CN109991848A - 抗干扰控制方法和装置 - Google Patents
抗干扰控制方法和装置 Download PDFInfo
- Publication number
- CN109991848A CN109991848A CN201910242298.XA CN201910242298A CN109991848A CN 109991848 A CN109991848 A CN 109991848A CN 201910242298 A CN201910242298 A CN 201910242298A CN 109991848 A CN109991848 A CN 109991848A
- Authority
- CN
- China
- Prior art keywords
- interference
- control
- controller
- set time
- current system
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明实施例提供一种抗干扰控制方法和装置,其中方法包括:获取当前系统状态;将当前系统状态输入至抗干扰控制器,获取抗干扰控制器输出的当前控制输入,基于当前控制输入控制当前系统;其中,抗干扰控制器是基于干扰观测器和固定时间控制器构建的。本发明实施例提供的方法和装置,通过设置干扰观测器,对干扰进行在线估计和补偿,提高了系统的控制精度。此外,通过设置固定时间控制器,使得系统在受扰情况下依旧能够在固定时间内达到稳定,有效提高系统工作效率和安全性能。最后,通过基于干扰观测器和固定时间控制器构建的抗干扰控制器,实现了高精度的复合分层抗干扰控制,相比现有的控制方法拥有更强的时间约束和更高的控制精度。
Description
技术领域
本发明实施例涉及自动控制技术领域,尤其涉及一种抗干扰控制方法和装置。
背景技术
新能源发电作为高效利用新能源的方式,其研究和应用日益得到重视和推广,成为传统能源的有益补充。在新能源领域中,以风能、太阳能为首的可再生能源由于其易获取、廉价、清洁等优点,受到了广泛的关注,
然而,诸如风能、太阳能等新能源发电普遍存在随机性、间歇性、不确定性和不可控性,大规模并网会给电力系统的安全运行带来负面影响。为了保证电力系统的安全运行,研究人员针对新能源发电提出了不同的控制方法,例如PID控制、鲁棒PI控制、优化控制方法,用于抑制发电机的功率波动并保证机组输出功率的平滑性。但是,以上控制方法均没有涉及具体控制过程中发电机的响应时间,无法保证发电机在受扰状态下达到稳定所需的具体时间,无限时间收敛对实际应用中的发电机乃至电力系统的安全性存在着巨大的威胁。
此外,新能源在发电过程中产生的干扰的积累和传播,不仅会影响发电机本身的安全、稳定、高效运行,而且会直接影响电力系统的性能、效率和供电质量。
因此,如何在针对干扰进行在线估计、补偿的同时,确保受扰状态下的发电机能在预设时间内达到稳定,仍然是研究人员亟待解决的问题。
发明内容
本发明实施例提供一种抗干扰控制方法和装置,用以解决现有的控制方法没有限制响应时间,且没有对运行中所受的干扰进行抵消,导致控制精度低、效率差,安全性低的问题。
第一方面,本发明实施例提供一种抗干扰控制方法,包括:
获取当前系统状态;
将所述当前系统状态输入至抗干扰控制器,获取所述抗干扰控制器输出的当前控制输入,基于所述当前控制输入控制当前系统;其中,所述抗干扰控制器是基于干扰观测器和固定时间控制器构建的。
第二方面,本发明实施例提供一种抗干扰控制装置,包括:
状态获取单元,用于获取当前系统状态;
系统控制单元,用于将所述当前系统状态输入至抗干扰控制器,获取所述抗干扰控制器输出的当前控制输入,基于所述当前控制输入控制当前系统;其中,所述抗干扰控制器是基于干扰观测器和固定时间控制器构建的。
第三方面,本发明实施例提供一种电子设备,包括处理器、通信接口、存储器和总线,其中,处理器,通信接口,存储器通过总线完成相互间的通信,处理器可以调用存储器中的逻辑指令,以执行如第一方面所提供的方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的一种抗干扰控制方法和装置,通过设置干扰观测器,对在系统运行中受到的干扰进行在线估计和补偿,提高了系统的控制精度。此外,通过设置固定时间控制器,克服了现有控制算法对响应时间没有限制的问题,使得系统在受扰情况下依旧能够在固定时间内达到稳定,有效提高系统工作效率和安全性能。最后,通过基于干扰观测器和固定时间控制器构建的抗干扰控制器,实现了高精度的复合分层抗干扰控制,相比现有的控制方法拥有更强的时间约束和更高的控制精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的抗干扰控制方法的流程示意图;
