CN103337865B - 基于Youla参数化的阻尼自适应控制系统及控制方法 - Google Patents
基于Youla参数化的阻尼自适应控制系统及控制方法 Download PDFInfo
- Publication number
- CN103337865B CN103337865B CN201310215480.9A CN201310215480A CN103337865B CN 103337865 B CN103337865 B CN 103337865B CN 201310215480 A CN201310215480 A CN 201310215480A CN 103337865 B CN103337865 B CN 103337865B
- Authority
- CN
- China
- Prior art keywords
- youla
- controller
- matrix
- vector
- adaptive control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Feedback Control In General (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了电力系统稳定控制技术领域中的一种基于Youla参数化的阻尼自适应控制系统及控制方法。系统包括顺序相连的数据读入子系统、自适应控制决策子系统和结果输出子系统;所述自适应控制决策子系统包括系统Youla参数化模块和控制器Youla参数化模块;系统Youla参数化模块通过更新系统的Youla参数来判定动态电力系统运行工况;控制器Youla参数化模块通过跟随更新系统的Youla参数,在线更新控制器的Youla参数,最终得到适合当前电力系统运行工况的自适应控制器。本发明解决了现有广域阻尼控制系统在扰动未知的情况下缺乏有效性和鲁棒性的问题。
Description
技术领域
本发明属于电力系统稳定控制技术领域,尤其涉及一种基于Youla参数化的阻尼自适应控制系统及控制方法。
背景技术
电力系统中区域间低频振荡是互联大电网的本质属性,其严重程度随着联络线传送功率的大小,负荷特征的变化而变化。由于电力系统发展迅速,运行状况多变,其安全稳定问题日益严重,亟待解决。
电力系统中存在诸多不确定性,发电机出力的变化,网络结构的变化以及负荷的变化等。H∞鲁棒控制和μ控制能够在某种程度上减少如上不确定性对控制的影响。在这些控制中不确定性以加和乘的方式出现在动态方程中。这些不确定性建模在某种运行工况下趋向保守,基于多胞体的控制能够在一定程度上解决多运行工况带来的问题,此方法确实能够在一定范围下覆盖多个相差不大运行工况。在运行工况变化范围较大的情况下,多胞体的局限性凸显出来。因此,有必要设计自适应控制器对大范围变化的运行工况进行抑制。
本发明提出一种基于Youla参数化的广域阻尼自适应控制系统。该控制系统包括三个子系统:数据读入子系统、自适应控制决策子系统、结果输出子系统。其中,数据读入子系统的作用是读入广域信号数据;自适应控制决策子系统包含两个模块,包含:系统Youla参数化模块和控制器Youla参数化模块两部分。系统Youla参数化模块充分考虑系统不确定性,建立系统Youla参数化模型;控制器Youla参数化模块充分考虑控制器不确定性,建立控制器Youla参数化模型。其控制器由结果输出子系统输出。
首先,将来自PMU的广域信号输入至数据读入子系统进行分析处理。再将数据读入子系统处理后的熟数据输入至自适应控制决策子系统,然后,利用在线量测值,一方面,系统Youla参数化模块通过更新系统的Youla参数来判定动态电力系统运行工况,另一方面,控制器Youla参数化模块通过跟随更新系统的Youla参数,在线更新控制器的Youla参数,最终得到适合当前电力系统运行工况的自适应控制器。最后,结果输出子系统将自适应控制器的控制向量输入至各分散控制器。基于MATLAB平台和DSA平台的算例频域和时域的结果表明,基于Youla参数化的自适应阻尼控制系统在扰动未知的情况下,具有很好的有效性和鲁棒性。
发明内容
本发明的目的在于,针对现有广域阻尼控制系统在扰动未知的情况下缺乏有效性和鲁棒性的问题,提出一种基于Youla参数化的阻尼自适应控制系统及控制方法,用于解决上述问题。
为了实现上述目的,本发明提出的技术方案是,一种基于Youla参数化的阻尼自适应控制方法,使用基于Youla参数化的阻尼自适应控制系统,所述系统包括顺序相连的数据读入子系统、自适应控制决策子系统和结果输出子系统,所述自适应控制决策子系统包括系统Youla参数化模块和控制器Youla参数化模块,其特征是所述方法包括:
步骤1:数据读入子系统将广域信号数据送入系统Youla参数化模块;所述广域信号数据为相量测量单元PMU测量的各发电机相对于该发电机的母线频率;
