• 首页
  • 公司介绍
    • 公司简介
    • 实力证明
    • 产品工作原理
    • 行业应用与解决方案
  • 全新热敏温控技术
    • 感温材料介绍
  • 产品系列
    • 定制产品
      • 船用不锈钢温控阀温包
      • TV/HAT系列温控阀
      • 洗衣机、洗碗机热动元件
    • 温度压力安全阀(T/P阀)
      • 热水器温度压力安全阀
      • 空压机温度压力安全阀
      • 蒸汽锅炉温度压力安全阀
    • T/P 阀感温棒
    • 电热执行器温包
      • TEA-500 电热执行器温包
      • TEA-501 电热执行器温包
      • TEA-504 电热执行器温包
    • 温控阀温包
      • 温控阀温包 – 300系列
      • 温控阀温包 – 301系列
    • 恒温混水阀温包
      • 0829 恒温混水阀温包
      • 5464 恒温混水阀温包
    • 防冻阀温包
    • 散流器风口温包
    • 汽车温控阀温包
      • 汽车发动机温控阀温包
      • 柴油过滤模块温包
  • 新闻资讯
  • 联系我们
  • Home
  • 新闻资讯
  • 基于神经网络的自学高压直流阻尼控制器的设计
 

基于神经网络的自学高压直流阻尼控制器的设计

by admin / 2020/01/07 / Published in 未分类

  本文使用神经网络来学习电力系统的逆向动力学,从参考模型生成所需的控制响应,并使用实时采样值来形成电力系统的在线训练样本在线培训解决方案。解决方案应用于交流和直流系统的直流阻尼调制,并设计了具有在线自学习功能的双CPU神经网络直流阻尼控制器,并通过理论分析来检查图的效率。
  仿真结果。力系统是一个复杂而庞大的非线性动力系统,对安全,稳定和经济的运行有着极高的要求。于电力系统的规模和复杂性,不确定的参数,频繁的噪声和干扰以及网络结构的不断调整和变化,各种不确定因素严重限制了电网的性能。种确定性或自适应控制的真实控制,控制器仍未成功获得所需的效果。于神经网络的监视可以基于在线样本自动调整其自身的行为。
  则上,本文使用以下理论:他应该具有在线自我调整并不断提高的能力。文使用神经网络学习电力系统的逆向动力学,设计用于神经网络的直流自学习直流阻尼控制器,并分析和验证其在混合动力传动系统中的控制效果。于MATLAB的AC / DC仿真软件。
  于混合AC / DC传输系统,无论模型仿真方法的精度如何,它都不能始终与真实系统的动态行为完全一致。此,为离线训练而设计的神经网络控制器的性能在在线操作期间总是变化的。
  线自学习意味着基于神经网络的直流阻尼控制器具有改进和改进的能力,从而成为真正的智能控制器。多研究表明,现有的在线自学计划在如何获得它们方面陷入了困境。文采用图2所示的图来进行NNHVDC逆系统的设计,并讨论其在线自学习的实现和学习效果。图中的条目包含控件目标,因此控件的行为将主要由yd的值确定。考文献[4]提出了该模型中控制的实现以及在线自学样本的生成,并给出了一些理论证明。果选择yd,则在连续训练之后,网络控制输出将逐渐接近预期的输出yd。此,他的控制最终应该是稳定的。前的研究表明,AC和DC系统的逆动力学存在,并且可以通过BP网络以所需的精度来实现。NN的输出是时间t的控制信号。何确定总和是获取NN条目的关键。本文中,使用交流系统两侧发电机速度的调制速度差作为直流调制中最常用的调制信号,选择神经网络和控制器参数作为NN的初始训练器。

