可再生能源的高渗透率给电网供需匹配带来严峻挑战的同时,燃煤机组需要承担着大量的调峰调频任务,这对过热汽温系统的安全稳定运行造成了一定威胁,因此有必要建立面向热工控制的汽温数学模型。考虑到迟延型扩张状态观测器(time-delayed ...可再生能源的高渗透率给电网供需匹配带来严峻挑战的同时,燃煤机组需要承担着大量的调峰调频任务,这对过热汽温系统的安全稳定运行造成了一定威胁,因此有必要建立面向热工控制的汽温数学模型。考虑到迟延型扩张状态观测器(time-delayed extended state observer,TD-ESO)的总扰动信号中含有大量模型信息,提出一种基于ESO补偿模型的参数智能优化和信息提取方法,即以总扰动中未知信息量最小为目标,采用改进沙丘猫算法对模型参数优化并提取总扰动中已知模型信息补偿至ESO的输入端。在仿真算例方面,线性和非线性系统的测试结果表明,所提辨识方法对有无输入迟延的两种系统均有良好的适用性和较高的精度;在实际应用方面,基于超超临界二次再热机组的过热汽温系统数据进行模型辨识与验证,同样表明该建模方法是合理、准确的。因此,该文所建立的模型能够为汽温系统的控制策略设计和性能优化等方面提供有价值的参考。展开更多
随着电动汽车技术的迅猛发展,准确评估电池的荷电状态(State of Charge,SOC)对于保障车辆性能和安全至关重要.针对现有SOC估计方法的不足,提出了基于麻雀搜索算法进行参数优化的长短期记忆(Long and Short-Term Memory,LSTM)神经网络模...随着电动汽车技术的迅猛发展,准确评估电池的荷电状态(State of Charge,SOC)对于保障车辆性能和安全至关重要.针对现有SOC估计方法的不足,提出了基于麻雀搜索算法进行参数优化的长短期记忆(Long and Short-Term Memory,LSTM)神经网络模型.首先通过实车数据采集与预处理,构建了包含多种实车运行参数的数据库,并利用信息熵和互信息理论对数据进行特征筛选,以识别与SOC高度相关的特征.然后将筛选出的特征输入到长短期记忆神经网络模型中,并使用麻雀搜索算法对模型参数进行优化.研究结果表明:该模型在多种驾驶工况和不同的充放电环境下均能实现高精度的SOC估计,验证了SOC估计的准确性和鲁棒性,为电池管理系统的发展提供了有力的技术支持.展开更多
文摘可再生能源的高渗透率给电网供需匹配带来严峻挑战的同时,燃煤机组需要承担着大量的调峰调频任务,这对过热汽温系统的安全稳定运行造成了一定威胁,因此有必要建立面向热工控制的汽温数学模型。考虑到迟延型扩张状态观测器(time-delayed extended state observer,TD-ESO)的总扰动信号中含有大量模型信息,提出一种基于ESO补偿模型的参数智能优化和信息提取方法,即以总扰动中未知信息量最小为目标,采用改进沙丘猫算法对模型参数优化并提取总扰动中已知模型信息补偿至ESO的输入端。在仿真算例方面,线性和非线性系统的测试结果表明,所提辨识方法对有无输入迟延的两种系统均有良好的适用性和较高的精度;在实际应用方面,基于超超临界二次再热机组的过热汽温系统数据进行模型辨识与验证,同样表明该建模方法是合理、准确的。因此,该文所建立的模型能够为汽温系统的控制策略设计和性能优化等方面提供有价值的参考。
文摘随着电动汽车技术的迅猛发展,准确评估电池的荷电状态(State of Charge,SOC)对于保障车辆性能和安全至关重要.针对现有SOC估计方法的不足,提出了基于麻雀搜索算法进行参数优化的长短期记忆(Long and Short-Term Memory,LSTM)神经网络模型.首先通过实车数据采集与预处理,构建了包含多种实车运行参数的数据库,并利用信息熵和互信息理论对数据进行特征筛选,以识别与SOC高度相关的特征.然后将筛选出的特征输入到长短期记忆神经网络模型中,并使用麻雀搜索算法对模型参数进行优化.研究结果表明:该模型在多种驾驶工况和不同的充放电环境下均能实现高精度的SOC估计,验证了SOC估计的准确性和鲁棒性,为电池管理系统的发展提供了有力的技术支持.
