题名 并联型APF的增强型自适应线性自抗扰控制
1
作者
任凯 刘伯强 逯俊林 原东昇
机构
国网陕西省电力有限公司超高压公司 西安理工大学电气工程学院
出处
《西安理工大学学报》
北大核心
2025年第1期141-150,共10页
基金
国家自然科学基金资助项目(52207016) 陕西省自然科学基础研究计划青年基金资助项目(2021JQ-477)。
文摘
为抑制谐波干扰对电力系统的影响、进一步提高并联型有源电力滤波器对谐波电流的跟踪性能和抗扰性能,本文在常规线性自抗扰控制的基础上,提出一种基于增强型自适应线性自抗扰控制的并联型有源电力滤波器直流侧电压控制方法。首先建立了并联型有源电力滤波器的数学模型;其次构建了采用常规线性自抗扰控制的并联型有源电力滤波器直流侧电压控制方法;接着,针对常规线性自抗扰控制存在的扰动观测能力有限、相位滞后严重的问题,提出一种增强型自适应线性自抗扰控制方法。最后,利用MATLAB/Simulink仿真平台对增强型自适应线性自抗扰控制器控制下的并联型有源电力滤波器的跟踪性能和抗扰性能进行了仿真验证。结果表明,增强型自适应线性自抗扰控制有效提高了系统跟踪性能和抗扰性能,具有优越的谐波干扰抑制能力。
关键词
有源电力滤波器 自抗扰控制 增强型自适应算法 谐波补偿
Keywords
active power filter active disturbance rejection control enhanced adaptive algorithm harmonic compensation
分类号
TM761
[电气工程—电力系统及自动化]
题名 增强型自适应时隙数防碰撞算法研究
被引量：3
2
作者
张学军 田侃 王锁萍
机构
南京邮电大学电子科学与工程学院 南京邮电大学自动化学院
出处
《南京邮电大学学报（自然科学版）》
北大核心
2012年第1期59-65,108,共8页
基金
国家自然科学基金(60806027 61001077 +2 种基金 61076073) 江苏省高校自然科学基金(08KJB510015) 华为高校科技基金(YJCB2008039WL)资助项目
文摘
标签碰撞是射频识别系统的关键问题,它增加了系统的时间开销和无源标签的能量消耗,降低了识别速率。结合自适应时隙数防碰撞算法和二进制树算法,提出了一种新型的防碰撞算法——增强型自适应时隙数算法。该算法首先运用改进型的自适应时隙数算法,依据碰撞时隙迅速把标签分成若干组,再根据保存在队列中的碰撞时隙应用二进制树算法快速识别标签。性能分析和仿真结果显示,该算法在识别效率和吞吐率上都有很大的改善。
关键词
射频识别技术 防碰撞算法 增强型 自适应 时隙数算法
Keywords
Radio Frequency Identification （RFID） technique anticollision algorithm enhanced adaptive slotcount anticollision algorithm
分类号
TN923
[电子电信—通信与信息系统]
题名 增强型LMS自适应电网畸变电流检测算法研究
被引量：2
3
作者
李文江 安丽 刘爽
机构
辽宁工程技术大学电气与控制工程学院
出处
《电工电能新技术》
CSCD
北大核心
2014年第9期57-61,共5页
文摘
为解决常规LMS自适应算法在电网畸变电流检测中存在收敛速度和稳态误差之间的矛盾,本文提出了一种增强型LMS自适应算法。该算法通过对输入信号环节进行预置带通滤波处理,改善信号的自相关数值,实现了基波处的幅值无衰减且相位无延时,同时通过对LMS算法权值和误差环节嵌入低通滤波拓扑结构,达到了降低畸变电流波动的目的。最后在对常规算法与增强型LMS算法分析比较的基础上,通过仿真和实验证明了本文理论分析的可行性,验证了此算法在畸变电流检测中的有效性和准确性。
关键词
电网畸变电流检测 LMS自适应 算法 低通滤波器 增强型 LMS自适应 算法
Keywords
grid aberrant current detection LMS adaptive algorithm low-pass filter improved LMS adaptive algo-rithm
分类号
TM714
[电气工程—电力系统及自动化]
题名 基于BP神经网络的微电网蓄电池荷电状态估计
被引量：33
4
作者
朱晓青 马定寰 李圣清 吴文凤 明瑶 张煜文
机构
湖南工业大学电气与信息工程学院
出处
《电子测量与仪器学报》
CSCD
北大核心
2017年第12期2042-2048,共7页
基金
国家自然科学基金(61673165) 湖南省自然科学基金(2017JJ4024) +1 种基金 湖南省教育厅开放基金(15k036) 湖南省重点实验室(2016TP1018)资助项目
文摘
由于微电网蓄电池工作时的电力特性具有明显的非线性和不规则性,依靠传统数学方法难以准确估计其荷电状态(state of charge,SOC)。针对上述问题,构建了BP神经网络拓扑结构,并采用增强型学习率自适应算法对网络的传统学习模式加以改进,学习时神经网络模型中各神经元间权值得到合理调整,并且提高了误差收敛效率。仿真结果表明,估计结果在预设精度要求的范围之内,平均误差不超过4%,证明经过优化学习算法的BP神经网络模型对蓄电池荷电状态的精确估计是有效可行的。
关键词
微电网 蓄电池 荷电状态 BP神经网络 增强型 学习率自适应 算法
Keywords
micro-grid battery state of charge BP neural network new adaptive algorithm
分类号
TM912
[电气工程—电力电子与电力传动]