步骤2:系统Youla参数化模块建立系统Youla参数化模型,所述系统Youla参数化模型为:G(S)=N(S)M(S)-1;
其中,G(S)为以S为自变量的传递函数;
N(S)=N+VS,N为系统传递函数G(s)的右互质矩阵,V为控制器K(s)的右互质矩阵;
M(S)=M+US,M为系统传递函数G(s)的右互质矩阵,U为控制器K(s)的右互质矩阵;
G(s)=C(sI-A)-1B+D,A为系统状态矩阵,B为系统输入矩阵,C为系统输出矩阵,D为系统前馈矩阵,s为微分算子;I为单位矩阵;
u=K(s)y,u为电力系统输入向量,y为电力系统输出向量;
S是系统参数关联矩阵且
ρ(t)是广域信号数据组成的向量;
t是时间;
Gyw是从扰动向量w到输出向量y的传递函数;
Gvw为指从扰动向量w到待控制向量v的传递函数;
Gvu为指从输入向量u到待控制向量v的传递函数;
为系统传递函数G(s)的左互质矩阵;
步骤3:更新广域信号数据组成的向量ρ(t),再根据稳定控制器模型K(Q)=U(Q)V(Q)-1更新控制器后通过结果输出子系统输出;
其中,K(Q)为待求控制器,U(Q)=U+M(S)Q,V(Q)=V+N(S)Q,Q是参数关联矩阵。
本发明解决了现有广域阻尼控制系统在扰动未知的情况下缺乏有效性和鲁棒性的问题。
附图说明
图1是基于Youla参数化控制策略的闭环系统结构图;
图2是16机系统结构图;
图3是自适应控制策略的结构图;
图4是区域4和区域5负荷变化时开闭轨迹特征根图;其中,(a)和(c)是加入依据基准运行工况设计的基于观测的H2/H∞鲁棒控制策略的特征根轨迹图;(b)和(d)是基于Youla的自适应控制策略其闭环极点均落在D稳定区域的特征根轨迹图;
图5是区域4负荷单一扰动下,发电机相对功角在各控制策略下动态响应图;其中,(a)是发电机G1-G16相对功角在各控制策略下动态响应图,(b)是发电机G13-G16相对功角在各控制策略下动态响应图;
图6是区域4负荷多扰动下,发电机相对功角有无控制策略下的动态响应图;其中,(a)是发电机G1-G16相对功角有无控制策略下动态响应图,(b)是发电机G13-G16相对功角有无控制策略下动态响应图;
图7是区域4负荷多扰动下,发电机相对功角在不同控制策略下动态响应图;其中,(a)是发电机G1-G16相对功角在不同控制策略下动态响应图,(b)是发电机G13-G16相对功角在不同控制策略下动态响应图;
图8是区域5负荷单一扰动下,发电机相对功角在各控制策略下动态响应图;其中,(a)是发电机G1-G16相对功角在各控制策略下动态响应图,(b)是发电机G1-G14相对功角在各控制策略下动态响应图;
图9是区域5负荷多扰动下,发电机相对功角有无控制策略下的动态响应图;其中,(a)是发电机G1-G13相对功角有无控制策略下动态响应图,(b)是发电机G1-G14相对功角有无控制策略下动态响应图;
图10是区域5负荷多扰动下,发电机相对功角在不同控制策略下动态响应图;其中,(a)是发电机G1-G13相对功角在不同控制策略下动态响应图,(b)是发电机G1-G14相对功角在不同控制策略下动态响应图。
具体实施方式
下面结合附图,对优选实施例作详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
实施例1
本发明提出的一种基于Youla参数化的阻尼自适应控制系统包括顺序相连的数据读入子系统、自适应控制决策子系统和结果输出子系统。
自适应控制决策子系统包括相互连接的系统Youla参数化模块和控制器Youla参数化模块;系统Youla参数化模块与数据读入子系统相连,控制器Youla参数化模块与结果输出子系统相连。
数据读入子系统用于读入广域信号数据并发送至系统Youla参数化模块,所述广域信号数据为各发电机相对于参考发电机的母线频率。
系统Youla参数化模块用于建立系统Youla参数化模型,并通过更新系统Youla参数化模型中的Youla参数来确定电力系统的运行工况。
控制器Youla参数化模块用于根据更新的所述系统Youla参数化模型中的Youla参数,更新控制器的Youla参数,得到当前电力系统运行工况的自适应控制器并发送至结果输出子系统。
结果输出子系统用于输出当前电力系统运行工况的自适应控制器。
本发明还提出了一种使用上述基于Youla参数化的阻尼自适应控制系统进行阻尼自适应控制的方法,包括:
步骤1:数据读入子系统将广域信号数据送入系统Youla参数化模块;所述广域信号数据为相量测量单元PMU测量的各发电机相对于该发电机的母线频率。
步骤2:系统Youla参数化模块建立系统Youla参数化模型,所述系统Youla参数化模型为:G(S)=N(S)M(S)-1。
线性时变电力系统的方程如下:
其中ρ(t)为电力系统时变参数向量,是电力系统状态变量的微分,y(t)是电力系统输出向量,x(t)是电力系统状态向量,u(t)是电力系统输入向量。当ρ(t)为常数时,则其输入到输出的传递函数为
G(s)=C(sI-A)-1B+D (2)
输出反馈规律如式(3)所示,
u=K(s)y (3)
带有波浪线的矩阵为左互质矩阵,例如和不带波浪线的矩阵为右互质矩阵,例如M,N和V,U。N为系统传递函数G(s)的右互质矩阵,V为控制器K(s)的左互质矩阵,M为系统传递函数G(s)的左互质矩阵,U为控制器K(s)的右互质矩阵。A为系统状态矩阵,B为系统输入矩阵,C为系统输出矩阵,D为系统前馈矩阵,s为微分算子;I为单位矩阵。
u=K(s)y,u为电力系统输入向量,即u(t)。y为电力系统输出向量,即y(t)。
对式(2)的系统函数G(s)和式(3)稳定控制器K(s)运用互质分解
其中,和满足(5)中的双Bezout方程,
考虑到电力系统中存在扰动,取标准2×2系统可观测G(s),其状态空间表达式如式(6),
其中,为扰动向量。是输入向量。是待控制向量。为输出向量。Gvw(s)指从扰动向量w到待控制向量v的传递函数,Gvu(s)指从输入向量u到待控制向量v的传递函数,Gvw(s)指从扰动向量w到输出向量y的传递函数,Gyu(s)指从输入向量u到输出向量y的传递函数。
对Gyu进行互质分解得到:
其中F与L可使A+BuF和A+LCy均稳定。控制器F与观测器L由H2/H∞鲁棒控制策略及极点配置区域策略得到,以保证在每种运行工况下均具有良好的阻尼效果。Bw为扰动向量对应的输入矩阵,Bu为系统输入矩阵。Cv为待控制向量的输入矩阵,Cy为系统输出矩阵。Dvw是从扰动向量w到待控制向量v的传递函数Gvw(s)的前馈矩阵。Dvu是从输入向量u到待控制向量v的传递函数Gvu(s)的前馈矩阵。Dyw是从扰动向量w到输出向量y的传递函数Gvw(s)的前馈矩阵。Dyu是从输入向量u到输出向量y的传递函数Gyu(s)的前馈矩阵。
基于观测的H2/H∞鲁棒控制器通过得到,即K0定义为K0为标称系统对应的控制器,U0为标称系统对应的控制器K0的左互质矩阵,V0为标称系统对应的控制器K0的右互质矩阵。K0的表达式为:
在考虑时变参数ρ(t)的情况下,对系统Gyu(s)和控制器K(s)进行互质分解,可得含有参数关联矩阵Q(s)将所有控制器进行参数化表示,参数化的稳定控制器表达式如下:
其中,U(Q)=U+MQ,V(Q)=V+NQ, Q∈RH∞。通过Bezout公式,式(11)给出的控制器可以表示为参数Q的下线性分式变换。
K(Q)=Fl(Jk,Q) (11)
其中,Fl表示下线性分式变换,从式(12)可以看出,当Q=0时K(Q)=K0。
同理,对变化的电力系统进行考察,
其中,N(S)=N+VS,M(S)=M+US, S表示系统参数关联矩阵,S∈RH∞。利用Bezout方程,式(14)给出的系统可以表示为参数S的上线性分式变换。
G(S)=Fu(JG,S) (14)
其中,Fu为上线性分式变换。从式(15)可知,当S=0时,G(S)=G0。
由于含有时变参数ρ(t),Gyu(ρ(t))和S的关系式可表达如下:
S=(V-Gyu(ρ(t))U)-1(Gyu(ρ(t))M-N) (16)
从式(16)中可以看出,时变参数ρ(t)耦合在系统Youla参数S中,因此需要明确ρ(t)和S间的关系。通过上线性分式变换,运用(17)可得ρ(t)与Gyu(ρ(t))的表达式:
Gyu(ρ(t))=Fu(G,ρ(t)) (17)
将(17)带入(16)得到含有时变参数S(ρ(t))的表达式:
步骤3:更新广域信号数据组成的向量ρ(t),再根据稳定控制器模型K(Q)=U(Q)V(Q)-1更新控制器后通过结果输出子系统输出。
基于步骤2中的原理,利用在线量测值,通过式(18)更新Youla参数S。再根据公式N(S)=N+VS和M(S)=M+US更新N(S)和M(S)。然后,根据公式U(Q)=U+MQ和V(Q)=V+NQ,也即U(Q)=U+M(S)Q和V(Q)=V+N(S)Q,可以得到更新后的U(Q)和V(Q)。最后。利用公式(10),即K(Q)=U(Q)V(Q)-1更新K(Q),从而得到控制器并通过结果输出子系统输出。
实施例2
采用图2所示的IEEE16机系统进一步验证本方法的有效性和可行性。发电机采用6阶详细模型,励磁采用IEEE-DC1型励磁,所有负荷节点均为混合负荷模型,有功功率为15%恒电流和15%恒功率,剩余负荷为75%的恒阻抗负荷。为了稳定区域低频振荡模式,考察自适应控制策略,加入3个储能系统(ESD),分别安装在母线37,44和52上。根据贡献因子得到最优输入信号为母线5,13,14和15的母线频率。