图2为本发明实施例提供的抗干扰控制装置的结构示意图;
图3为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有的控制方法既没有涉及具体控制过程中发电机的响应时间,无法保证发电机在受扰状态下达到稳定所需的具体时间,也没有充分考虑运行中所受干扰的特性并对其进行抵消,发电机乃至电力系统的安全性存在着巨大的威胁。针对上述问题,本发明实施例提供了一种抗干扰控制方法。图1为本发明实施例提供的抗干扰控制方法的流程示意图,如图1所示,该方法包括:
步骤110,获取当前系统状态。
具体地,当前系统为当前需要进行控制的系统或装置,当前系统可以是新能源发电机系统,也可以是其他需要通过控制实现稳定输出的系统,例如电力变换系统等,本发明实施例对此不作具体限定。当前系统状态即当前系统的状态信息,当前系统状态用于反映当前系统的运行状态,例如当前系统的输出状态。以前端调速式风力发电机系统为例,前端调速式风力发电机系统的当前系统状态可以是前端调速式风力发电机当前运行中的各个绕组的电流。
步骤120,将当前系统状态输入至抗干扰控制器,获取抗干扰控制器输出的当前控制输入,基于当前控制输入控制当前系统;其中,抗干扰控制器是基于干扰观测器和固定时间控制器构建的。
具体地,当前控制输入是抗干扰控制器基于输入的当前系统状态得到的,当前控制输入是针对当前系统进行控制的输入信号。
抗干扰控制器是基于干扰观测器和固定时间控制器构建的,其中干扰观测器能够估计等效干扰,进而在控制中引入等效的补偿,实现对干扰的完全抵消。固定时间控制器是一种能够保证受干扰的当前系统的输出在固定时间内达到稳定的控制器,此处固定时间是预先设定的,固定时间的长短取决于当前系统的具体需求。固定时间控制器基于输入的当前系统状态,输出对响应时间进行了约束的当前控制输入,使得当前系统在受干扰的情况下,其输出依然能够在当前控制输入的控制下在固定时间内达到稳定。
抗干扰控制器结合了干扰观测器和固定时间控制器,因而同时具备针对干扰的在线估计补偿功能,以及针对控制输入响应时间的约束功能。在将当前系统状态输入到抗干扰控制器后,抗干扰控制器可以结合基于干扰观测器估计的干扰与基于固定时间控制器输出的控制输入,输出当前控制输入。基于当前控制输入对当前系统进行控制,能够在抵消当前系统运行中所受干扰的同时,保证当前系统在受干扰的情况下依旧能够在固定时间内稳定输出。
本发明实施例提供的方法,通过设置干扰观测器,对在系统运行中受到的干扰进行在线估计和补偿,提高了系统的控制精度。此外,通过设置固定时间控制器,克服了现有控制算法对响应时间没有限制的问题,使得系统在受扰情况下依旧能够在固定时间内达到稳定,有效提高系统工作效率和安全性能。最后,通过基于干扰观测器和固定时间控制器构建的抗干扰控制器,实现了高精度的复合分层抗干扰控制,相比现有的控制方法拥有更强的时间约束和更高的控制精度。
基于上述实施例,在步骤120之前还包括:
步骤101,构建当前系统的受扰系统动力学模型。
具体地,当前系统的受扰系统动力学模型是当前系统在受干扰的情况下的当前系统状态、当前控制输入以及干扰之间的关系模型。
步骤102,基于受扰系统动力学模型,构建干扰观测器。
步骤103,基于受扰系统动力学模型,构建固定时间控制器。
需要说明的是,本发明实施例不对步骤102和步骤103的执行顺序作具体限定,步骤102可以先于步骤103执行,也可以在步骤103之后执行,还可以与步骤103同步执行,步骤102中,通过构建干扰观测器,对当前系统中的干扰进行估计。步骤103中,通过构建固定时间控制器,对当前系统中控制输入的响应时间进行限制。
步骤104,基于干扰观测器和固定时间控制器,构建抗干扰控制器。
具体地,在得到干扰观测器和固定时间控制器后,将干扰观测器和固定时间控制器进行复合,构建抗干扰控制器,从而应用干扰观测器估计得到的干扰抵消固定时间控制器直接输出的控制输入,使得抗干扰控制器最终输出的当前控制输入是消除了干扰影响、且能够在固定时间内实现当前系统输出稳定的控制输入。
基于上述任一实施例,步骤101具体包括:
当前系统的受扰系统动力学模型如下式所示:
式中,x(t)为系统状态,为系统状态x(t)的导数,u(t)为控制输入,d(t)为干扰,A和B分别为系数矩阵,系数矩阵A和B是预先设定的。
