CN108984979A - 基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法 - Google Patents
基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法 Download PDFInfo
- Publication number
- CN108984979A CN108984979A CN201811018031.4A CN201811018031A CN108984979A CN 108984979 A CN108984979 A CN 108984979A CN 201811018031 A CN201811018031 A CN 201811018031A CN 108984979 A CN108984979 A CN 108984979A
- Authority
- CN
- China
- Prior art keywords
- controller
- extra
- follows
- peak regulation
- frequency domain
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Abstract
本发明公开了基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法,本发明利用“特征轨迹——遗传算法交互控制器”的设计思想,将频域和时域方法相结合,对某一工况下的控制器参数进行寻优,既规避了设计结果过分依赖设计者经验、技巧的弊端,又达到优化控制效果的目的,同时本发明建立40%、60%、80%和100%负荷工况点下的协调对象传递函数模型,按上述基本思想给出相应负荷工况下控制器参数,将各工况点控制器给出的输出控制增量进行加权作为当前工况下的输出控制增量。本发明算法过程清晰明了,克服了设计过程中过分依赖设计者经验和盲目试凑的缺陷,同时也能有效保证超超临界机组深度调峰时的控制效果。
Description
技术领域
本发明属于热能动力工程和自动控制技术领域,具体涉及一种基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法。
背景技术
目前我国能源发展的主题是在保障能源供给的情况下实现能源转型,火电机组参与电网深度调峰以接纳新能源势在必行。超超临界机组的被控对象具有大惯性、非线性、时变性、强耦合性等特点,同时频繁的大范围变负荷调整使得机组非线性影响进一步加剧。为了实现国家能源转型的战略目标,作为现有发电方式中最可靠、承担最大负荷份额的火电机组被赋予更高的控制要求。
多变量频域法理论早已成熟,在工程运用上也早已取得长足发展。作为多变量频域法之一的传统特征轨迹设计法,其基本理论依据是有理函数矩阵的特征值分解,将多变量系统分解为一组独立的单输入单输出(Simple Input Simple O utput,SISO)特征子系统,随后采取单变量设计技术对各特征子系统进行补偿。
特征轨迹设计法在设计过程中重要参数通常通过设计者的试探或依据个人经验给出,故设计结果过分依赖设计者的经验和技巧,同时该设计方法只能保证系统的稳定性,不能满足其余控制性能指标的要求。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供一种基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法。
为实现上述技术目的,本发明采取的技术方案为:
基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法,包括以下步骤:
步骤一:将超超临界机组的协调被控对象看作3输入3输出的系统,其中控制量为燃料量B(t/h)、给水流量W(t/h)、汽机调门开度μ(%),被控量为机组实发功率Ne(MW)、主汽压力p0(MPa)、中间点温度Tsp(℃);并由现场实验数据拟合出该3×3维被控对象在特定负荷工况点下的传递函数矩阵G(s);
步骤二:根据G(s)的特征方程:
Δ(g,s)=det[g(s)Im-G(s)]=0 (1)
求得G(s)的3个特征传递函数gi(s)(i=1,2,3)和特征向量矩阵W(s);
步骤三:令s沿Nyquist D围线变化,绘制各复变函数gi(s)(i=1,2,3)的特征轨迹Γi(i=1,2,3),令ω从-∞变化至+∞,绘制特征方向ωi(jω)(i=1,2,3)和自然基向量ei(i=1,2,3)之间失调角的失调角曲线;
步骤四:根据特征轨迹Γi(i=1,2,3)及各失调角曲线的特点结合遗传算法进行补偿设计;
步骤五:由现场实验数据分别拟合出所述3×3维被控对象在100%、80%、60%、40%负荷工况点下的传递函数矩阵G(s),按步骤一至四分别给出相应工况点下的控制器参数,将各控制器给出的输出控制增量进行加权作为当前工况下的输出控制增量,加权策略为:
A.80%≤σx≤100%时,Δu=(1-x)Δu80%+xΔu100%,
