基于非参数模型的协调系统预测控制算法研究

发布时间：2021-07-10 01:54

　　单元机组协调控制系统在快速响应电网负荷要求、保障机组安全经济运行方面起着重要作用。协调控制系统具有多变量、强耦合、非线性、大滞后、参数时变等特点,基于线性参数模型的传统控制方法往往不能取得很好的控制效果。因此,非线性系统建模方法和非线性控制策略在协调控制系统中的应用一直是重要的研究课题之一。本文的研究工作主要从上述两个方面进行展开:（1）支持向量机是一种小样本统计学习理论,通过引入核函数和结构风险最小化原则,使得训练获得的非线性数学模型能够取得较高拟合精度并具有良好的泛化能力。作为改进算法的最小二乘支持向量机,在简化计算、提高收敛速度的同时,也在参数选择、噪声敏感等方面存在一些问题。因此,本文提出了一种在线自适应加权最小二乘支持向量机算法,该算法采用粒子群算法和网格搜索相结合的方式进行超参数寻优,通过改进的加权函数提高最小二乘支持向量机对于噪声的鲁棒性,并且引入滚动时间窗的概念进行实时模型跟踪。仿真实验表明了该算法的有效性,并最终建立了协调控制系统的非参数系统模型。（2）逆系统方法是解决非线性系统控制问题的策略之一,该方法通过求解原系统的逆系统模型,实现非线性系统的线性化,并且将逆系统... 

【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

结构风险最小化原理图

线性可分的最优分离超平面

一维空间线性回归显然，在确定的情况下，位于带中的样本点越多，得到的模型越准确

【参考文献】：
期刊论文
[1]超临界机组负荷汽压特性神经网络逆模型研究[J]. 马良玉,王智燕,高志元,马永光.  自动化与仪表. 2013(12)
[2]多输入多输出非线性系统的最小二乘支持向量机广义逆控制[J]. 刘国海,张懿,魏海峰,赵文祥.  控制理论与应用. 2012(04)
[3]解耦广义预测控制（DGPC）在单元机组协调控制系统中的应用[J]. 王文兰,马然,白雄怀.  电气自动化. 2009(03)
[4]一类非线性逆系统的加权最小二乘支持向量机辨识方法[J]. 孙长银,穆朝絮,李训铭.  中国科学（F辑:信息科学）. 2009(04)
[5]基于最小二乘支持向量机的多变量逆系统控制方法及应用[J]. 程启明,杜许峰,郭瑞青,郑勇.  中国电机工程学报. 2008(35)
[6]基于免疫优化的机炉协调系统模糊增益调度H∞鲁棒控制[J]. 林金星,沈炯,李益国.  中国电机工程学报. 2008(17)
[7]鲁棒广义预测控制在单元机组的协调控制[J]. 席东民,凌呼君,王继昆.  控制工程. 2005(04)
[8]简化的330MW机组非线性动态模型[J]. 田亮,曾德良,刘吉臻,赵征.  中国电机工程学报. 2004(08)
[9]500MW机组简化的非线性动态模型[J]. 田亮,曾德良,刘鑫屏,刘吉臻.  动力工程. 2004(04)
[10]单元机组协调系统的非线性内模控制[J]. 房方,刘吉臻,谭文.  中国电机工程学报. 2004(04)

博士论文
[1]基于最小二乘支持向量机的在线建模与控制方法研究[D]. 周欣然.湖南大学 2012
[2]SVM理论及其在船舶机炉协调智能控制中的应用研究[D]. 李妍妍.哈尔滨工程大学 2007

硕士论文
[1]单元机组非线性广义预测控制应用研究[D]. 张利.华北电力大学(北京) 2016
[2]超超临界机组的建模与仿真[D]. 姚柳.华北电力大学（北京） 2011
[3]基于T-S模糊模型的单元机组协调控制系统建模研究[D]. 曾凡春.华北电力大学（北京） 2010
[4]基于神经网络逆系统的单元机组协调控制研究[D]. 张玉恒.东北电力大学 2010
[5]基于支持向量机的非线性系统广义预测控制研究与应用[D]. 李超峰.浙江大学 2010
[6]支持向量机在广义预测控制中的应用与实测分析[D]. 徐建国.浙江大学 2006
[7]有约束的广义预测控制在火电厂大型机组中的研究与应用[D]. 辛晓钢.内蒙古工业大学 2005



本文编号：3274943