其中,d(t)是可以表示为如下干扰模型:
式中,w(t)为干扰模型的状态向量,为w(t)的导数。W和G分别为干扰系数矩阵,干扰系统矩阵W和G是预先设定的。
基于上述任一实施例,步骤102具体包括:
基于受扰系统动力学模型,构建干扰观测器如下式所示:
式中,v(t)为干扰观测器的状态,为v(t)的导数,W和G分别为干扰模型中预先设定的干扰系数矩阵,L为观测增益矩阵,A和B分别为受扰系统动力学模型中预先设定的系数矩阵,为干扰模型的状态向量w(t)的估计值,x(t)为系统状态,u(t)为控制输入,为受扰系统动力学模型中的干扰d(t)的估计值。
本发明实施例提供的方法,通过构建干扰观测器,对在系统运行中受到的干扰进行在线估计和补偿,避免了由于干扰的累积和传播导致的安全隐患,保证了系统的安全运行,提高了系统的控制精度。
基于上述任一实施例,步骤103具体包括:
基于受扰系统动力学模型,构建固定时间控制器如下式所示:
式中,uft(t)为固定时间控制器的控制输入,K为控制增益矩阵,K=yX-1,y为受扰系统动力学模型中系统状态的变化量,y=Ax(t)+B[u(t)+d(t)],P为对称矩阵且P=X-1,xT(t)为系统状态x(t)的转置矩阵;V是通过如下公式得到的:
其中,Q1(V,x(t))和Q2(V,x(t))分别如下所示:
式中,表示对角线元素为的对角矩阵。
r1=(1+(n-1)μ,1+(n-2)μ,...,1+μ,1)T;
r2=(1,1+v,...,1+(n-2)v,1+(n-1)v)T;
也就是说,
上式中,μ与v为预先设定的固定时间参数,n为自然数,0<μ≤1,v>0。
本发明实施例提供的方法,通过构建固定时间控制器,克服了现有控制算法对响应时间没有限制的问题,使得系统在受扰情况下依旧能够在固定时间内达到稳定,有效提高系统的工作效率和安全性能。
基于上述任一实施例,步骤104具体包括:
基于干扰观测器和固定时间控制器,构建抗干扰控制器如下式所示:
式中,u(t)为抗干扰控制器的控制输入,为干扰观测器中干扰d(t)的估计值,uft(t)为固定时间控制器的控制输入。
进一步地,抗干扰控制器可由下式表示:
本发明实施例提供的方法,基于干扰观测器和固定时间控制器构建抗干扰控制器,使得抗干扰控制器能够用于实现高精度的复合分层抗干扰控制,相比现有的控制方法具备更强的时间约束和更高的控制精度。
基于上述任一实施例,步骤120之前还包括:步骤105,获取观测增益矩阵L。观测增益矩阵L的获取步骤如下:
步骤1051,定义观测误差为ew(t),基于观测误差建立误差系统模型如下:
式中,为ew(t)的导数,
步骤1052,基于误差系统模型,应用极点配置方法确定观测增益矩阵L。
具体地,在得到误差系统模型后,对误差系统模型进行极点配置,使得误差系统模型中的观测误差ew(t)趋近于零,进而得到观测误差ew(t)趋近于零时的观测增益矩阵L,将此时观测增益矩阵L的值作为最终的抗干扰控制器中观测增益矩阵L的值。其中,极点配置是通过比例环节的反馈把定常线性系统的极点移置到预定位置的一种综合原理。
基于上述任一实施例,步骤120之前还包括:基于如下公式获取控制增益矩阵K:
式中,X=XT;A和B分别为受扰系统动力学模型中的系数矩阵,AT和BT分别为A和B的转置矩阵。y为受扰系统动力学模型中系统状态的变化量,y=Ax(t)+B[u(t)+d(t)],K=yX-1。
参数α、β、γ1和γ2均大于0;
n'为Hμ和Hv的预设行列数,n'是自然数,-(r1)i为对角矩阵Hμ的元素,-(r2)i为对角矩阵Hv的元素。
进一步地,可以基于上述公式,通过线性矩阵不等式确定控制增益矩阵K。其中,线性矩阵不等式是一种用于解决系统控制问题的求解方法。
基于上述任一实施例,步骤120之前还包括:将抗干扰控制器代入受扰系统动力学模型,获取闭环控制模型如下所示:
基于上述任一实施例,针对前端调速式风力发电机提供一种抗干扰控制方法,具体包括如下步骤:
首先,针对前端调速式风力发电机系统在运行过程中所受的干扰建立受扰系统动力学模型:
前端调速式风力发电机系统在运行时受到的干扰主要有机侧风扰动、随机噪声、发电机振动、电磁兼容性问题、谐波干扰等。上述干扰主要分为两类,一类是可以用动态子系统表示的扰动,这类扰动具有偶然性、随机性,难以建模且强度有限;另一类是由风速的随机性、不确定性、间歇性和不可控性导致机组输出功率的波动性产生的谐波扰动,它和发电机运行过程中产生的电磁扰动共同构成发电机输入通道中的扰动,对于风电电能质量的影响日渐突出。本发明实施例基于第二类干扰,即发电机输入通道中的扰动建立受扰系统动力学模型如下:
式中,x(t)为系统状态,x=[id iq io if iD iQ]T用于表示前端调速式风力发电机运行中各绕组的电流。u(t)为控制输入。A和B分别为系数矩阵。d(t)为干扰,具体包括由风速的随机性、不确定性、间歇性和不可控性导致机组输出功率的波动性产生的谐波扰动,以及发电机运行过程中产生的电磁扰动共同构成的发电机输入通道中的扰动。d(t)由如下干扰模型表示:
式中,w(t)为干扰模型的状态向量,W和G分别为干扰系数矩阵。
其次,基于受扰系统动力学模型,构建干扰观测器,用于对与前端调速式风力发电机控制频率不匹配的内部扰动进行估计。
基于受扰系统动力学模型,构建干扰观测器如下式所示:
式中,为w(t)的估计值,为d(t)的估计值,v(t)为辅助变量,即干扰观测器的状态,L为观测增益矩阵。其中,包含了谐波扰动和电磁扰动。
接着,基于受扰系统动力学模型,构建固定时间控制器如下式所示:
式中,uft(t)为固定时间控制器的控制输入,K为控制增益矩阵,K=yX-1,y为受扰系统动力学模型中系统状态的变化量,y=Ax(t)+B[u(t)+d(t)],P为对称矩阵且P=X-1,xT(t)为系统状态x(t)的转置矩阵。
V是通过如下公式得到的:
其中,Q1(V,x(t))和Q2(V,x(t))分别如下所示:
式中, 表示对角线元素为的对角矩阵。
r1=(1+(n-1)μ,1+(n-2)μ,...,1+μ,1)T;
r2=(1,1+v,...,1+(n-2)v,1+(n-1)v)T;
上式中,μ与v为预先设定的固定时间参数,n为自然数,0<μ≤1,v>0。
然后,基于干扰观测器和固定时间控制器,构建抗干扰控制器如下式所示:
式中,u(t)为抗干扰控制器的控制输入,为干扰观测器中干扰d(t)的估计值,uft(t)为固定时间控制器的控制输入。
定义观测误差为ew(t),基于观测误差建立误差系统模型如下:
式中,
基于误差系统模型,应用极点配置方法确定观测增益矩阵L。
此外,基于如下公式获取控制增益矩阵K:
式中,X=XT;A和B分别为受扰系统动力学模型中的系数矩阵,AT和BT分别为A和B的转置矩阵。y为受扰系统动力学模型中系统状态的变化量,y=Ax(t)+B[u(t)+d(t)],K=yX-1。
参数α、β、γ1和γ2均大于0;
n'为Hμ和Hv的预设行列数,-(r1)i为对角矩阵Hμ的元素,-(r2)i为对角矩阵Hv的元素。
将确定后的观测增益矩阵L和控制增益矩阵K应用在抗干扰控制器中。
在得到抗干扰控制器后,将抗干扰控制器和观测误差代入受扰系统动力学模型,获取闭环控制模型如下所示:
在前端调速式风力发电机系统运行过程中,实时获取前端调速式风力发电机系统的当前系统状态,并将当前系统状态输入到抗干扰控制器中,获取抗干扰控制器输出的当前控制输入,并基于当前控制输入控制前端调速式风力发电机系统,实现前端调速式风力发电机系统的抗干扰闭环控制。
本发明实施例提供的方法,通过设置干扰观测器,对在系统运行中受到的干扰进行在线估计和补偿,提高了系统的控制精度。此外,通过设置固定时间控制器,克服了现有控制算法对响应时间没有限制的问题,使得系统在受扰情况下依旧能够在固定时间内达到稳定,有效提高系统工作效率和安全性能。最后,通过基于干扰观测器和固定时间控制器构建的抗干扰控制器,实现了高精度的复合分层抗干扰控制,相比现有的控制方法拥有更强的时间约束和更高的控制精度。
基于上述任一实施例,图2为本发明实施例提供的抗干扰控制装置的结构示意图,如图2所示,抗干扰控制装置包括状态获取单元210和系统控制单元220;
其中,状态获取单元210用于获取当前系统状态;
系统控制单元220用于将所述当前系统状态输入至抗干扰控制器,获取所述抗干扰控制器输出的当前控制输入,基于所述当前控制输入控制当前系统;其中,所述抗干扰控制器是基于干扰观测器和固定时间控制器构建的。
本发明实施例提供的装置,通过设置干扰观测器,对在系统运行中受到的干扰进行在线估计和补偿,提高了系统的控制精度。此外,通过设置固定时间控制器,克服了现有控制算法对响应时间没有限制的问题,使得系统在受扰情况下依旧能够在固定时间内达到稳定,有效提高系统工作效率和安全性能。最后,通过基于干扰观测器和固定时间控制器构建的抗干扰控制器,实现了高精度的复合分层抗干扰控制,相比现有的控制方法拥有更强的时间约束和更高的控制精度。
基于上述任一实施例,该装置还包括受扰模型单元、干扰观测单元、定时控制单元和控制器构建单元;
其中,受扰模型单元用于构建所述当前系统的受扰系统动力学模型;
干扰观测单元用于基于所述受扰系统动力学模型,构建干扰观测器;