B.60%≤σx<80%时,Δu=(1-x)Δu60%+xΔu80%,
C.40%≤σx<60%时,Δu=(1-x)Δu40%+xΔu60%,
其中,Δu40%、Δu60%、Δu80%和Δu100%分别为40%、60%、80%和100%负荷工况点下控制器给出的输出控制增量。
步骤四中的的补偿设计具体如下:
将系统工作频率范围分成高频、中低频两个频段;
在高频频段,选取使得高频关联最小的频率点ωh,采用MacFarlane提出的近似配正方法,即ALIGN方法,求出G-1(jωh)的近似实阵Ah,取高频段控制器为:
Kh=Ah
(2)
在中低频频段,选取使得中低频关联最小的频率点ωm&l,求出G(jωm&l)Kh的特征值和特征向量,得出:
G(jωm&l)Kh=W(jωm&l)diag{gi(jωm&l)}1≤i≤3V(jωm&l) (3)
其中W(jωm&l)为G(jωm&l)Kh的特征方向矩阵,V(jωm&l)为W(jωm&l)的逆矩阵,gi(jωm&l)1≤i≤3为G(jωm&l)的特征值;采用ALIGN算法计算W(jωm&l)和 V(jωm&l)的近似实阵Am&l和Bm&l;取中低频段控制器为:
Km&l=Am&ldiag{ki(s)}1≤i≤3Bm&l
(4)
其中为标量传递函数。
为优化上述技术方案,采取的具体措施还包括:
ALIGN方法具体为:
选取一实向量ai和复向量wi(jω)调准,定义商式为:
该式用于反映实向量ai和复向量wi(jω)之间的近似程度,其中φi越大则两者
之间越接近;记:
vk(jω)=αk+jβk
(6)
式中,列相量αk与βk分别表示vk(jω)的实部与虚部;
令:
式中,Ci和Di为非负的、实对称矩阵;
为求φi对ai的极大值,取得:
Ciai=Diaiφi
(9)
如果λi是φi的极大值,上式可写为:
Ciai=λiDiai (10)
取λi为矩阵的最大特征值,ai为与最大特征值相应的特征向量,按上述过程重复3次,并构成W(jω)的近似实阵:
A=[a1,a2,a3]
(11)
V(jω)的近似实阵:
B=A-1 (12)。
上述的中低频控制器中,元素按单回路系统方法整定,记gii(s)为矩阵G(s)Kh第i行、第i列的元素,取gii(s)为第i条单回路的被控对象,采用经典遗传算法为该被控对象设计控制器参数,具体如下:
确定种群大小Size和各参数的二进制码长度L,其中βi(i=1,2,3)和αi(i=1,2,3)的二进制码长度分别为和组合后构成一个长度为的染色体;
确定目标函数的积分形式:
式中,wij(i,j=1,2,3)为权值,ΔNe(t)、Δp0(t)和ΔTsp(t)分别为功率偏差(MW)、主汽压力偏差(MPa)和中间点温度偏差(℃),Δμ(t)、ΔB(t)和ΔW(t)分别为汽机调门开度增量(℃)、燃料量增量(t/h)和给水流量增量(t/h),tiu(i=1,2,3)为上升时间;
从而适应度值函数为:
计算每一个体的适应度fi(i=1,2,…,Size),将适应度转化为被选概率:
采用轮盘赌选择法选择个体,取定交叉概率Pc和变异概率Pm,按照算法规则进行交叉与变异,产生新个体并计算该新个体的适应度,进而进行最优值替换,最终得到最优的个体βi(i=1,2,3)和αi(i=1,2,3),总的控制器为:
K(s)=KhKm&l(s)
(18)。
本发明具有以下有益效果:
本发明采用传统的特征轨迹法与经典的启发式搜索算法——遗传算法交互设计,将频域和时域方法相结合,对某一工况下的控制器参数进行寻优,既规避了设计结果过分依赖设计者经验、技巧的弊端,又达到优化控制效果的目的;
本发明建立40%、60%、80%和100%负荷工况点下的协调对象传递函数模型,按上述基本思想给出相应负荷工况下控制器参数,将各工况点控制器给出的输出控制增量进行加权作为当前工况下的输出控制增量;
本发明算法过程清晰明了,克服了设计过程中过分依赖设计者经验和盲目试凑的缺陷,同时也能有效保证超超临界机组深度调峰时的控制效果。
附图说明
图1是本发明的中协调控制系统被控对象数学模型结构示意图;
图2是本发明在某工况下用遗传算法确定中低频控制器参数的流程图。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。
本发明的基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法,包括以下步骤:
步骤一:将超超临界机组的协调被控对象看作3输入3输出的系统,其中控制量为燃料量B(t/h)、给水流量W(t/h)、汽机调门开度μ(%),被控量为机组实发功率Ne(MW)、主汽压力p0(MPa)、中间点温度Tsp(℃),并由现场实验数据拟合出该3×3维被控对象在特定负荷工况点下的传递函数矩阵G(s);
步骤二:根据G(s)的特征方程:
Δ(g,s)=det[g(s)Im-G(s)]=0 (1)
求得G(s)的3个特征传递函数gi(s)(i=1,2,3)和特征向量矩阵W(s);
步骤三:令s沿Nyquist D围线变化,绘制各复变函数gi(s)(i=1,2,3)的特征轨迹Γi(i=1,2,3),令ω从-∞变化至+∞,绘制特征方向ωi(jω)(i=1,2,3)和自然基向量ei(i=1,2,3)之间失调角的失调角曲线;
