模块化多电平换流器的高压直流输电(modular multilevel converter-high voltage direct current,MMC-HVDC)系统包含外环控制器和内环控制器,是柔性直流输电系统的重要组成部分。传统的外环比例-积分(propor⁃tional⁃integral,PI)控制器...模块化多电平换流器的高压直流输电(modular multilevel converter-high voltage direct current,MMC-HVDC)系统包含外环控制器和内环控制器,是柔性直流输电系统的重要组成部分。传统的外环比例-积分(propor⁃tional⁃integral,PI)控制器的参数固定,没有自适应能力,稳定性和抗干扰性能较差;同时传统的内环控制器是在dq旋转坐标系下的解耦控制系统,其结构复杂,容易出现超调。因此,提出一种基于模糊自适应PI控制和模型预测控制(model predictive control,MPC)的MMC-HVDC控制方法,以简化系统结构,增强动态响应性能,进而使用准比例谐振(proportional resonance,PR)环流抑制控制器来替换传统环流抑制控制器,消除静差值。在Power Systems Computer Aided Design(PSCAD)仿真平台搭建MMC-HVDC系统模型,分别对比了改进前后内外环控制器的性能和环流抑制控制器的环流抑制效果,结果验证了所提方法的有效性和实用性。展开更多
针对当前工控系统中数据体量大、维度高的特点,提出了一种融合随机黑洞(random black hole, RBH)策略的灰狼优化(grey wolf optimization integrated random black hole, RBHGWO)算法。该方法在更新下一代灰狼位置时,模拟黑洞的吸引方式...针对当前工控系统中数据体量大、维度高的特点,提出了一种融合随机黑洞(random black hole, RBH)策略的灰狼优化(grey wolf optimization integrated random black hole, RBHGWO)算法。该方法在更新下一代灰狼位置时,模拟黑洞的吸引方式,让狼群中的个体能够更快地向着当前全局最优解移动,增强了算法的收敛速度;同时个体以随机策略被黑洞吸引,保持了算法的局部搜索能力。通过优化算法测试函数验证,RBHGWO算法与粒子群优化(particle swarm optimization, PSO)算法、随机黑洞粒子群优化(particle swarm optimization integrated random black hole, RBHPSO)算法、GWO算法和优胜劣汰的灰狼优化(survival of fitness grey wolf optimization, SFGWO)算法进行了实验对比。结果表明,RBHGWO算法具有较快的收敛速度和较好的寻优精度。同时以田纳西-伊斯曼(Tennessee-Eastman, TE)数据集为基础进行仿真实验,结果表明该算法应用于在工控系统入侵检测的特征选择中,其收敛精度、迭代速度以及稳定性都有明显优势。展开更多
文摘模块化多电平换流器的高压直流输电(modular multilevel converter-high voltage direct current,MMC-HVDC)系统包含外环控制器和内环控制器,是柔性直流输电系统的重要组成部分。传统的外环比例-积分(propor⁃tional⁃integral,PI)控制器的参数固定,没有自适应能力,稳定性和抗干扰性能较差;同时传统的内环控制器是在dq旋转坐标系下的解耦控制系统,其结构复杂,容易出现超调。因此,提出一种基于模糊自适应PI控制和模型预测控制(model predictive control,MPC)的MMC-HVDC控制方法,以简化系统结构,增强动态响应性能,进而使用准比例谐振(proportional resonance,PR)环流抑制控制器来替换传统环流抑制控制器,消除静差值。在Power Systems Computer Aided Design(PSCAD)仿真平台搭建MMC-HVDC系统模型,分别对比了改进前后内外环控制器的性能和环流抑制控制器的环流抑制效果,结果验证了所提方法的有效性和实用性。
文摘针对当前工控系统中数据体量大、维度高的特点,提出了一种融合随机黑洞(random black hole, RBH)策略的灰狼优化(grey wolf optimization integrated random black hole, RBHGWO)算法。该方法在更新下一代灰狼位置时,模拟黑洞的吸引方式,让狼群中的个体能够更快地向着当前全局最优解移动,增强了算法的收敛速度;同时个体以随机策略被黑洞吸引,保持了算法的局部搜索能力。通过优化算法测试函数验证,RBHGWO算法与粒子群优化(particle swarm optimization, PSO)算法、随机黑洞粒子群优化(particle swarm optimization integrated random black hole, RBHPSO)算法、GWO算法和优胜劣汰的灰狼优化(survival of fitness grey wolf optimization, SFGWO)算法进行了实验对比。结果表明,RBHGWO算法具有较快的收敛速度和较好的寻优精度。同时以田纳西-伊斯曼(Tennessee-Eastman, TE)数据集为基础进行仿真实验,结果表明该算法应用于在工控系统入侵检测的特征选择中,其收敛精度、迭代速度以及稳定性都有明显优势。
