CN103838220A - 基于小波变换的分布式风电系统递阶控制方法 - Google Patents

基于小波变换的分布式风电系统递阶控制方法 Download PDF

Info

Publication number
CN103838220A
CN103838220A CN201410105726.1A CN201410105726A CN103838220A CN 103838220 A CN103838220 A CN 103838220A CN 201410105726 A CN201410105726 A CN 201410105726A CN 103838220 A CN103838220 A CN 103838220A
Authority
CN
China
Prior art keywords
wind power
power system
distributed wind
control
wavelet
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.)
Granted
Application number
CN201410105726.1A
Other languages
English (en)
Other versions
CN103838220B (zh
Inventor
高桂革
曾宪文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Dianji University
Original Assignee
Shanghai Dianji University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Dianji University filed Critical Shanghai Dianji University
Priority to CN201410105726.1A priority Critical patent/CN103838220B/zh
Publication of CN103838220A publication Critical patent/CN103838220A/zh
Application granted granted Critical
Publication of CN103838220B publication Critical patent/CN103838220B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Wind Motors (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种基于小波变换的分布式风电系统递阶控制方法。基于正交函数逼近理论，将Haar小波作为正交函数基；利用正交函数基对分布式风电系统的控制模型中的各个参数及其变量进行小波变换；利用Haar小波的各种运算矩阵，在对分布式风电系统的偏微分数学模型进行运算时进行变换。