步骤四:根据特征轨迹Γi(i=1,2,3)及各失调角曲线的特点结合遗传算法进行补偿设计,具体如下:
将系统工作频率范围分成高频、中低频两个频段;
在高频频段,选取使得高频关联最小的频率点ωh,采用ALIGN方法求出 G-1(jωh)的近似实阵Ah,取高频段控制器为:
Kh=Ah
(2)
在中低频频段,选取使得中低频关联最小的频率点ωm&l,求出G(jωm&l)Kh的特征值和特征向量,得出:
G(jωm&l)Kh=W(jωm&l)diag{gi(jωm&l)}1≤i≤3V(jωm&l) (3)
其中W(jωm&l)为G(jωm&l)Kh的特征方向矩阵,V(jωm&l)为W(jωm&l)的逆矩阵,gi(jωm&l)1≤i≤3为G(jωm&l)的特征值;采用ALIGN算法计算W(jωm&l)和 V(jωm&l)的近似实阵Am&l和Bm&l;取中低频段控制器为:
Km&l=Am&ldiag{ki(s)}1≤i≤3Bm&l
(4)
其中为标量传递函数。
为简便地实施ALIGN计算方法,选取一实向量ai和复向量wi(jω)调准。定义商式为:
该式用于反映实向量ai和复向量wi(jω)之间的近似程度,其中φi越大则两者
之间越接近;记:
vk(jω)=αk+jβk
(6)
式中,列相量αk与βk分别表示vk(jω)的实部与虚部;
令:
式中,Ci和Di为非负的、实对称矩阵;
为求φi对ai的极大值,取得:
Ciai=Diaiφi
(9)
如果λi是φi的极大值,上式可写为:
Ciai=λiDiai
(10)
取λi为矩阵的最大特征值,ai为与最大特征值相应的特征向量,按上述过程重复3次,并构成W(jω)的近似实阵:
A=[a1,a2,a3]
(11)
V(jω)的近似实阵:
B=A-1 (12)。
中低频控制器元素按单回路系统方法整定,记gii(s)为矩阵G(s)Kh第i行、第i列的元素,取gii(s)为第i条单回路的被控对象,采用经典遗传算法为该被控对象设计控制器参数,具体如下:
确定种群大小Size和各参数的二进制码长度L,其中βi(i=1,2,3)和αi(i=1,2,3)的二进制码长度分别为和组合后构成一个长度为的染色体;
确定目标函数的积分形式:
式中,wij(i,j=1,2,3)为权值,ΔNe(t)、Δp0(t)和ΔTsp(t)分别为功率偏差(MW)、主汽压力偏差(MPa)和中间点温度偏差(℃),Δμ(t)、ΔB(t)和ΔW(t)分别为汽机调门开度增量(℃)、燃料量增量(t/h)和给水流量增量(t/h),tiu(i=1,2,3)为上升时间,于是适应度值函数为:
计算每一个体的适应度fi(i=1,2,…,Size),将适应度转化为被选概率:
采用轮盘赌选择法选择个体,取定交叉概率Pc和变异概率Pm,按照算法规则进行交叉与变异,产生新个体并计算该新个体的适应度,进而进行最优值替换,最终得到最优的个体βi(i=1,2,3)和αi(i=1,2,3),总的控制器为:
K(s)=KhKm&l(s)
(18)。
步骤五:由现场实验数据分别拟合出所述3×3维被控对象在100%、80%、60%、40%负荷工况点下的传递函数矩阵G(s),按步骤一至四分别给出相应工况点下的控制器参数,将各控制器给出的输出控制增量进行加权作为当前工况下的输出控制增量,加权策略为:
A.80%≤σx≤100%时,Δu=(1-x)Δu80%+xΔu100%,
B.60%≤σx<80%时,Δu=(1-x)Δu60%+xΔu80%,
C.40%≤σx<60%时,Δu=(1-x)Δu40%+xΔu60%,
其中,Δu40%、Δu60%、Δu80%和Δu100%分别为40%、60%、80%和100%负荷工况点下控制器给出的输出控制增量。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (5)
1.基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法,其特征在于:包括以下步骤:
步骤一:将超超临界机组的协调被控对象看作3输入3输出的系统,并由现场实验数据分别拟合出该3×3维被控对象在100%、80%、60%、40%负荷工况点下的传递函数矩阵G(s);
步骤二:根据G(s)的特征方程:
Δ(g,s)=det[g(s)Im-G(s)]=0 (1)
求得G(s)的3个特征传递函数gi(s)(i=1,2,3)和特征向量矩阵W(s);
步骤三:令s沿Nyquist D围线变化,绘制各复变函数gi(s)(i=1,2,3)的特征轨迹Γi(i=1,2,3),令ω从-∞变化至+∞,绘制特征方向ωi(jω)(i=1,2,3)和自然基向量ei(i=1,2,3)之间失调角的失调角曲线;
步骤四:根据特征轨迹Γi(i=1,2,3)及各失调角曲线的特点结合遗传算法进行超超临界机组深度调峰控制器的补偿设计;
步骤五:根据步骤四给出的100%、80%、60%、40%负荷工况点下的控制器参数,将各控制器给出的输出控制增量进行加权作为当前工况下的输出控制增量;