定时控制单元用于基于所述受扰系统动力学模型,构建固定时间控制器;
控制器构建单元用于基于所述干扰观测器和所述固定时间控制器,构建所述抗干扰控制器。
基于上述任一实施例,受扰模型单元具体用于:
所述当前系统的受扰系统动力学模型如下式所示:
式中,x(t)为系统状态,u(t)为控制输入,d(t)为干扰,A和B分别为系数矩阵;
其中,d(t)如下干扰模型表示:
式中,w(t)为干扰模型的状态向量,W和G分别为干扰系数矩阵。
基于上述任一实施例,干扰观测单元具体用于:
基于所述受扰系统动力学模型,构建干扰观测器如下式所示:
式中,为w(t)的估计值,为d(t)的估计值,v(t)为所述干扰观测器的状态,L为观测增益矩阵。
基于上述任一实施例,定时控制单元具体用于:
基于所述受扰系统动力学模型,构建固定时间控制器如下式所示:
式中,uft(t)为所述固定时间控制器的控制输入,K为控制增益矩阵,K=yX-1,y=Ax(t)+B[u(t)+d(t)],P为对称矩阵且P=X-1;V是通过如下公式得到的:
其中,Q1(V,x(t))和Q2(V,x(t))分别如下所示:
式中,
r1=(1+(n-1)μ,1+(n-2)μ,...,1+μ,1)T;
r2=(1,1+v,...,1+(n-2)v,1+(n-1)v)T;
μ与v为固定时间参数,n为自然数,0<μ≤1,v>0。
基于上述任一实施例,控制器构建单元具体用于:
基于所述干扰观测器和所述固定时间控制器,构建所述抗干扰控制器如下式所示:
基于上述任一实施例,该装置还包括观测增益确定单元;观测增益确定单元具体用于:
基于观测误差建立误差系统模型如下:
式中,ew(t)为所述观测误差,
基于所述误差系统模型,应用极点配置方法确定所述观测增益矩阵L。
基于上述任一实施例,该装置还包括控制增益确定单元;控制增益确定单元具体用于:
基于如下公式获取控制增益矩阵K:
式中,X=XT;参数α、β、γ1和γ2均大于0;
n'为Hμ和Hv的预设行列数,-(r1)i为对角矩阵Hμ的元素,-(r2)i为对角矩阵Hv的元素。
基于上述任一实施例,该装置还包括闭环单元;闭环单元具体用于:
将所述抗干扰控制器代入所述受扰系统动力学模型,获取闭环控制模型如下所示:
图3为本发明实施例提供的电子设备的实体结构示意图,如图3所示,该电子设备可以包括:处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和通信总线304,其中,处理器301,通信接口302,存储器303通过通信总线304完成相互间的通信。处理器301可以调用存储在存储器303上并可在处理器301上运行的计算机程序,以执行上述各实施例提供的抗干扰控制方法,例如包括:获取当前系统状态;将所述当前系统状态输入至抗干扰控制器,获取所述抗干扰控制器输出的当前控制输入,基于所述当前控制输入控制当前系统;其中,所述抗干扰控制器是基于干扰观测器和固定时间控制器构建的。
此外,上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的抗干扰控制方法,例如包括:获取当前系统状态;将所述当前系统状态输入至抗干扰控制器,获取所述抗干扰控制器输出的当前控制输入,基于所述当前控制输入控制当前系统;其中,所述抗干扰控制器是基于干扰观测器和固定时间控制器构建的。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种抗干扰控制方法,其特征在于,包括:
获取当前系统状态;
将所述当前系统状态输入至抗干扰控制器,获取所述抗干扰控制器输出的当前控制输入,基于所述当前控制输入控制当前系统;其中,所述抗干扰控制器是基于干扰观测器和固定时间控制器构建的。
2.根据权利要求1所述的方法,其特征在于,所述将所述当前系统状态输入至抗干扰控制器,获取所述抗干扰控制器输出的控制输入,基于所述控制输入控制当前系统,之前还包括:
构建所述当前系统的受扰系统动力学模型;
基于所述受扰系统动力学模型,构建所述干扰观测器;
基于所述受扰系统动力学模型,构建所述固定时间控制器;
基于所述干扰观测器和所述固定时间控制器,构建所述抗干扰控制器。
3.根据权利要求2所述的方法,其特征在于,所述构建所述当前系统的受扰系统动力学模型,具体包括:
所述当前系统的受扰系统动力学模型如下式所示:
式中,x(t)为系统状态,为x(t)的导数,u(t)为控制输入,d(t)为干扰,A和B分别为系数矩阵;
其中,d(t)如下干扰模型所示:
式中,w(t)为干扰模型的状态向量,为w(t)的导数,W和G分别为干扰系数矩阵。
