张坚[1]2003年在《神经网络控制技术在现代电站中的应用》文中提出现代电站的生产过程中存在过热汽温、再热汽温、锅炉水处理、负荷调节等许多大迟延、大滞后、特性时变的对象，它们中有些还是具有强非线性特性的对象或多变量耦合系统，采用常规的PID控制手段很难取得良好的控制效果。若应用现代控制理论中的自适应控制、最优控制、解耦控制、预测控制等控制手段，则需要建立被控对象的数学模型，而且往往控制系统的计算量大、实时性差。这些缺点使其很难满足实际生产过程的需要从而极大地限制了其在现代电站中的应用。随着发电机组向大容量、高参数方向发展及各种新型发电方式的出现，电站中各生产环节的特性越来越复杂而对其控制品质的要求却越来越高，急需新的控制技术来对其进行有效的控制。神经网络具有表示任意非线性关系和学习等能力,通过恰当选择网络层次和隐层单元数能够以任意精度逼近任意连续函数及其各阶导数。为时变、非线性对象的动态特性的辩识提供了简单而有效的一般性的方法，解决了时变、非线性对象控制中的瓶颈问题。因此基于神经网络的各种先进控制技术是解决现代电站中控制难题的一条有效途径。本文紧密结合我国电厂的实际情况，以解决电厂实际运行中存在的控制问题为出发点，抓住火电厂热工控制系统普遍存在的大滞后和特性时变的特点，在已有的神经网络控制算法的基础上，针对这些算法中存在的不足进行进一步研究并提出了基于Elman网络的隐式广义预测控制、基于改进的Elman网络的自适应预测函数控制、基于混合神经网络的非线性自适应预测函数控制、基于神经网络的多变量解耦自适应预测函数控制及基于模糊神经网络的模型参考自适应预测控制等多种改进方案。这些改进方案既具有自适应控制和预测控制等现代控制理论的优点，又无需被控对象的数学模型，而且控制效果良好、适应性广，满足了非线性对象及多变量耦合系统等特性不同的生产环节对控制系统的要求。使用MATLAB语言对采用上述控制方式的过热汽温、再热汽温、给水系统、锅炉水处理、负荷调节等不同对象的控制系统进行仿真实验，结果表明了这些控制技术的有效性。
刘丽丽[2]2008年在《基于智能控制和辐射能量的火电厂燃烧系统研究》文中认为火电厂锅炉燃烧过程控制系统的基本任务是使燃料燃烧所产生的热量适应蒸汽负荷的需要,同时还要保证锅炉的安全经济运行。提高锅炉的运行热效率、降低能耗以及减少环境污染,是多年来技术改造和节能工作中意义深远的课题。目前锅炉控制的核心难点问题就是研究如何提高燃烧系统的燃烧经济性能,如何对锅炉燃烧过程进行有效的控制。本文在分析锅炉的工作过程、控制系统结构基础上,同时从测量信号和控制技术两个方面对燃烧控制系统进行了研究,提出了用智能控制代替传统PID控制;用辐射能量代替燃料量信号、热量信号的控制方案,提出了新型燃烧控制系统,它是由开关控制、补偿模糊神经网络汽压控制器、送风摄动信号模糊自寻优和自学习风煤比模糊神经网络控制器组成。根据补偿模糊神经网络的原理,设计了蒸汽压力补偿模糊神经网络控制器,仿真结果表明与传统PID控制器相比,具有更高的鲁棒性,自适应能力。同时设计基于智能控制和辐射能量的风煤比在线自学习控制器。在锅炉正常运行以及负荷、煤种等因素发生变化的情况下,都能有效地自动调整风煤比使炉膛内燃烧处于最佳状态,并在不断的调整过程中记忆适应于该炉各运行工况的最佳风煤比,以此作为学习样本来训练神经网络,从而获得稳定的燃烧优化控制。
施伟锋[3]2005年在《关于船舶电力系统研究的一些探索》文中指出目前，船舶向着超大型化方向发展，电力推进型船舶也进入实质性应用阶段，从而使船舶电力系统的容量不断增大，船舶柴油发电机组的单机容量不断创出新高。因此，船舶电力系统长时间连续运行的稳定性、可靠性与安全性日益受到重视；在船舶电力系统研究领域，系统建模、混沌分析与智能控制成为研究的热点课题。 船舶电力系统的安全与可靠运行问题是涉及船舶电力系统设计、电力传动、船舶柴油发电机组自动控制、系统稳定性、系统参数整定和自动化管理技术等多方面的系统控制工程问题。