-
题名基于不确定与扰动估计器的直流配电网电压鲁棒控制
被引量：5
- 1
-
-
作者
林莉
范米
林雨露
罗皓
王静芝
谭惠丹
-
机构
雪峰山能源装备安全国家野外科学观测研究站(重庆大学)
国网四川省电力公司经济技术研究院
-
出处
《电工技术学报》
EI
CSCD
北大核心
2023年第17期4657-4671,共15页
-
文摘
为保证在直流配电网母线电压鲁棒控制的同时,实现各源换流器之间电流的合理分配,基于不确定与扰动估计器(UDE)控制方法提出一种电压鲁棒控制策略,分别应用于直流配电网换流站级和换流阀级的控制。换流站级控制器设计重点在于解决负载电流参考值的给定和UDE控制的实现:将容量比引入下垂控制,提出考虑电流精确分配的负载电流参考值设定方法,该方法既充分考虑了各源换流器容量又避免了电流分配受线路参数影响的因素;以各源换流器输出电流能够渐进跟踪该参考值为控制目标,设计UDE控制律,这是实现电压鲁棒控制的关键。换流阀级控制方法应用UDE控制理论对电压源型换流器内环电流控制受到的不确定与扰动因素进行估计并补偿,设计了其UDE鲁棒控制律,证明UDE内环电流鲁棒控制器具有二自由度特性,且控制器参数解耦,简化了参数整定方法。改进后的控制器在提高电流控制抗扰性和鲁棒性的同时,解决了传统PI控制参数整定繁琐的问题。以三端直流配电网为例,对比仿真验证了所提策略的有效性。
-
关键词
直流配电网
电压鲁棒控制
不确定与扰动估计器
下垂控制
二自由度特性
-
Keywords
DC distribution network
voltage robust control
uncertainty and disturbance estimator(UDE)
droop control
two-degree-of-freedom characteristic
-
分类号
TM721
[电气工程—电力系统及自动化]
-
-
题名含未知动态与扰动的非线性系统神经网络嵌入学习控制
被引量：2
- 2
-
-
作者
马乐
闫一鸣
徐东甫
李志伟
孙灵芳
-
机构
东北电力大学自动化工程学院
吉林省精密驱动智能控制国际联合研究中心
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2021年第8期2016-2028,共13页
-
基金
国家自然科学基金(61673101)
吉林重点行业与产业科技创新计划人工智能专项(2019001090)资助。
-
文摘
针对带有不确定性与扰动的非线性系统的性能优化问题,提出一种基于神经网络嵌入的学习控制方法.对一类常见的Lyapunov函数导数形式,将神经网络控制器集成到某种对系统稳定的基准控制器中,其意义在于将原控制器改进为满足Lyapunov稳定的神经网络参数可调控制器,从而能够利用先进的神经网络学习技术实现控制器的在线优化.建立了跟踪误差的等效目标函数,避免了对系统输入–输出的辨识问题.建立了一种未知非线性与扰动等效值自适应方法,并依此方法设计基准控制器.以RBF(Radial basis function)反步自适应控制、基于卷积神经网络的滑模控制和深度强化学习控制为对比方法,对带有死区、饱和、三角函数等数值与物理非线性模型进行仿真分析以测试方法有效性,并针对上肢康复机器人控制问题进行虚拟实验以验证该方法的实用性.仿真与实验结果表明,该方法能在Lyapunov稳定条件下有效优化基础控制器性能,对比结果证实了该方法的实用性与先进性.
-
关键词
神经网络嵌入
优化控制
深度学习技术
未知非线性动态
不确定与扰动
-
Keywords
Neural network embedded
optimized control
deep learning technology
unknown nonlinear dynamics
uncertainty and disturbance
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP13
[自动化与计算机技术—控制理论与控制工程]
-