4.根据权利要求3所述的方法,其特征在于,所述基于所述受扰系统动力学模型,构建所述干扰观测器,具体包括:
基于所述受扰系统动力学模型,构建所述干扰观测器如下式所示:
式中,为w(t)的估计值,为d(t)的估计值,v(t)为所述干扰观测器的状态,为v(t)的导数,L为观测增益矩阵。
5.根据权利要求4所述的方法,其特征在于,所述基于所述受扰系统动力学模型,构建所述固定时间控制器,具体包括:
基于所述受扰系统动力学模型,构建固定时间控制器如下式所示:
式中,uft(t)为所述固定时间控制器的控制输入,K为控制增益矩阵,K=yX-1,y=Ax(t)+B[u(t)+d(t)],P为对称矩阵且P=X-1;V是通过如下公式得到的:
其中,Q1(V,x(t))和Q2(V,x(t))分别如下所示:
式中,
r1=(1+(n-1)μ,1+(n-2)μ,...,1+μ,1)T;
r2=(1,1+v,...,1+(n-2)v,1+(n-1)v)T;
μ与v为固定时间参数,n为自然数,0<μ≤1,v>0。
6.根据权利要求5所述的方法,其特征在于,所述基于所述干扰观测器和所述固定时间控制器,构建所述抗干扰控制器,具体包括:
基于所述干扰观测器和所述固定时间控制器,构建所述抗干扰控制器如下式所示:
7.根据权利要求4至6中任一项所述的方法,其特征在于,所述将所述当前系统状态输入至抗干扰控制器,获取所述抗干扰控制器输出的控制输入,基于所述控制输入控制当前系统,之前还包括:
基于观测误差建立误差系统模型如下:
式中,ew(t)为所述观测误差,为ew(t)的导数,
基于所述误差系统模型,应用极点配置方法确定所述观测增益矩阵L。
8.根据权利要求5或6所述的方法,其特征在于,所述将所述当前系统状态输入至抗干扰控制器,获取所述抗干扰控制器输出的控制输入,基于所述控制输入控制当前系统,之前还包括:
基于如下公式获取控制增益矩阵K:
式中,X=XT;参数α、β、γ1和γ2均大于0;
n'为Hμ和Hv的预设行列数。
9.根据权利要求6所述的方法,其特征在于,所述将所述当前系统状态输入至抗干扰控制器,获取所述抗干扰控制器输出的控制输入,基于所述控制输入控制当前系统,之前还包括:
将所述抗干扰控制器代入所述受扰系统动力学模型,获取闭环控制模型如下所示:
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至9任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910242298.XA CN109991848B (zh) | 2019-03-28 | 2019-03-28 | 抗干扰控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910242298.XA CN109991848B (zh) | 2019-03-28 | 2019-03-28 | 抗干扰控制方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109991848A true CN109991848A (zh) | 2019-07-09 |
CN109991848B CN109991848B (zh) | 2022-02-01 |
Family
ID=67131757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910242298.XA Active CN109991848B (zh) | 2019-03-28 | 2019-03-28 | 抗干扰控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109991848B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113765451A (zh) * | 2021-08-18 | 2021-12-07 | 南方电网能源发展研究院有限责任公司 | 基于输出反馈的三机组电力系统的控制方法和计算机设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070103007A1 (en) * | 2003-12-22 | 2007-05-10 | The Doshisha | Lighting control system |