Description

基于小波变换的分布式风电系统递阶控制方法
技术领域
本发明涉及控制理论与控制工程领域中的控制理论与方法的设计，更具体地说，本发明涉及一种基于小波变换的分布式风电系统递阶控制方法。
背景技术
智能控制是能在适应环境变化的过程中模仿人和动物所表现出来的优秀控制能力(动觉智能)的一种控制，分层递阶控制属于智能控制研究的一个分支。分层递阶控制理论对分层分布式结构具有极强的处理能力,被广泛应用于分层分布式问题的求解和集散控制系统中。人的行为控制过程具有层次性，在高层负责宏观的信息和决策，在低层负责具体的数据和控制。分层递阶控制的主要思想是：控制精度由下而上逐级递减，智能程度由下而上逐级增加。由saridis提出的基于3个控制层和IPDI原理的三级递阶智能控制理论和由Villa提出的基于知识描述/数学解析的两层混合智能控制理论。其中Saridis提出的三级分层递阶控制系统结构如图1所示。
分层递阶控制的基本原理为：将智能控制理论假定为寻求某个系统正确决策与控制序列的数学问题，系统按照自上而下精度渐增、智能递减的原则建立递阶结构。这样，分层递阶控制系统就能在最高级组织级的统一组织下，实现对复杂、不确定系统的优化控制。
目前，递阶控制问题的研究，在基于摄像头的智能机械手、城市电网控制等具有集总参数特性的实际应用中有相应的研究，但在分布式风电系统，特别是将小波变换应用于该问题的研究方面仍属空白。
实际上，由于分布式风电系统具有分布参数系统特性，其状态空间是一个无限维空间，其数学模型采用偏微分方程表示，其方程的求解涉及到偏微分方程的求解、分布参数系统控制理论、数值求解方法等多门学科及其各种实时控制技术，其控制问题比起集总参数系统来说要困难得多，也复杂得多，目前还没有一种有效的方法解决这个问题。
发明内容
本发明所要解决的技术问题是针对现有技术中存在上述缺陷，提供一种基于小波变换的分布式风电系统递阶控制方法。
为了实现上述技术目的，根据本发明，提供了一种基于小波变换的分布式风电系统递阶控制方法，其特征在于包括：
第一步骤：基于正交函数逼近理论，将Haar小波作为正交函数基；
第二步骤：利用正交函数基对分布式风电系统的控制模型中的各个参数及其变量进行小波变换；
第三步骤：利用Haar小波的各种运算矩阵，在对分布式风电系统的偏微分数学模型进行运算时进行变换。
优选地，运算矩阵包括：积分运算矩阵、乘积积分运算矩阵、变换矩阵、微分运算矩阵。
本发明针对分布式风电系统，可根据分布式风电系统要求，按照两层或者三层递阶控制原理对系统进行分层处理。将复杂的分布式风电系统的控制问题转化为集总参数系统控制问题，利用成熟的集总参数系统分层递阶控制问题的研究方法进行设计，可以很好地解决该问题。
附图说明
结合附图，并通过参考下面的详细描述，将会更容易地对本发明有更完整的理解并且更容易地理解其伴随的优点和特征，其中：
图1示意性地示出了根据现有技术的三级分层递阶控制系统结构。
图2示意性地示出了根据本发明优选实施例的基于小波变换的分布式风电系统递阶控制方法的流程图。
需要说明的是，附图用于说明本发明，而非限制本发明。注意，表示结构的附图可能并非按比例绘制。并且，附图中，相同或者类似的元件标有相同或者类似的标号。
具体实施方式
为了使本发明的内容更加清楚和易懂，下面结合具体实施例和附图对本发明的内容进行详细描述。
本发明基于正交函数逼近理论，将Haar小波作为正交函数基，对控制模型中的各个参数及其变量等进行小波变换；同时，利用Haar小波的各种运算矩阵，对其偏微分数学模型进行运算时进行变换。采用上述技术方法后，可将复杂的偏微分方程描述的分布式风电系统采用集总化的方法化为常微分方程，采用成熟的集总参数系统控制系统的设计方法进行设计。
图2示意性地示出了根据本发明优选实施例的基于小波变换的分布式风电系统递阶控制方法的流程图。
如图2所示，根据本发明优选实施例的基于小波变换的分布式风电系统递阶控制方法包括：
第一步骤S1：基于正交函数逼近理论，将Haar小波作为正交函数基；
第二步骤S2：利用正交函数基对分布式风电系统的控制模型中的各个参数及其变量进行小波变换；
第三步骤S3：利用Haar小波的各种运算矩阵，在对分布式风电系统的偏微分数学模型进行运算时进行变换。例如，运算矩阵可包括：积分运算矩阵、乘积积分运算矩阵、变换矩阵、微分运算矩阵。
采用上述技术方法后，可将复杂的偏微分方程描述的分布参数系统采用集总化的方法化为常微分方程，采用成熟的集总参数系统控制系统的设计方法进行设计。
本发明选取Haar小波作为正交函数基，利用正交函数逼近理论，对系统进行一定精度下的近似逼近；本发明能够推导出Haar小波的各种运算矩阵及其性质，应用在对其数学模型进行求解时进行变换；采用上述技术方法后，将偏微分方程模型转化为常微分方程，采用成熟的集总参数系统递阶控制的原理进行设计。
本发明针对分布式风电系统，进行Haar小波逼近处理之后，将偏微分方程模型转化为常微分方程，可以很好地解决分布式风电系统递阶控制问题。该方法算法简单、计算量小，控制效果好。
此外，需要说明的是，除非特别说明或者指出，否则说明书中的术语“第一”、“第二”、“第三”等描述仅仅用于区分说明书中的各个组件、元素、步骤等，而不是用于表示各个组件、元素、步骤之间的逻辑关系或者顺序关系等。
可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (2)

1.一种基于小波变换的分布式风电系统递阶控制方法，其特征在于包括：
第一步骤：基于正交函数逼近理论，将Haar小波作为正交函数基；
第二步骤：利用正交函数基对分布式风电系统的控制模型中的各个参数及其变量进行小波变换；
第三步骤：利用Haar小波的各种运算矩阵，在对分布式风电系统的偏微分数学模型进行运算时进行变换。
2.根据权利要求1所述的基于小波变换的分布式风电系统递阶控制方法，其特征在于，运算矩阵包括：积分运算矩阵、乘积积分运算矩阵、变换矩阵、微分运算矩阵。
CN201410105726.1A 2014-03-20 2014-03-20 基于小波变换的分布式风电系统递阶控制方法 Expired - Fee Related CN103838220B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410105726.1A CN103838220B (zh) 2014-03-20 2014-03-20 基于小波变换的分布式风电系统递阶控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410105726.1A CN103838220B (zh) 2014-03-20 2014-03-20 基于小波变换的分布式风电系统递阶控制方法

Publications (2)