通过特征分析方法得到4个区间振荡模式,如表1所示。频率最低的振荡模式表现为区域3、4、5的发电机与区域1和2的发电机间的振荡。第二个振荡模式为发电机14与发电机16间的振荡。第三个振荡模式为区域5与区域4间的振荡。第四个振荡模式为发电机15与发电机14,16间的振荡。
表1、低频振荡主导模式
测试系统在开环状态下为141阶系统,再加上控制器的状态量,闭环系统的阶数将会大幅度增加。利用Schur降阶方法将原始系统降低为10阶。在同样的频率范围内,降阶模型的输入输出特性和全阶模型一样,因此10阶模型可以满足要求。运用H2/H∞鲁棒控制策略,可得到10阶的基于观测器的控制器。同样利用Schur降阶方法将高阶控制器降为4阶。
利用两个变化参数来判定自适应控制策略的效果。一个是区域4的负荷,另一个是区域5的负荷。在电力系统中,负荷的变化快速且随机。这种变化会引起运行工况的改变,会导致控制器渐渐失去控制效果。对于电力系统中多变的运行工况,难以找到全局最优控制器以涵盖所有可能的运行工况。因此,自适应控制策略应运而生,基于Youla参数化的自适应控制策略能够不断更新控制器以适应不断变化的运行工况。
基于Youla参数化的自适应控制策略的设计方法分为三个步骤,首先,在基准运行工况下,运用H2/H∞鲁棒控制方法预先设计出基于观测的反馈控制器。其次,对电力系统和控制器分别进行Youla参数化。最后,利用在线测量量,更新系统Youla参数S,随之,更新控制器Youla参数Q,从而更新控制器K(Q)使其适应于不断变化的运行工况。以集中决策中心和分散控制形成广域阻尼控制(WADC)系统的总体策略如图3所示。来自PMU装置的广域信号输入至Youla参数化控制策略中心。随时更新控制器以实现自适应阻尼控制系统的功能,其中3个ESD作为分散执行器。
图4为区域4和区域5负荷变化时,开闭环系统的特征根轨迹。圆圈代表开环特征根,实心点代表闭环特征根。图中所示稳定区域为LMI极点配置D区域。图4(a)和(c)为加入依据基准运行工况设计的基于观测的H2/H∞鲁棒控制策略的特征根轨迹(下文中简写为固定控制策略)。从图中可以看出,固定控制策略在鲁棒性方面具有一定限制,当运行工况的变化范围越大,其阻尼控制效果逐渐变弱,当超出一定范围时,其阻尼效果会大大恶化。然而,基于Youla参数化的自适应控制策略则不受参数变化的影响,如图4(b)和(d)所示。基于Youla的自适应控制策略其闭环极点均落在D稳定区域,其适用参数变化范围变大,比如,区域4负荷的最大和最小值分别为157%和35.667%,区域5负荷的最大和最小值分别为157%和35.667%。
分别针对变化参数区域4负荷和区域5负荷进行两组60s的非线性时域仿真,以此验证基于Youla参数化的自适应控制策略的有效性。
(1)第一组时域仿真针对区域4负荷的变化。如图5所示,t=1s时,负荷降低为90%。图6-28为发电机G1-G16,G13-G16间的相对功角的动态响应曲线。其中虚线为未加控制下的相对功角,实线部分为加入基于Youla的自适应控制策略的相对功角。从图中可以看出,在单一扰动下,基于Youla的自适应控制策略能够在10-15s内,将振荡平息,使得电力系统迅速进入新的稳定状态。
图6和图7为多扰动下,发电机G1-G16,G13-G16间的相对功角的动态响应曲线。区域4的负荷分别在t=1s,t=10s和t=30s时持续降低为90%,80%和70%。图6的虚线为未加控制情况下的相对功角动态响应,实线为加入固定控制策略后的相对功角动态响应,可以看出,对比未加控制电力系统,固定控制策略具有一定阻尼效果,尤其在运行工况变化范围较小的初始阶段,然而,随着负荷的持续下降,固定控制策略的阻尼效果的局限性逐渐显现出来,因此,亟待利用自适应控制策略来提高控制器在不同运行工况的适应性和鲁棒性。
图7中的虚线为未加控制情况下的相对功角动态响应,实线为加入基于Youla的自适应控制策略情况下的相对功角动态响应。可以看出,自适应控制策略通过实时在线更新控制器,使之适用于不同的运行工况,即使30s后运行工况发生了很大的变化,负荷变为70%,依旧能够在限定时间将振荡平息。这表明基于Youla的自适应控制策略即使在运行工况发生大范围变化的情况下,依旧具有很好的阻尼效果和鲁棒性。
2)第二组仿真针对区域5负荷的变化。如图8所示,t=1s时,负荷降为90%。图8为发电机G1-G13,G1-G14间的相对功角动态响应曲线。其中虚线为加入控制的相对功角响应。实线为加入Youla自适应控制策略的动态响应。该图表明在单一扰动下,Youla自适应控制策略能够迅速平息振荡,使电力系统进入新的稳定状态。
图9和图10区域5负荷多扰动下,发电机G1-G16,G13-G16间的相对功角的动态响应曲线。区域5的负荷分别在t=1s,t=10s和t=30s时持续降低为90%,80%和70%。图9的虚线为未加控制情况下的相对功角动态响应,实线为加入固定控制策略后的相对功角动态响应,从实线可以看出固定控制策略完全不能平息振荡,更为糟糕的是,比无控制时的阻尼效果还差。