CN102749852A (zh) * | 2012-07-24 | 2012-10-24 | 北京航空航天大学 | 多源干扰系统的容错抗干扰控制方法 |
CN104267601A (zh) * | 2014-09-23 | 2015-01-07 | 江南大学 | 二重随机跳变系统基于观测器的有限短时间控制方法 |
CN104950899A (zh) * | 2015-06-10 | 2015-09-30 | 北京理工大学 | 一种固定时间收敛的飞行器姿态控制方法 |
CN105786008A (zh) * | 2016-03-31 | 2016-07-20 | 北京航空航天大学 | 一种针对飞轮饱和及摩擦特性的挠性航天器姿态控制方法 |
CN107196534A (zh) * | 2017-05-19 | 2017-09-22 | 东南大学 | 一种基于干扰观测器的单相逆变器有限时间控制方法 |
CN108536020A (zh) * | 2018-07-17 | 2018-09-14 | 哈尔滨工业大学 | 一种针对垂直起降重复使用运载器的模型参考自适应滑模控制方法 |
-
2019
- 2019-03-28 CN CN201910242298.XA patent/CN109991848B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070103007A1 (en) * | 2003-12-22 | 2007-05-10 | The Doshisha | Lighting control system |
CN102749852A (zh) * | 2012-07-24 | 2012-10-24 | 北京航空航天大学 | 多源干扰系统的容错抗干扰控制方法 |
CN104267601A (zh) * | 2014-09-23 | 2015-01-07 | 江南大学 | 二重随机跳变系统基于观测器的有限短时间控制方法 |
CN104950899A (zh) * | 2015-06-10 | 2015-09-30 | 北京理工大学 | 一种固定时间收敛的飞行器姿态控制方法 |
CN105786008A (zh) * | 2016-03-31 | 2016-07-20 | 北京航空航天大学 | 一种针对飞轮饱和及摩擦特性的挠性航天器姿态控制方法 |
CN107196534A (zh) * | 2017-05-19 | 2017-09-22 | 东南大学 | 一种基于干扰观测器的单相逆变器有限时间控制方法 |
CN108536020A (zh) * | 2018-07-17 | 2018-09-14 | 哈尔滨工业大学 | 一种针对垂直起降重复使用运载器的模型参考自适应滑模控制方法 |
Non-Patent Citations (6)
Title |
---|
A.POLYAKOV, D. EFIMOV , W. PERRUQUETTI: "Robust stabilization of MIMO systems in finite/fixed time", 《INTERNATIONAL JOURNAL OF ROBUST NONLINEAR CONTROL》 * |
XINJIANGWEI,HUIFENGZHANG,LEIGUO: "Composite Disturbance-Observer-Based Control and Terminal Sliding Mode Control for Uncertain Structural Systems", 《IFAC PROCEEDINGS VOLUMES》 * |
李俊生; 魏新江: "一类非线性离散系统的复合DOBC和饱和控制", 《鲁东大学学报(自然科学版)》 * |
董乐伟;魏新江: "一类带有非谐波扰动的随机系统的抗干扰控制", 《鲁东大学学报(自然科学版)》 * |
赵涵旭: "多源干扰系统的抗干扰控制", 《中国优秀硕士学位论文全文数据库·信息科技辑》 * |
黄成,王岩: "交会对接模拟系统姿态跟踪有限时间抗干扰控制", 《控制与决策》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113765451A (zh) * | 2021-08-18 | 2021-12-07 | 南方电网能源发展研究院有限责任公司 | 基于输出反馈的三机组电力系统的控制方法和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109991848B (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fu et al. | Integrated wind turbine controller with virtual inertia and primary frequency responses for grid dynamic frequency support | |
