-
公开(公告)号：CN102856910B
公开(公告)日：2015-07-01
申请号：CN201210269748.2
申请日：2012-07-31
Applicant: 上海交通大学 , 吉林省电力有限公司四平供电公司 , 国家电网公司
Abstract: 本发明涉及一种基于多模型模糊神经网络PI的STATCOM控制方法，其包括以下步骤：S1：根据配电系统负载侧接入不同冲击性负载后接入点电压Upcc的降低幅值大小，将配电系统划分为三个模型Mi(i＝1,2,3)；S2：对于每个模型分别设计d轴PI控制器PIdi（i＝1,2,3）与q轴PI控制器PIqi（i＝1,2,3）；S3：模糊神经网络模块包括模糊控制器和神经网络两个部分。通过模糊神经网络模块来整定Mi(i＝1,2,3)中d轴PI控制器PIdi（i＝1,2,3）与q轴PI控制器PIqi（i＝1,2,3）的控制参数kp、ki。本发明的优越性在于：1.设计的PI控制器采用了多模型技术，该技术根据模型切换指标对PI参数进行了选择，使PI控制器能够适应接入点负载的变化；2.PI控制器参数kp、ki通过模糊神经网络进行整定得到，大大减少了人工PI参数整定带来的繁琐工作量。
-
-
公开(公告)号：CN102904259B
公开(公告)日：2014-11-19
申请号：CN201210269755.2
申请日：2012-07-31
Applicant: 上海交通大学 , 吉林省电力有限公司四平供电公司 , 国家电网公司
CPC classification number: Y02E40/16
Abstract: 本发明涉及一种基于PAM逆变器的级联STATCOM控制方法，包括下列步骤：S1：电网待补偿的无功功率和补偿器器输出的参考无功功率通过PI调节得到补偿器输出的无功功率；S2：根据上述无功功率计算得到电源电压与STATCOM输出电压间的偏移角度δ；S3：由锁相环得到的初相角加上所得到偏移角度δ正弦化后得到PAM逆变器所需要的参考电压波形；S4：参考电压通过PAM调制计算各个H桥的开关角度最终叠加得到无功补偿器各相输出的补偿电压；S5：针对所需补偿无功的变化采用一种神经网络自适应PI控制器，其控制器参数kp、ki由神经网络在线整定,神经网络根据系统的运行状态，通过自学习和权值的调整，在线整定PI控制器的参数，以期达到性能指标的最优。
-
公开(公告)号：CN103472723A
公开(公告)日：2013-12-25
申请号：CN201310363168.4
申请日：2013-08-19
Applicant: 上海交通大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于多模型广义预测控制器的预测控制方法，在抑制过程扰动的同时，使预设的期望输出值跟踪所述最优设定值轨迹，并采用多个固定模型和多个自适应模型并行辨识系统的动态特性，获得系统的实际输出值和最优的输入控制量。本发明还提供了一种预测控制系统，采用DRTO双层结构，用多模型广义预测控制器代替现有的单模型广义预测控制器。本发明具有以下有益效果：更好地匹配了生产中的实际过程特征，降低系统成本消耗，提高系统经济效益；提高了系统暂态性能和系统模型参数跳变时系统的调节能力；可以有效的消除扰动对系统输出的干扰；降低由于DRTO双层结构中优化层与控制层模型不一致对经济效益的影响。
-
公开(公告)号：CN103457274A
公开(公告)日：2013-12-18
申请号：CN201310374555.8
申请日：2013-08-23
Applicant: 上海交通大学 , 国家电网公司 , 国网吉林省电力有限公司四平供电公司
CPC classification number: Y02E40/16
Abstract: 本发明涉及一种多模型模糊神经网络PI控制器的STATCOM电流控制方法，包括以下步骤：S1:负载功率因数作为模型划分的依据，将系统划分为多个模型Mi(i=1,2,...,n)。S2:对于每个模型分别设计d轴第二级模糊神经网络PI控制器PIdi（i=1,2,...,n）与q轴模糊神经网络PI控制器PIqi（i=1,2,...,n）。S3:当负载电流接入后，选择相应模型，每个模型中的d轴第二级PI控制器和q轴PI控制器参数kP和ki由模糊神经网络进行整定以达到理想的控制效果。此方法可以较快的适应负载的变化和获得较高的精度。
-
Patent Agency Ranking
公开(公告)号：CN103457273A
公开(公告)日：2013-12-18
申请号：CN201310374554.3
申请日：2013-08-23
Applicant: 上海交通大学 , 国家电网公司 , 吉林省电力有限公司延边供电公司