图10中虚线为未加控制情况下的相对功角动态响应,实线为加入Youla自适应控制策略情况下的相对功角动态响应。可以看出,Youla自适应控制策略通过实时在线更新控制器,使之适用于不同的运行工况,即使在t=30s时,区域5负荷降至70%时,该策略依旧能够迅速平息振荡。进一步表明Youla自适应控制策略适用于大范围变化的运行工况,具有很好的阻尼性能和鲁棒性能。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (1)
1.一种基于Youla参数化的阻尼自适应控制方法,使用基于Youla参数化的阻尼自适应控制系统,所述系统包括顺序相连的数据读入子系统、自适应控制决策子系统和结果输出子系统,所述自适应控制决策子系统包括系统Youla参数化模块和控制器Youla参数化模块,其特征是所述方法包括:
步骤1:数据读入子系统将广域信号数据送入系统Youla参数化模块;所述广域信号数据为相量测量单元PMU测量的各发电机相对于参考发电机的母线频率;
步骤2:系统Youla参数化模块建立系统Youla参数化模型,所述系统Youla参数化模型为:G(S)=N(S)M(S)-1;
其中,G(S)为以S为自变量的传递函数;
N(S)=N+VS,N为系统传递函数G(s)的右互质矩阵,V为控制器K(s)的右互质矩阵;
M(S)=M+US,M为系统传递函数G(s)的右互质矩阵,U为控制器K(s)的右互质矩阵;
G(s)=C(sI-A)-1B+D,A为系统状态矩阵,B为系统输入矩阵,C为系统输出矩阵,D为系统前馈矩阵,s为微分算子;I为单位矩阵;
u=K(s)y,u为电力系统输入向量,y为电力系统输出向量;
S是系统参数关联矩阵且
ρ(t)是广域信号数据组成的向量;
t是时间;
Gyw是从扰动向量w到输出向量y的传递函数;
Gvw为指从扰动向量w到待控制向量v的传递函数;
Gvu为指从输入向量u到待控制向量v的传递函数;
为系统传递函数G(s)的左互质矩阵;
步骤3:更新广域信号数据组成的向量ρ(t),再根据稳定控制器模型K(Q)=U(Q)V(Q)-1更新控制器后通过结果输出子系统输出;
其中,K(Q)为待求控制器,U(Q)=U+M(S)Q,V(Q)=V+N(S)Q,Q是参数关联矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310215480.9A CN103337865B (zh) | 2013-05-31 | 2013-05-31 | 基于Youla参数化的阻尼自适应控制系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310215480.9A CN103337865B (zh) | 2013-05-31 | 2013-05-31 | 基于Youla参数化的阻尼自适应控制系统及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103337865A CN103337865A (zh) | 2013-10-02 |
CN103337865B true CN103337865B (zh) | 2015-01-21 |
Family
ID=49245983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310215480.9A Active CN103337865B (zh) | 2013-05-31 | 2013-05-31 | 基于Youla参数化的阻尼自适应控制系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103337865B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104808662B (zh) * | 2015-03-13 | 2017-08-04 | 哈尔滨工程大学 | 一种基于数据驱动的抑制船舶航向扰动的控制方法 |
CN106557025A (zh) * | 2015-09-24 | 2017-04-05 | 上海电气集团股份有限公司 | 一种频域约束的模型预测控制算法 |
CN108873682B (zh) * | 2018-07-05 | 2021-05-14 | 中国科学院光电技术研究所 | 一种基于改进的重复控制器的倾斜镜振动抑制方法 |
CN116520684B (zh) * | 2023-06-30 | 2023-12-29 | 佛山科学技术学院 | 基于自抗扰控制和Youla参数化的控制器优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102033548A (zh) * | 2009-09-29 | 2011-04-27 | 北京航空航天大学 | 基于rbf神经网络的伺服控制系统及方法 |