船舶电力系统是多台柴油发电机组并联运行的复杂系统，具有强耦合、时变性、非线性、信息不完全性和大纯滞后等特征；船舶电力系统正常供电时常常有相对于发电机容量较大的电力负荷投入到电网运行，系统在运行过程中动态过程频繁发生，动态过程的振荡幅度很大。鉴于这些原因，本文对船舶电力系统进行了建模、混沌分析与神经控制研究；希望在船舶电力系统建模与故障分析、避免船舶电力系统产生混沌振荡、提高船舶柴油发电机组系统的控制质量、改善系统动态过程的品质和提高海船轮机员的技术素质等方面做一些有实际意义的工作。 本文完成的主要研究工作如下： 以大型船舶电力系统和电力推进型船舶电力系统为研究对象，提出了船舶电力系统广义模型的框架结构，对船舶电力系统进行了数学建模与仿真，建立了基于机理性模型的船舶电力系统仿真平台，该仿真平台能满足船舶电力系统设计方案的一些论证的需要，在一定程度上能满足船舶柴油发电机组控制系统设计与性能评估、系统参数整定和故障仿真与分析的要求。 鉴于船舶电力系统的复杂性和非线性特性，根据旋转电机的能量传递原理，根据发电机组转矩关系与电气参数关系，针对船舶航行中的船舶电力系统双机并联轻载运行工况，建立了系统的非线性数学模型及其叁维自治系统模型。研究了系统的相图和分岔图；分析研究了系统的混沌振荡现象与随机分形特性；并计算了系统的Lyapunov指数谱和Lyapunov维；发现当船舶电力系统的两台发电机之间存在一定量的功率传递和系统受到一定幅值的周期性负荷扰动时将发生混沌振荡。 在船舶大功率发电机知识型模建立中，基于混沌神经元具有强烈的遍历性和递归网络具有对复杂系统的良好的信息处理能力；提出并构建了新型的基于Aihara混沌神经元的局部递归混沌神经网络(Aihara Local Recurrent Chaotic Neural Network—ARCNN)，并成功地用梯度下降、动量和自适应学习的动态BP算法完成对
尹峰[4]2016年在《基于火焰光谱检测的炉内煤种辨识与锅炉优化控制技术研究》文中研究说明随着《巴黎气候变化协定》的即将生效,当前节能减排的大环境对能源行业发展格局形成了很大冲击,作为温室气体排放大户的燃煤电厂,急需进一步提高锅炉运行效率以缓解减排压力。而近几年,机组本体设备与辅助系统工艺改进方面的节能潜力已几乎耗尽,目前最有前景的研究方向就是利用先进控制技术实现锅炉的优化运行,而锅炉优化控制的技术瓶颈则在于炉内参数的在线测量与先进控制算法对复杂工况的适应性。本文针对这两项技术需求,开展了以下研究工作:1)通过火焰发射光谱的基础理论与测量机理研[,利用Na、K、Li等碱金属元素含量与比例对煤种的标识意义,提出了基于煤粉火焰光谱中碱金属原子发射光谱强度关系特征的煤种辨识方法,从机理上对测量与环境因素进行消去与补偿,获得稳定的特征量,实验结果表明特征量可复现、可区分、工况适应性满足煤种辨识要求。2)根据煤种辨识的机理特征向量,结合一系列辅助特征参数,采用SVM算法实现煤种辨识方法的算法设计、系统开发与应用测试,验证了基于炉内火焰发射光谱特征的煤种辨识方法的准确性。3)开展基于最小二乘支持向量机算法(LSSVM)的锅炉效率软测量研[,以及基于T-S模糊建模与遗传寻优的锅炉效率优化控制算法,提出并实现以下技术路线:利用DCS与煤种辨识系统实时获取足够量的锅炉燃烧参数与煤种参数,选取平稳工况以正平衡法计算离散的锅炉效率,用于锅炉效率软测量建模,并以此模型实现锅炉效率的连续测量与优化控制。4)提出了新型结构的带参考模型与扰动模型的广义预测控制(RDM-GPC)算法与带导前扰动模型的预测函数控制(LDM-PFC)算法,经对比仿真测试,在模型适应性、响应速度与控制精度方面都有明显优势,控制方案可用于煤粉锅炉的主蒸汽温度与压力等重要性能参数的优化控制。5)开发了用于优化控制算法集成应用的热工优化控制平台(TOP)系统,提出了递进式安全控制机制,以及上位高级运算与下位实时控制的灵活配置方式,为优化控制系统高效灵活应用创造了良好条件。