CPC classification number: Y02E40/16
Abstract: 本发明提供了一种静止同步补偿器，其包括一PAM单元与一PWM单元，所述PAM单元由四个H桥级联形成的，所述PAM单元采用基频优化PAM方法使输出阶梯波逼近正弦波，所述PWM单元包括一与所述PAM单元串联的H桥，PWM单元采用跟踪型PWM控制技术对输出无功电流瞬时值进行反馈控制；同时提供了一用于对该静止同步补偿器的等效电路模型的时变参数进行修正的控制器。本发明采用PAM+PWM进行调制提高了装置输出电流的质量；同时考虑开关器件和直流侧电容的影响，建立了更为准确的数学模型。
-
公开(公告)号：CN103425048A
公开(公告)日：2013-12-04
申请号：CN201310191901.9
申请日：2013-05-22
Applicant: 上海交通大学
IPC: G05B13/04
Abstract: 一种基于动态优化的多模型广义预测控制系统，其包括动态优化层、MPC层以及基础控制层；所述动态优化层位于上层，其计算出关键控制变量的优化值作为MPC层的最优设定值；所述MPC层位于下层在待优化变量满足模型动态行为的条件下采用滚动优化的预测算法对该待优化变量进行调节，使其跟踪S1中得出的最优设定值；所述基础控制层位于底层，将该待优化变量的最终优化值送至执行机构。本发明降低系统成本消耗，提高系统经济效益，并且可以提高系统暂态性能以及系统模型参数跳变的调节能力，同时还可以有效的消除扰动对系统输出的干扰。
-
公开(公告)号：CN103368186A
公开(公告)日：2013-10-23
申请号：CN201310237091.6
申请日：2013-06-14
Applicant: 上海交通大学 , 国家电网公司 , 吉林省电力有限公司四平供电公司
CPC classification number: Y02E10/763 , Y02E40/30
Abstract: 本发明提供了一种风电系统无功优化方法，包括以下几个步骤：S1：建立风机的数学模型；S2：对各节点的电压进行初始化；S3：建立无功规划的数学模型；S4：输入原始数据；S5：形成初始粒子群；S6：进行潮流计算；S7：对优秀粒子采用云条件发生器和云模型对其进行更新；S8：对其他普通粒子采用常规粒子群寻优更新粒子群；S9：结合步骤S7、S8更新后的粒子群，调整约束方程，计算更新；S10：迭代条件为迭代次数或位置最小阈值；S11：停止迭代，输出最优节点电压和有功网损。采用本发明所述的风电系统无功优化方法，能够有效地降低风电系统中劣性粒子比例，从而改善粒子分布、增强搜索精度，提高系统的电压水平，减小网损。
-
公开(公告)号：CN103346573A
公开(公告)日：2013-10-09
申请号：CN201310215429.8
申请日：2013-05-31
Applicant: 上海交通大学 , 国家电网公司 , 吉林省电力有限公司四平供电公司
CPC classification number: Y02E10/763 , Y02E40/30
Abstract: 本发明公开了一种基于黄金分割云粒子群优化算法的风电系统无功规划方法，本发明通过建立无功规划的数学模型，确定目标函数；输入风电系统的原始数据从而形成初始种群；随机产生全部粒子，运用黄金分割评判准则将粒子群按其自适应度值分为三部分，对各部分粒子设置不同的惯性权重；通过粒子群优化算法，得到粒子新的位置和速度，在满足终止条件前反复将粒子同上述方法分成三部分并迭代，如此寻找最优解，从而实现风电系统的无功规划。本发明有效的提高了风电系统的节点电压水平，减小了电网的网损，通过以上算法保持了粒子的多样性，避免了在寻优时容易出现的早熟现象，并提高了寻优过程中的收敛速度；而且以上方法的计算量较小、可操作性较高。
-
公开(公告)号：CN103324091A
公开(公告)日：2013-09-25
申请号：CN201310217770.7
申请日：2013-06-03
Applicant: 上海交通大学
IPC: G05B13/04
Abstract: 本发明的针对一种零阶接近有界的非线性多变量系统设计了一种多模型自适应控制器及控制方法。该多模型控制器具有一个非线性鲁棒自适应控制器和一个非线性神经网络自适应控制器。通过引入非线性补偿项，保证非线性鲁棒自适应控制器的辨识模型与真实系统的输出误差有界。利用模型误差设计的一步超前控制律可以保证系统的BIBO稳定性。系统控制信号由两个控制器切换产生，由神经网络自适应控制器来提高系统的性能。
-
-
-
-
-
-
-
-
-
Search Results
146
records
(took 0.026 seconds)