US20120070013A1 (en) * | 2009-05-28 | 2012-03-22 | Ixmotion | Method and device for narrow-band noise suppression in a vehicle passenger compartment |
CN102412580A (zh) * | 2011-11-17 | 2012-04-11 | 河海大学常州校区 | 有源电力滤波器自适应模糊控制系统及其方法 |
WO2012066233A1 (fr) * | 2010-11-16 | 2012-05-24 | Ixblue | Procede et dispositif de controle actif de vibrations mecaniques par mise en oeuvre d'une loi de controle constituee d'un correcteur central et d'un parametre de youla |
-
2013
- 2013-05-31 CN CN201310215480.9A patent/CN103337865B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120070013A1 (en) * | 2009-05-28 | 2012-03-22 | Ixmotion | Method and device for narrow-band noise suppression in a vehicle passenger compartment |
CN102033548A (zh) * | 2009-09-29 | 2011-04-27 | 北京航空航天大学 | 基于rbf神经网络的伺服控制系统及方法 |
WO2012066233A1 (fr) * | 2010-11-16 | 2012-05-24 | Ixblue | Procede et dispositif de controle actif de vibrations mecaniques par mise en oeuvre d'une loi de controle constituee d'un correcteur central et d'un parametre de youla |
CN102412580A (zh) * | 2011-11-17 | 2012-04-11 | 河海大学常州校区 | 有源电力滤波器自适应模糊控制系统及其方法 |
Non-Patent Citations (2)
Title |
---|
复杂非线性系统的智能自适应控制研究;张敏;《中国博士论文电子电子期刊网》;20101029;正文第2页至88页 * |
鲁棒PID控制器的研究;刘国华;《中国优秀硕士论文电子电子期刊网》;20070814;正文第13页至39页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103337865A (zh) | 2013-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bento et al. | A procedure to design fault-tolerant wide-area damping controllers | |
Esfahani et al. | Cyber attack in a two-area power system: Impact identification using reachability | |
CN103337865B (zh) | 基于Youla参数化的阻尼自适应控制系统及控制方法 | |
Qi et al. | A novel blended real-time energy management strategy for plug-in hybrid electric vehicle commute trips | |
US9568923B1 (en) | Determining a time for corrective action in a data center | |
Sturk et al. | Coherency-independent structured model reduction of power systems | |
Potluri et al. | Impacts of topology control on the ACOPF | |