Publication Number Publication Date
CN103838220A true CN103838220A (zh) 2014-06-04
CN103838220B CN103838220B (zh) 2017-06-09

Family

ID=50801847

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410105726.1A Expired - Fee Related CN103838220B (zh) 2014-03-20 2014-03-20 基于小波变换的分布式风电系统递阶控制方法

Country Status (1)

Country Link
CN (1) CN103838220B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101498926A (zh) * 2008-02-02 2009-08-05 北京能高自动化技术有限公司 具有分层递阶结构的大型风电机组优化控制系统
CN101782744A (zh) * 2010-01-19 2010-07-21 上海电机学院 基于小波变换的线性定常分布参数系统变结构控制方法
CN101819412A (zh) * 2010-03-31 2010-09-01 上海电机学院 分布参数系统最优点式控制的小波分析法
CN102982385A (zh) * 2011-08-03 2013-03-20 通用电气公司 为风力发电机管理与全面服务协议相关的风险的系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101498926A (zh) * 2008-02-02 2009-08-05 北京能高自动化技术有限公司 具有分层递阶结构的大型风电机组优化控制系统
CN101782744A (zh) * 2010-01-19 2010-07-21 上海电机学院 基于小波变换的线性定常分布参数系统变结构控制方法
CN101819412A (zh) * 2010-03-31 2010-09-01 上海电机学院 分布参数系统最优点式控制的小波分析法
CN102982385A (zh) * 2011-08-03 2013-03-20 通用电气公司 为风力发电机管理与全面服务协议相关的风险的系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
丁斗章 等: "基于小波变换的二阶线性分布参数系统预测控制", 《控制理论与应用》 *
高桂革 等: "Haar小波运算矩阵与性质在分布参数系统控制中的应用", 《华东理工大学学报》 *
高桂革 等: "小波变换在分布参数系统控制中的应用", 《清华大学学报》 *

Also Published As

Publication number Publication date
CN103838220B (zh) 2017-06-09

Similar Documents

Publication Publication Date Title
Papageorgiou et al. A concept reduction approach for fuzzy cognitive map models in decision making and management
Fosch-Villaronga et al. Cloud robotics law and regulation: Challenges in the governance of complex and dynamic cyber–physical ecosystems
WO2019091020A1 (zh) 权重数据存储方法和基于该方法的神经网络处理器
Jensen et al. Implementation of an adaptive meta-model for Bayesian finite element model updating in time domain
CN113626612B (zh) 一种基于知识图谱推理的预测方法和系统
CN105487546B (zh) 一种深空探测器自主任务规划时间约束几何处理方法
Jabbour et al. Generative AI agents in autonomous machines: A safety perspective
CN103838220B (zh) 基于小波变换的分布式风电系统递阶控制方法
Casciati et al. Dynamic transient analysis of systems with material nonlinearity: a model order reduction approach
CN103106270A (zh) 云数据融合方法和系统
CN106156847A (zh) 一种有限时间收敛的梯度递归神经网络方法
CN105573469B (zh) 传感器控制方法及装置
Panikhom et al. Numerical approach to construction of Lyapunov function for nonlinear stability analysis
Savdur et al. Network modelling of biological wastewater treatment system of paint manufacture
Tang et al. A novel deep learning technique for higher education system
Chen et al. The use of linear stochastic estimation for the reduction of data in the NIST aerodynamic database
CN103838147B (zh) 用于分布式风电系统的双线性控制模型解析方法
Liu et al. Fuzzy guaranteed cost control design for uncertain chaotic system with polytopic uncertainty
Ma et al. Adaptive Stabilization for a Class of Stochastic Nonlinear Systems with P randtl‐I shlinskii Hysteresis
Horváth et al. New Method for Generation of RFLP Structure Elements in PLM Model
Hassan Smart pattern recognition of structural systems
Ohnishi et al. Attitude control method for high-precision stage by compensating for nonlinearity and coupling arising from euler's equation and coordinate rotation
Faster Technology Will Keep Changing Everything—
Prabhu et al. Impact of Artificial Intelligence in Existence Each Day
Lee et al. Design of a Processing Structure of CNN Algorithm using Filter Buffers

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170609

Termination date: 20200320

CF01 Termination of patent right due to non-payment of annual fee