Yin et al. | Optimal torque control based on effective tracking range for maximum power point tracking of wind turbines under varying wind conditions | |
Soued et al. | Optimal blade pitch control for enhancing the dynamic performance of wind power plants via metaheuristic optimisers | |
Jadhav et al. | Performance verification of PID controller in an interconnected power system using particle swarm optimization | |
CN108390393B (zh) | 配电网多目标无功优化方法及终端设备 | |
CN103544378A (zh) | 一种直流输电用交流系统谐波阻抗计算方法 | |
CN103259472B (zh) | 大型发电机组次同步振荡的反振荡自适应抑制系统 | |
CN108681823A (zh) | 一种含微电网的配电网分布式电源规划方法 | |
Zhang et al. | Control optimisation for pumped storage unit in micro‐grid with wind power penetration using improved grey wolf optimiser | |
CN110518591B (zh) | 一种不确定电力系统的潮流计算方法 | |
CN106786669B (zh) | 一种风电场有功功率变化率控制方法及系统 | |
CN109657902B (zh) | 考虑次同步振荡特性的双馈风机动态等值方法 | |
CN104242308A (zh) | 一种计及电压稳定的多源系统分区方法 | |
Sun et al. | High‐performance control for a permanent‐magnet linear synchronous generator using state feedback control scheme plus grey wolf optimisation | |
CN106602610B (zh) | 一种风电场等值模型的建立方法 | |
CN112103941A (zh) | 考虑电网灵活性的储能配置双层优化方法 | |
Jannati et al. | Mitigation of windfarm power fluctuation by adaptive linear neuron‐based power tracking method with flexible learning rate | |
CN109991848A (zh) | 抗干扰控制方法和装置 | |
Ni et al. | Cross‐gramian‐based dynamic equivalence of wind farms | |
CN115459310A (zh) | 基于改进变分模态分解的混合储能容量优化方法及系统 | |
CN114298383A (zh) | 一种虚拟电厂储能容量配置方法及装置 | |
CN114447924A (zh) | 智能电网的分布式差分隐私admm能量管控方法及系统 | |
CN114336663A (zh) | 一种新型电力系统源网协同规划方法及装置 | |
Jananisri et al. | Damping of power system oscillations using unified power flow controller | |
CN114172201B (zh) | 一种模块化直驱风机控制模型结构识别方法 |
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 |