-
公开(公告)号：CN111694277B
公开(公告)日：2021-09-10
申请号：CN202010536914.5
申请日：2020-06-12
Applicant: 华北电力大学
IPC: G05B13/04
Abstract: 本发明涉及了一种基于多步状态反馈的非线性随机模型预测控制方法，通过研究带有随机干扰的非线性系统特性，利用统计方法建立系统随机干扰模型，建立带有概率约束的非线性离散系统随机模型，结合传统预测控制中控制目标的设计方法，提出针对该模型的随机优化控制问题，随后应用鲁棒tube不变集思想解决非线性模型与线性名义模型之间有界的模型失配问题。通过设计多步状态反馈控制律，优化无穷时域内的统计性能指标，构造自由度更大的多步概率Tube不变集，保证概率约束递归满足，从而控制系统未来的随机状态，有效解决了随机干扰下随机系统的跟踪性、经济性和稳定性问题。
-
公开(公告)号：CN110084425A
公开(公告)日：2019-08-02
申请号：CN201910340738.5
申请日：2019-04-25
Applicant: 华北电力大学
Abstract: 本发明公开了一种基于小波分解和偏最小二乘回归算法的深度信念网的风速预测方法，通过将采集自某实际风电场的原始数据进行清洗、分类和归一化处理后用小波基函数db3对归一化的各部分数据进行分解，使两部分数据各自产生一系列不同频率的子序列。对训练数据分解后所产生的各个频率子序列分别建立以偏最小二乘回归算法为有监督训练算法的深度信念网模型，并在训练数据分解后所产生的各个频率子序列中提取样本用来训练以上建立的深度信念网模型从而得到具有最优参数的风速预测模型。较现有的技术，本发明所涉及的方法在预测风速时不仅易于实现，而且取得更高的预测精度。
-
公开(公告)号：CN113267997A
公开(公告)日：2021-08-17
申请号：CN202011137212.6
申请日：2020-10-22
Applicant: 华北电力大学
IPC: G05B13/04
Abstract: 本发明涉及了一种基于多步反馈控制的非线性随机模型预测控制简化方法，包括建立离散非线性随机模型，提出针对该模型的随机无穷时域优化控制问题；保证名义离散线性随机模型替代离散非线性随机模型的有效性并扩大控制器的可行域；保证原概率约束并增加后续随机预测控制器的设计自由度；得到进行优化控制的前提条件；预测控制简化算法的具体步骤。本发明通过对无限时域统计性能指标的优化，结合鲁棒不变量集的性质来收紧概率约束，构造一簇具有更大自由度的多步概率不变量集，以确保概率约束得到满足。同时为了改善多步控制策略引起的在线负担过重的问题，提出了简化的控制算法。有效解决了随机干扰下随机系统的跟踪性、稳定性和鲁棒性问题。
-
Patent Agency Ranking
公开(公告)号：CN113267997B
公开(公告)日：2022-10-28
申请号：CN202011137212.6
申请日：2020-10-22
Applicant: 华北电力大学
IPC: G05B13/04
Abstract: 本发明涉及了一种基于多步反馈控制的非线性随机模型预测控制简化方法，包括建立离散非线性随机模型，提出针对该模型的随机无穷时域优化控制问题；保证名义离散线性随机模型替代离散非线性随机模型的有效性并扩大控制器的可行域；保证原概率约束并增加后续随机预测控制器的设计自由度；得到进行优化控制的前提条件；预测控制简化算法的具体步骤。本发明通过对无限时域统计性能指标的优化，结合鲁棒不变量集的性质来收紧概率约束，构造一簇具有更大自由度的多步概率不变量集，以确保概率约束得到满足。同时为了改善多步控制策略引起的在线负担过重的问题，提出了简化的控制算法。有效解决了随机干扰下随机系统的跟踪性、稳定性和鲁棒性问题。
-
公开(公告)号：CN111694277A
公开(公告)日：2020-09-22
申请号：CN202010536914.5
申请日：2020-06-12
Applicant: 华北电力大学
IPC: G05B13/04
Abstract: 本发明涉及了一种基于多步状态反馈的非线性随机模型预测控制方法，通过研究带有随机干扰的非线性系统特性，利用统计方法建立系统随机干扰模型，建立带有概率约束的非线性离散系统随机模型，结合传统预测控制中控制目标的设计方法，提出针对该模型的随机优化控制问题，随后应用鲁棒tube不变集思想解决非线性模型与线性名义模型之间有界的模型失配问题。通过设计多步状态反馈控制律，优化无穷时域内的统计性能指标，构造自由度更大的多步概率Tube不变集，保证概率约束递归满足，从而控制系统未来的随机状态，有效解决了随机干扰下随机系统的跟踪性、经济性和稳定性问题。
-
公开(公告)号：CN110096785B
公开(公告)日：2020-09-01
申请号：CN201910340736.6
申请日：2019-04-25
Applicant: 华北电力大学
Abstract: 本发明涉及了一种堆叠自编码器方法并可应用于超超临界机组建模，在机组内选用了较完整数据的情况下，这一方法解决了大数据背景下传统系统辨识方法很难建立精确的分析模型的问题，同时为了免去繁琐的数据预处理过程，采用最大相关熵函数作为代价函数，具体步骤包括：设定一个超超临界的火电厂，从超超临界机组数据集中提取合适的数据作为模型训练的输入输出样本集，确定堆叠自编码器的网络结构，选取的输入数据集作为模型的输入，采用梯度下降法对每一个自编码器进行训练，利用输入输出数据对堆叠自编码器整个网络采用梯度下降法进行微调，对数据反归一化，从而产生堆叠自编码器的最终输出。
-
公开(公告)号：CN110985294A
公开(公告)日：2020-04-10
申请号：CN201911256463.3
申请日：2019-12-10
Applicant: 华北电力大学
Abstract: 本发明涉及了一种鲁棒概率tube联合使用的随机模型预测控制方法。通过采集风场大量的风速数据，利用统计方法拟合风速的随机过程，建立带概率约束的风机非线性随机模型，应用鲁棒tube解决模型线性化有界的高阶项，为优化统计性能指标和保证概率约束满足，算法利用模型中风速的随机信息，设计状态概率分布椭圆不变集，控制系统未来的随机状态，解决了随机风速干扰下的风电场名义的风力发电机系统输出功率稳定跟踪的问题，综合保障了风电场中各个约束的满足，保证系统安全有效运行。本发明的鲁棒概率tube联合使用的随机模型预测控制方法相比于传统的鲁棒预测控制，对随机问题有更好的优化能力，控制性能更佳。
-
公开(公告)号：CN110096785A
公开(公告)日：2019-08-06
申请号：CN201910340736.6
申请日：2019-04-25
Applicant: 华北电力大学
Abstract: 本发明涉及了一种堆叠自编码器方法并可应用于超超临界机组建模，在机组内选用了较完整数据的情况下，这一方法解决了大数据背景下传统系统辨识方法很难建立精确的分析模型的问题，同时为了免去繁琐的数据预处理过程，采用最大相关熵函数作为代价函数，具体步骤包括：设定一个超超临界的火电厂，从超超临界机组数据集中提取合适的数据作为模型训练的输入输出样本集，确定堆叠自编码器的网络结构，选取的输入数据集作为模型的输入，采用梯度下降法对每一个自编码器进行训练，利用输入输出数据对堆叠自编码器整个网络采用梯度下降法进行微调，对数据反归一化，从而产生堆叠自编码器的最终输出。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