张桂臣[5]2008年在《复合误差模型自适应船舶控制系统的应用研究》文中研究表明研究船舶控制多过程特性及其相互作用和影响,应用自学习和自适应被控过程特性渐变的复合误差反馈控制器,提高船舶控制系统性能,具有重要现实意义。分析广义误差特性及其蕴含的过程特征信息,应用于复合误差控制模型的研究。提出基于测度方法的结构在线学习和基于方向导数算法的参数在线学习,增加具有记忆功能的反馈连接,动态误差循环补偿,自整定参数少的模糊神经网络复合误差模型。综合了作用在船舶上的环境干扰、船舶非线性动态过程、推进系统产生的推力及舵机速度对船舶操纵的影响,建立了船舶沿着给定航线运动的复合误差模型。在此基础上,研究了船舶-主机一体自适应学习误差模型控制的广义船速调节器,实现了航速闭环控制;集成了驾驶员的自学习、辨识和自适应能力,提出了人-船一体复合误差控制模型。研究了船舶轴带发电-电力推进及其能量回馈的复杂控制系统,综合了自动电压调节器(AVR)的鲁棒滑模变结构误差自校正控制、并网发电机组动态特性误差状态空间、推进电机的滑模变结构-模糊神经网络复合误差控制以及废气透平发电机增广误差二次型最优控制,提出优化船舶电力推进系统的多级自动控制方法,建立复合误差控制模型,进行了Lyapunov稳定性分析。实船安装调试了基于航向误差控制的船舶自动舵;完成了船舶-主机一体的广义调速器半实物仿真训练平台;应用Sinamics S120和Simotion D实现了船舶轴带发电-电力推进及能量回馈节能技术的半实物仿真系统,进行了复合误差控制方法的试验研究,结果表明,复合误差控制模型具有很好的自适应性、稳定性和鲁棒性。
曾蓉[6]2007年在《火电厂主蒸汽温度的模糊神经网络控制系统的研究》文中认为在现代火力发电厂中,主汽温的控制要求是非常严格的,但是由于主汽温对象具有大延迟、大惯性、非线性以及时变性的特性,导致了对其控制比较困难。采用常规的PID控制手段很难取得良好的控制效果。若应用现代控制理论中的自适应控制、最优控制等控制手段,则需要建立被控对象的数学模型,而且往往控制系统的计算量大、实时性差。这些缺点使其很难满足实际生产过程的需要从而极大地限制了其在现代电站中的应用。随着发电机组向大容量、高参数方向发展,电站中各生产环节的特性越来越复杂而对其控制品质的要求却越来越高,急需新的控制技术来对其进行有效的控制。神经网络具有表示任意非线性关系和学习等能力,通过恰当选择网络层次和隐层单元数能够以任意精度逼近任意连续函数及其各阶导数。为时变、非线性对象的动态特性的辩识提供了简单而有效的一般性的方法,解决了时变、非线性对象控制中的瓶颈问题。因此基于神经网络的各种先进控制技术是解决现代电站中控制难题的一条有效途径。模糊系统善于表达知识,推理类似于人的思维,但过于依赖人的主观因素,缺乏学习和自适应的能力。本文紧密结合我国电厂的实际情况,以解决电厂实际运行中存在的控制问题为出发点,抓住火电厂热工控制系统普遍存在的大滞后和特性时变的特点,采用的模糊神经网络控制是一种基于神经网络理论和模糊逻辑的复合智能控制,通过利用神经网络的学习能力来优化模糊逻辑的经验规则以及比例因子的调整,从而来实现对主汽温的有效控制。并且利用matlab进行仿真试验,模糊神经网络控制器在不同负荷下都能得到很好的仿真曲线,可以看出模糊神经网络控制系统具有很好鲁棒性和良好的控制品质。
王志凯[7]2001年在《变电站电压/无功综合控制的研究及有载调压监控系统的研制》文中进行了进一步梳理针对国内变电站电压调整大多依靠人工调节，且有载调压变压器(OLTC)分接头动作频繁的特点，本文提出了基于PLC控制技术的有载调压监控系统的研制方法，并以此监控系统为基础，结合并联补偿电容器组等无功补偿设备，设计了一种基于PLC现场总线的变电站电压／无功监控系统。该系统利用PLC进行变电站现场的实时数据采集、状态判别、输出控制等功能，并通过POFIBUS-DP进行现场信息传输，构成了一个完整的分布式监控系统。通过上位计算机与现场总线主PLC的通信，实现了计算机与PLC的优势互补，提高了监控系统的性能。最后将基于神经网络的模糊控制引入变电站电压／无功综合控制策略，在保证无功基本平衡和电压合格的前提下，使OLTC分接头的动作次数降至最低，并引入反时限概念，解决了因电压波动引起的频繁动作，最大限度的提高了电压合格率。该监控系统控制可靠性高，闭锁功能完善，人机界面开放友善，通信高速可靠，为变电站综合自动化的实现奠定了良好基础。