步骤一所述3输入3输出的系统中控制量为燃料量B(t/h)、给水流量W(t/h)、汽机调门开度μ(%),被控量为机组实发功率Ne(MW)、主汽压力p0(MPa)、中间点温度Tsp(℃)。
2.根据权利要求1所述的基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法,其特征在于:步骤四所述的补偿设计具体如下:
将系统工作频率范围分成高频、中低频两个频段;
在高频频段,选取使得高频关联最小的频率点ωh,采用ALIGN方法求出G-1(jωh)的近似实阵Ah,取高频段控制器为:
Kh=Ah (2)
在中低频频段,选取使得中低频关联最小的频率点ωm&l,求出G(jωm&l)Kh的特征值和特征向量,得出:
G(jωm&l)Kh=W(jωm&l)diag{gi(jωm&l)}1≤i≤3V(jωm&l) (3)
其中W(jωm&l)为G(jωm&l)Kh的特征方向矩阵,V(jωm&l)为W(jωm&l)的逆矩阵,gi(jωm&l)1≤i≤3为G(jωm&l)的特征值,采用ALIGN算法计算W(jωm&l)和V(jωm&l)的近似实阵Am&l和Bm&l,取中低频段控制器为:
Km&l=Am&ldiag{ki(s)}1≤i≤3Bm&l (4)
其中为标量传递函数。
3.根据权利要求2所述的基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法,其特征在于:所述ALIGN方法具体为:
选取一实向量ai和复向量wi(jω)调准,定义商式为:
该式用于反映实向量ai和复向量wi(jω)之间的近似程度,其中φi越大则两者之间越接近;记:
vk(jω)=αk+jβk (6)
式中,列相量αk与βk分别表示vk(jω)的实部与虚部;
令:
式中,Ci和Di为非负的、实对称矩阵;
为求φi对ai的极大值,取得:
Ciai=Diaiφi (9)
如果λi是φi的极大值,上式可写为:
Ciai=λiDiai (10)
取λi为矩阵的最大特征值,ai为与最大特征值相应的特征向量,按上述过程重复3次,并构成W(jω)的近似实阵:
A=[a1,a2,a3] (11)
V(jω)的近似实阵:
B=A-1 (12)。
4.根据权利要求3所述的基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法,其特征在于:所述中低频控制器中,元素按单回路系统方法整定,记gii(s)为矩阵G(s)Kh第i行、第i列的元素,取gii(s)为第i条单回路的被控对象,采用经典遗传算法为该被控对象设计控制器参数,具体如下:
确定种群大小Size和各参数的二进制码长度L,其中βi(i=1,2,3)和αi(i=1,2,3)的二进制码长度分别为和组合后构成一个长度为的染色体;
确定目标函数的积分形式:
式中,wij(i,j=1,2,3)为权值,ΔNe(t)、Δp0(t)和ΔTsp(t)分别为功率偏差(MW)、主汽压力偏差(MPa)和中间点温度偏差(℃),Δμ(t)、ΔB(t)和ΔW(t)分别为汽机调门开度增量(℃)、燃料量增量(t/h)和给水流量增量(t/h),tiu(i=1,2,3)为上升时间;
从而适应度值函数为:
计算每一个体的适应度fi(i=1,2,…,Size),将适应度转化为被选概率:
采用轮盘赌选择法选择个体,取定交叉概率Pc和变异概率Pm,按照算法规则进行交叉与变异,产生新个体并计算该新个体的适应度,进而进行最优值替换,最终得到最优的个体βi(i=1,2,3)和αi(i=1,2,3),总的控制器为:
K(s)=KhKm&l(s) (18)。
5.根据权利要求1所述的基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法,其特征在于:步骤五所述的加权策略为:
A.80%≤σx≤100%时,Δu=(1-x)Δu80%+xΔu100%,
B.60%≤σx<80%时,Δu=(1-x)Δu60%+xΔu80%,
C.40%≤σx<60%时,Δu=(1-x)Δu40%+xΔu60%,
其中,Δu40%、Δu60%、Δu80%和Δu100%分别为40%、60%、80%和100%负荷工况点下控制器给出的输出控制增量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811018031.4A CN108984979B (zh) | 2018-08-31 | 2018-08-31 | 基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811018031.4A CN108984979B (zh) | 2018-08-31 | 2018-08-31 | 基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108984979A true CN108984979A (zh) | 2018-12-11 |
CN108984979B CN108984979B (zh) | 2022-08-23 |
Family