基于神经网络的自学高压直流阻尼控制器的设计_no.220

  样/监视周期在哪里,以秒为单位;是功率变化值,可以通过功率发送器获得,D是所需系统的阻尼,由用户根据控制性能的要求定义。扰动引起的系统振荡衰减越快,本文取D = 0.5。
  NNHVDC3对NNHVDC2重复从[步骤2]到[步骤3]的控制过程; 5)重复(4),直到NNHVDCi的控制响应令人满意为止。文基于Matlab / Simulink / SimPower Systems软件工具箱构建了AC-DC并行传输系统模型。图在图3中示出。系统包括两个区域:发电机M1的区域从两条传输线CA和线路CC将能量传输到发电机M2的区域。电机M1和M2包括励磁控制器,端电压为13.8 kV,通过升压变压器将其更改为500 kV,为系统供电。域之间的距离为500 km,恒温阀芯M2区域中包含5000 mW的负载,该负载由M1和M2提供。外,该系统还包含三相断路器,可以模拟交流系统故障。流系统的标称传输容量为1000 MW,两侧的标称电压为500 kV,滤波线圈为0.5 H,直流线路的长度为500 km。括一个500 Mvar电容器和一个150 Mvar高通滤波器,分别位于第11、13和。据第3节中的仿真步骤计算仿真。统模型如图4所示。择了以下干扰来驱动神经网络:三相短路故障发生在发电机端位于整流器侧的时间为2 s,并在2.3 s后清除故障。为上一节中介绍的初始训练器,上述失败时的系统状态变量用于根据公式(1)形成NN和IDNNHVDC1的输入集是离线培训后获得的。后,所获得的NNHVDC5的控制性能大大超过了常规的DC调制CHVDC,并达到了令人满意的水平。扰一:t = 2 s时,交流线路的头部发生三相短路。护动作在0.1 s后切断电路,在0.2 s后闭合并合并以返回双回路操作。
  扰二:t = 2 s时交流线路的第一端发生三相短路,故障在0.3 s后消除。t = 6 s时,交流线路的中间会发生三相短路,故障会在0.1 s后消除。

基于神经网络的自学高压直流阻尼控制器的设计_no.62

  IDNNHVDC控制器可以有效地增加直流系统两侧的交流系统的阻尼,并有效抑制直流系统两侧的交流系统的振荡。线训练后,IDNNHVDC在各种干扰下的控制性能表明,在实时控制中可以实现图2所示的神经网络控制图,以近似于受控系统的反向动力学。AC / DC混合传输系统。本文中,神经网络用于学习电气系统的逆向动力学,参考模型用于生成预期的控制响应。时采样值构成了在线训练样本的在线训练模式。方案的控制效果已经在电力系统稳定器在纯交流系统中的应用中得到了很好的验证,其在直流阻尼调制中的应用和研究仍是空白。
  此,作者将该方案应用于交流和直流系统的直流阻尼调制,并设计了具有双CPU神经网络的在线自学习直流阻尼控制器。论分析不仅证明了该方案的有效性,而且仿真结果表明,所设计的IDNNHVDC控制器可以有效地增加交流系统在直流系统两侧的阻尼,并有效地抑制交流系统的振荡。
  直流电的两侧。
  本文转载自
  恒温阀芯 https://www.wisdom-thermostats.com

归档

  • 2020年八月
  • 2020年七月
  • 2020年六月
  • 2020年五月
  • 2020年四月
  • 2020年三月
  • 2020年二月
  • 2020年一月
  • 2019年十二月
  • 2019年十一月
  • 2019年十月
  • 2019年九月
  • 2019年八月
  • 2019年七月
  • 2019年六月
  • 2019年五月
  • 2019年四月
  • 2019年三月
  • 2019年二月
  • 2019年一月
  • 2018年十二月
  • 2018年十一月
  • 2018年十月
  • 2018年八月
  • 2018年七月
  • 2018年六月
  • 2018年五月
  • 2018年四月
  • 2018年一月
  • 2017年十月

文章分类

  • 技术
  • 资讯

关于威仕顿

  • 公司简介
  • 实力证明
  • 感温材料介绍
  • 全新热敏温控技术
  • 产品工作原理
  • 行业应用与解决方案
  • 版权与条款

产品

  • 定制产品
    • 船用不锈钢温控阀温包
    • TV/HAT系列温控阀
    • 洗衣机、洗碗机热动元件
  • 温度压力安全阀(T/P阀)
    • 热水器温度压力安全阀
    • 空压机温度压力安全阀
    • 蒸汽锅炉温度压力安全阀
  • 电热执行器温包
    • TEA-500 电热执行器温包
    • TEA-501 电热执行器温包
    • TEA-504 电热执行器温包
  • 温控阀温包
    • 温控阀温包 – 300系列
    • 温控阀温包 – 301系列
  • 恒温混水阀温包
    • 0829 恒温混水阀温包
    • 5464 恒温混水阀温包
  • T/P 阀感温棒
  • 防冻阀温包
  • 散流器风口温包
  • 汽车温控阀温包
    • 汽车发动机温控阀温包
    • 柴油过滤模块温包

联系我们

Tel.: 0574 - 8805 9937
Mob.: 180 6927 2889
技术咨询: 181 0689 9222

Email: sales@wisdom-thermostats.com

浙江威仕顿温控科技有限公司
宁波市 鄞州区 首南街道,萧皋西路 615 号

© 2015 浙江威仕顿温控科技有限公司 all rights reserved. | 浙ICP备17055712号

TOP