袁阳[8]2013年在《光伏并网发电系统关键技术研究》文中指出随着全球能源危机的日益加剧以及人类环保意识的不断加强，发展利用可再生绿色能源已成为世界各国的共同选择，而太阳能资源凭借自身储存丰富、分布广泛和无污染等独特的优势已成为21世纪人类社会实现能源可持续利用的主要途径之一，因此世界各国纷纷加强了对太阳能光伏发电技术的研究和应用。而作为光伏电站建设主流形式的光伏并网发电系统，虽然近几年了得到了大范围的快速推广应用，但其中的一些关键应用技术依然需要不断的加以研究和完善，从而以提高光伏并网发电系统对太阳能资源的利用效率，进一步缓解人类目前面临的能源匮乏的压力。在光伏发电技术产生的能源背景下，本文对光伏并网发电系统的关键技术在国内外的发展现状和前景进行了介绍，进一步阐述了光伏并网发电系统的主要构成、基本工作原理、基本分类和主要应用形式。首先，基于光伏电池的实际等效电路和输出特性，对光伏电池阵列进行了模型的搭建和仿真，并通过对该模型输出特性的研究分析，进而验证了该模型的正确性。其次，在比较分析几种常见的光伏并网逆变器控制方法的基础上，提出了基于锁相环技术与电网电压前馈补偿的并网逆变器复合控制策略，并利用MATLAB软件中的Simulink环境搭建了其仿真模型，对仿真结果进行了研究分析。最后，在阐述光伏发电系统功率预测的目的、方法及影响光伏输出功率因素的基础上，对功率预测模型的参数进行了筛选、确立和处理，并重点对太阳入射角余弦值的计算进行了分析，然后分别将时间段点和太阳入射角余弦值作为BP神经网络功率预测模型的输入参数之一，对光伏发电站进行了功率预测，预测结果表明，相比较于时间段点，太阳入射角更有利于提升光伏功率预测模型的预测准确性。
王辉[9]2005年在《统一潮流控制器的智能控制方法研究》文中研究说明统一潮流控制器(UPFC)是灵活交流输电系统(FACTS)中最具代表性和最多样化的装置。它能实现对输电系统的电压、阻抗、功角、有功功率和无功功率参数的快速动态调节,扩大输电系统的输送能力,提高电力系统的稳定性,优化电力系统运行,是当前FACTS的研究热点之一。论文运用综合智能控制理论,研究了UPFC的控制方法。论文首先研究了UPFC的控制方案。UPFC由并联变换器部分和串联变换器部分组成,可实现对电力系统的并联补偿控制和串联补偿控制。论文以并联补偿和串联补偿的等效电路为基础,研究了串/并联补偿控制的基本关系和控制方案,提出了UPFC的分层递阶控制方案。论文以电流控制电压型PWM(CC-PWM)变换器为基础,研究了UPFC功率变换器的智能电流控制方法。针对常规滞环电流控制器和正弦环宽滞环电流控制器的不足,提出了一种基于模糊逻辑的变环宽的滞环电流控制方法。该方法采用模糊推理方法,根据电流控制误差的大小和变化的方向,自动调整滞环环宽,提高了电流的控制精度和动态性能。PI调节控制是功率变换器线性电流调节器的常用控制方法,但自适应能力较差。因此,论文提出了基于模糊自适应PI的电流控制器和基于模糊神经网络自适应PI的电流控制器两种方法,根据变换器的运行状况自动调整PI调节器的参数,提高了电流控制器的适应能力。UPFC直流电压控制是实现UPFC串联补偿控制功能的重要条件和前提,论文研究了UPFC的直流电压的智能控制方法。论文分析研究了UPFC的电压、电流双闭环控制结构,利用状态反馈和输入前馈方法对电流内环实现了解耦控制,在此基础上,建立了UPFC双闭环控制系统的工程设计方法。将模糊控制和神经网络控制与PID控制相结合,提出了模糊自适应PI控制和单神经元自适应PID控制的两种UPFC直流电压控制方法,仿真研究验证了方法的有效性。潮流控制是UPFC的串联补偿控制的基本功能之一,论文深入研究了UPFC的智能潮流控制方法。论文以串联补偿的等效电路为基础,建立了UPFC的潮流控制的闭环动态结构,利用多变量解耦理论实现了有功功率和无功功率的解耦控制。电力传输线的感抗特性决定了常规PI控制难以获得好的动态特性,本文提出了一种模糊自适应PI控制的UPFC潮流控制方法来解决这一问题。该方法以潮流控制的过渡过程时间、误差和前后两次误差之和作为输入,构成一个叁输入两输出的模糊控制器以自动调整PI调节器的参数。仿真结果表明,在同样不产生超调的情况下,模糊自适应PI控制具有更快的响应速度。论文研究了神经网络在UPFC