KR101023703B1 (ko) | 실 기상조건을 이용한 mms 성능평가용 hils 시스템. | |
CN104037776A (zh) | 随机惯性因子粒子群优化算法的电网无功容量配置方法 | |
CN112434936A (zh) | 一种电力系统惯量安全域评估方法、系统、电子设备及可读存储介质 | |
Oshnoei et al. | Intelligent power control of inverter air conditioners in power systems: A brain emotional learning-based approach | |
Mohagheghi et al. | Hardware implementation of a mamdani fuzzy logic controller for a static compensator in a multimachine power system | |
Husham et al. | Decentralized stability enhancement of DFIG-based wind farms in large power systems: Koopman theoretic approach | |
Wei et al. | Situational awareness of coherency behavior of synchronous generators in a power system with utility-scale photovoltaics | |
JP6573255B2 (ja) | 判定装置、判定方法、プログラム、及び臨界故障除去時間算出装置 | |
Ucer et al. | Development of a Hardware-in-The-Loop Testbed for a Decentralized, Data-Driven Electric Vehicle Charging Control Algorithm | |
Ajjarapu et al. | Sensor enabled data-driven predictive analytics for modeling and control with high penetration of DERs in distribution systems | |
Jiang et al. | Identifying hopf bifurcations of networked microgrids induced by the integration of ev charging stations | |
Elliott et al. | Stabilising transient disturbances with utility‐scale inverter‐based resources | |
Ma et al. | Design of global power systems stabilizer to damp interarea oscillations based on wide-area collocated control technique | |
Patidar et al. | Optimal signal selection of wide area damping controller considering time delay in multi-machine power system | |
Raczka et al. | Implementation of a model predictive control algorithm for distribution grids and its validation on a real-time simulator | |
Calle | Transient stability constrained optimal power flow: Improved models and practical applications | |
HERNANDEZ et al. | Energy Management System Industrialization for Off-Grids Power Systems Based on Data-Driven Machine Learning Models | |
Kim et al. | Test result of microgrid management function in KERI pilot plant |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |