∞跟踪性能.所提出的方案保证了闭环系统的稳定性,有效地提高了系统的鲁棒性和跟踪性能.仿真实例表明了所提出方法的有效性.     

分层模糊控制器的解析表达式及自适应控制方法

为解决模糊多变量控制中的“维数灾”问题 ,提出了一种 4输入 1输出的分层模糊控制器 ,推导了它的解析表达式。依据分层模糊控制器的解析表达式 ,提出了其设计参数的模型参考自学习方法 ,其中参考模型选取典型二阶系统 ,用梯度法设计自学习律 ,在线学习分层模糊控制器的可调参数 ,以达到最优值。为检验所提出控制策略的有效性 ,将其应用到板球系统的轨迹跟踪问题 ,并进行了仿真实验。仿真实验结果表明 ,这种分层模糊控制器的可调参数少 ,学习算法收敛快 ,控制效果好 ,具有较强的实用性。     

流媒体传输的模糊自适应预测拥塞控制

为保证网络流媒体传输质量,在流媒体的传输中多采用有效的拥塞控制策略.本文给出了一种更有效的流媒体传输的拥塞控制算法.基于模糊算法给出了模拟的网络传输模型,采用能克服较大传输延时的预测控制解决缓存器的排队预报问题,采用自适应控制算法解决缓存器溢出问题.多种算法有机组合,解决了通过网络的流媒体传输.