张继龙[10]2008年在《基于BP神经网络与遗传算法的锅炉排放特性研究》文中进行了进一步梳理氮氧化物(NOx)是燃煤电站锅炉排放的主要污染物之一。随着环保要求的提高,现代发电企业面临降低运行成本和降低污染物排放双重要求。电站锅炉是一个复杂的多变量系统,其NOx排放特性复杂,很难用简单公式进行估算,往往根据试验结果摸索降低NOx的方法。但现场实炉测试工作量大,测试工况有限,各参数对NOx排放均有影响,且互相迭加,导致数据分析困难,而无法根据实测结果获得估算公式和具体计算模型,不能将试验结果进一步推广。神经网络建模的一个重要特征就是其输入输出之间的黑箱特性,如果将锅炉视为黑箱,则一定的输入必然对应确定的输出,因此应用人工神经网络对锅炉排放特性建模。本文在分析了燃煤锅炉NOx生成和破坏机理的基础上,讨论了影响燃煤锅炉NOx排放的各因素。利用锅炉热态试验数据,采用3层BP神经网络构建了锅炉排放特性模型。针对常规BP算法学习效率低,收敛速度慢等缺陷,采用批量学习、附加动量项、自适应学习系数等措施加以改进。通过锅炉的实测数据验证,BP神经网络对NOx、排烟温度、飞灰含碳量、排烟氧量的相对预测误差分别为0.49%,-1.954%、8.14%、-5.134%。从检验的结果来看,NOx、排烟温度的预测结果非常接近实测值。针对初始权值和阈值对网络的收敛速度和误差精度影响较大这一问题,采用实数编码遗传算法先对网络权值优化,然后采用改进BP神经网络进行优化。综合利用遗传算法的全局搜索能力和BP神经网络局部搜索能力的特点。设计并实现了基于遗传算法和BP网络结合的锅炉排放特性网络模型,GA—BP网络对NOx、排烟温度、飞灰含碳量、排烟氧量的相对预测误差分别为0.863%,-0.89%、-5.13%、-2.722%。检验结果表明利用遗传算法和BP网络结合的锅炉排放特性网络模型的收敛速度、学习误差较之改进的BP算法建立的模型均为最佳。通过人工神经网络建立大型电厂锅炉的NOx排放特性模型后,即可根据输入参数预报锅炉排放特性,如果结合全局寻优算法,可以寻找出最优的操作参数,以获得低的NOx排放浓度。
参考文献：
[1]. 神经网络控制技术在现代电站中的应用[D]. 张坚. 重庆大学. 2003
[2]. 基于智能控制和辐射能量的火电厂燃烧系统研究[D]. 刘丽丽. 东北电力大学. 2008
[3]. 关于船舶电力系统研究的一些探索[D]. 施伟锋. 上海海事大学. 2005
[4]. 基于火焰光谱检测的炉内煤种辨识与锅炉优化控制技术研究[D]. 尹峰. 浙江大学. 2016
[5]. 复合误差模型自适应船舶控制系统的应用研究[D]. 张桂臣. 大连海事大学. 2008
[6]. 火电厂主蒸汽温度的模糊神经网络控制系统的研究[D]. 曾蓉. 重庆大学. 2007
[7]. 变电站电压/无功综合控制的研究及有载调压监控系统的研制[D]. 王志凯. 福州大学. 2001
[8]. 光伏并网发电系统关键技术研究[D]. 袁阳. 中原工学院. 2013
[9]. 统一潮流控制器的智能控制方法研究[D]. 王辉. 湖南大学. 2005
[10]. 基于BP神经网络与遗传算法的锅炉排放特性研究[D]. 张继龙. 东北大学. 2008
标签：电力工业论文; 自动化技术论文; 自适应论文; 模糊神经网络论文; 非线性误差论文; 仿真软件论文; 模糊算法论文; 模糊理论论文; 线性系统论文; 误差分析论文; 动态模型论文; 新能源论文; 非线性论文; bp神经网络算法论文;