针对最大功率点跟踪(Maximum power point tracking, MPPT)算法中传统滑模控制存在收敛速度慢、抖振显著等不足,提出一种基于RBF神经网络的光伏系统非线性反步积分滑模(Nonlinear backstepping integral sliding mode control, NBISMC)...针对最大功率点跟踪(Maximum power point tracking, MPPT)算法中传统滑模控制存在收敛速度慢、抖振显著等不足,提出一种基于RBF神经网络的光伏系统非线性反步积分滑模(Nonlinear backstepping integral sliding mode control, NBISMC)最大功率点跟踪策略。首先,采用RBF神经网络对各种气象条件下的光伏电池输出电压进行预测;其次,设计非线性积分滑模面以改善传统滑模控制存在稳态误差及超调量大的问题;最后,设计新型指数趋近律,在加快收敛速度的同时有效削弱了系统高频抖振;通过Lyapunov函数分析非线性反步积分滑模控制的可达性与稳定性,并在静态、动态和遮光条件下进行仿真试验。仿真试验结果表明,在温度和光照强度发生变化的工况下,相比于传统滑模控制,基于RBF神经网络的非线性反步积分滑模控制能在各种气象条件下快速、准确地跟踪光伏系统最大功率点,具有较强的鲁棒性。展开更多
局部遮阴条件下光伏阵列的功率-电压特性曲线出现多个峰值,传统最大功率点跟踪(maximum power point tracking, MPPT)技术无法准确追踪到全局最大功率点。针对该问题提出一种基于改进算术优化算法(improved arithmetic optimization alg...局部遮阴条件下光伏阵列的功率-电压特性曲线出现多个峰值,传统最大功率点跟踪(maximum power point tracking, MPPT)技术无法准确追踪到全局最大功率点。针对该问题提出一种基于改进算术优化算法(improved arithmetic optimization algorithm, IAOA)的MPPT控制方法。首先,采用Sobol序列生成均匀分布的初始种群,增加种群多样性。其次,为了平衡算术优化算法(arithmetic optimization algorithm, AOA)的全局搜索和局部开发能力,对AOA中数学优化器加速函数的权重进行重构。最后,在AOA的位置更新中引入Lévy飞行策略,并将准反向学习用于每次更新后的最佳解,增强了算法的收敛速度和跳出局部最优的能力。仿真和实验结果表明,将改进后的算法应用于MPPT控制中,能够在不同的局部遮阴及光照突变条件下准确、快速地跟踪到全局最大功率点,且功率振荡小。展开更多
大语言模型(large language model,LLM)及其衍生的多模态大模型因其强大的生成能力、泛化能力引发了AI新变革,但存在幻觉问题、可解释性差等不足。知识图谱(knowledge graph,KG)具备推理结果可解释、可增量知识更新等能力,但交互能力较...大语言模型(large language model,LLM)及其衍生的多模态大模型因其强大的生成能力、泛化能力引发了AI新变革,但存在幻觉问题、可解释性差等不足。知识图谱(knowledge graph,KG)具备推理结果可解释、可增量知识更新等能力,但交互能力较差。该文综述了知识图谱与大模型技术的发展历程、关键技术、优势与局限。针对电力数据与业务特点,分析了两者应用于电力领域的主流方法,建立了面向电力领域的知识图谱与大模型相融合的技术架构,重点分析了各应用场景的可行性,并指出了未来面临的挑战和可能的研究方向。展开更多
针对扩展移相控制下混合三电平双有源桥直流电/直流电(Direct current direct current,DC-DC)变换器普遍存在回流功率大、动态响应慢、鲁棒性不强等问题,提出一种基于输出电压动态矩阵控制与卡罗需-库恩-塔克条件(Karush-Kuhn-Tucker,K...针对扩展移相控制下混合三电平双有源桥直流电/直流电(Direct current direct current,DC-DC)变换器普遍存在回流功率大、动态响应慢、鲁棒性不强等问题,提出一种基于输出电压动态矩阵控制与卡罗需-库恩-塔克条件(Karush-Kuhn-Tucker,KKT)实现回流功率优化的混合控制策略。建立了传输功率数学模型,对回流功率特性进行分析,并推导了在不同工作模式下实现最小回流功率的最优移相比组合;从预测模型、滚动优化和反馈校正三个步骤阐述了动态矩阵控制预测电压实现过程,提高系统的动态性能。最后,通过与传统扩展移相控制以及传输功率误差最小控制进行比较,仿真和试验结果表明,所提控制策略可以在全功率范围内实现回流功率的优化,同时也改善了变换器的动态响应性能,验证了该方法的正确性与有效性。展开更多
文摘针对最大功率点跟踪(Maximum power point tracking, MPPT)算法中传统滑模控制存在收敛速度慢、抖振显著等不足,提出一种基于RBF神经网络的光伏系统非线性反步积分滑模(Nonlinear backstepping integral sliding mode control, NBISMC)最大功率点跟踪策略。首先,采用RBF神经网络对各种气象条件下的光伏电池输出电压进行预测;其次,设计非线性积分滑模面以改善传统滑模控制存在稳态误差及超调量大的问题;最后,设计新型指数趋近律,在加快收敛速度的同时有效削弱了系统高频抖振;通过Lyapunov函数分析非线性反步积分滑模控制的可达性与稳定性,并在静态、动态和遮光条件下进行仿真试验。仿真试验结果表明,在温度和光照强度发生变化的工况下,相比于传统滑模控制,基于RBF神经网络的非线性反步积分滑模控制能在各种气象条件下快速、准确地跟踪光伏系统最大功率点,具有较强的鲁棒性。
文摘大语言模型(large language model,LLM)及其衍生的多模态大模型因其强大的生成能力、泛化能力引发了AI新变革,但存在幻觉问题、可解释性差等不足。知识图谱(knowledge graph,KG)具备推理结果可解释、可增量知识更新等能力,但交互能力较差。该文综述了知识图谱与大模型技术的发展历程、关键技术、优势与局限。针对电力数据与业务特点,分析了两者应用于电力领域的主流方法,建立了面向电力领域的知识图谱与大模型相融合的技术架构,重点分析了各应用场景的可行性,并指出了未来面临的挑战和可能的研究方向。
文摘针对扩展移相控制下混合三电平双有源桥直流电/直流电(Direct current direct current,DC-DC)变换器普遍存在回流功率大、动态响应慢、鲁棒性不强等问题,提出一种基于输出电压动态矩阵控制与卡罗需-库恩-塔克条件(Karush-Kuhn-Tucker,KKT)实现回流功率优化的混合控制策略。建立了传输功率数学模型,对回流功率特性进行分析,并推导了在不同工作模式下实现最小回流功率的最优移相比组合;从预测模型、滚动优化和反馈校正三个步骤阐述了动态矩阵控制预测电压实现过程,提高系统的动态性能。最后,通过与传统扩展移相控制以及传输功率误差最小控制进行比较,仿真和试验结果表明,所提控制策略可以在全功率范围内实现回流功率的优化,同时也改善了变换器的动态响应性能,验证了该方法的正确性与有效性。