ID=64547567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811018031.4A Active CN108984979B (zh) | 2018-08-31 | 2018-08-31 | 基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108984979B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113641153A (zh) * | 2021-07-07 | 2021-11-12 | 华能铜川照金煤电有限公司 | 亚临界火电机组协调控制系统参数寻优方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107168062A (zh) * | 2017-05-31 | 2017-09-15 | 国网河南省电力公司电力科学研究院 | 一种超临界燃煤机组协调控制系统中的负荷预测方法 |
-
2018
- 2018-08-31 CN CN201811018031.4A patent/CN108984979B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107168062A (zh) * | 2017-05-31 | 2017-09-15 | 国网河南省电力公司电力科学研究院 | 一种超临界燃煤机组协调控制系统中的负荷预测方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113641153A (zh) * | 2021-07-07 | 2021-11-12 | 华能铜川照金煤电有限公司 | 亚临界火电机组协调控制系统参数寻优方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108984979B (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103576553B (zh) | 一种燃煤锅炉蒸汽温度的分数阶自整定控制方法 | |
CN114362196B (zh) | 一种多时间尺度主动配电网电压控制方法 | |
CN107979092A (zh) | 一种考虑分布式电源与软开关接入的配电网动态重构方法 | |
CN106372756A (zh) | 一种基于繁殖粒子群算法的火电厂负荷优化分配方法 | |
CN112016207B (zh) | 一种发电机组经济负荷分配优化方法 | |
CN108462184B (zh) | 一种电力系统线路串补优化配置方法 | |
CN109978276A (zh) | 火电厂机群多台供热机组热电负荷分配的在线优化方法 | |
Yuan et al. | Application of improved bat algorithm in optimal power flow problem | |
CN103346573B (zh) | 基于黄金分割云粒子群优化算法的风电系统无功规划方法 | |
CN104050505A (zh) | 一种基于带学习因子蜂群算法的多层感知器训练方法 | |
CN111224404A (zh) | 含可控移相器的电力系统潮流快速控制方法 | |
CN104638654B (zh) | 兼顾风电场和网络节点电压调节的statcom控制方法 | |
CN108448659A (zh) | 一种基于hacs算法求解电力系统无功优化的方法 | |
CN106026200A (zh) | 风电场的电力系统无功优化方法 | |
CN108984979A (zh) | 基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法 | |
CN108110769A (zh) | 基于灰狼算法的主动配电网电压协调控制策略 | |
CN111245032B (zh) | 一种计及风电场集电线路降损优化的电压预测控制方法 | |
CN110912185B (zh) | 一种含风力发电电网自动发电控制系统pid控制器设计方法 | |
CN113162096A (zh) | 一种风电经柔直并网系统控制器参数优化设计方法 | |
CN105896547B (zh) | 一种风电接入下的大电网分级电压控制方法 | |
CN106936142A (zh) | 电力系统无功功率调节事件触发控制方法和系统 | |
CN109586313B (zh) | 无功优化的高效内点求解方法 | |
CN115603330A (zh) | 一种基于自适应离散粒子群算法的配电网优化方法 | |
CN116050461A (zh) | 运用卷积神经网络确定模糊控制理论隶属度函数的改进法 | |
CN113189871B (zh) | 一种面向火电机组灵活性运行的协调控制策略 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |