CN116243606A - 基于灵敏度控制器的风机机侧鲁棒控制器配置方法及系统 - Google Patents
基于灵敏度控制器的风机机侧鲁棒控制器配置方法及系统 Download PDFInfo
- Publication number
- CN116243606A CN116243606A CN202310217797.XA CN202310217797A CN116243606A CN 116243606 A CN116243606 A CN 116243606A CN 202310217797 A CN202310217797 A CN 202310217797A CN 116243606 A CN116243606 A CN 116243606A
- Authority
- CN
- China
- Prior art keywords
- robust controller
- vector
- weighting function
- fan
- fan side
- 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.)
- Pending
Links
- 230000035945 sensitivity Effects 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 74
- 239000013598 vector Substances 0.000 claims description 228
- 230000006870 function Effects 0.000 claims description 200
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 14
- 230000010355 oscillation Effects 0.000 claims description 8
- 230000005764 inhibitory process Effects 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 8
- 238000005457 optimization Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 230000002401 inhibitory effect Effects 0.000 description 6
- 239000002245 particle Substances 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 239000000872 buffer Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
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)
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
本发明公开了基于灵敏度控制器的风机机侧鲁棒控制器配置方法及系统,该方法优化求解满足风机在参数扰动和电压跌落等不确定因素影响下鲁棒控制器配置时的加权函数参数,从而快速得到满足风机机侧鲁棒控制器配置要求的最优加权函数,保证所配置的控制器在风电系统出现扰动和模型或参数不确定性时的鲁棒特性。该方法可使没有相关加权函数配置经验人员能够快速得到风机机侧鲁棒控制器所需的最优加权函数,更有利于风机机侧鲁棒控制器配置与应用。
Description
技术领域
本申请涉及风机机侧鲁棒控制器技术领域,具体涉及基于灵敏度控制器的风机机侧鲁棒控制器配置方法及系统。
背景技术
鲁棒控制算法可以保证系统在模型、参数以及外部扰动不确定时的鲁棒特性,弥补了传统控制器配置时对精确模型的依赖。在配置鲁棒控制器时,加权函数的选取决定了鲁棒控制器的控制效果,采用最优加权函数能够更好的保证控制器的鲁棒特性。
在配置风机机侧控制器时多采用PI控制,其对模型的依赖度高。当模型存在不确定时,PI控制器的控制效果不能得到保证。
运用鲁棒控制算法配置的风机机侧控制器能够保证风机在模型参数发生改变或风机系统发生扰动时的鲁棒特性。在风机机侧鲁棒控制器配置时,现有研究多根据经验配置加权函数,所选取的加权函数局限性高,需要进行大量的仿真验证控制有效性,实际应用性低。近年来,有学者采用粒子群算法对加权函数进行优化求解。但由于粒子群算法受到学习因子、速度和方向的限制,采用粒子群算法求解配置加权函数时易陷入到局部最优。同时,粒子群算法需要采用大量的粒子种群进行寻优,计算速度降低。
发明内容
本发明实施例提供了基于灵敏度控制器的风机机侧鲁棒控制器配置方法及系统,针对现有研究多根据经验配置加权函数,所选取的加权函数局限性高,需要进行大量的仿真验证控制有效性,实际应用性低的问题,通过求解风机机侧鲁棒控制器配置时所需的加权函数,提出的鲁棒风机机侧鲁棒控制器优化配置方法。
为解决上述技术问题,本申请提供以下技术方案:
第一方面,本申请提供一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法,所述基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法包括:
根据预设的适应度函数,在初始向量集内选取多个参考向量;
执行迭代操作,所述迭代操作包括更新所述初始向量集的收敛因子以及系数向量,根据更新后的所述收敛因子、更新后的所述系数向量、当前目标向量的位置信息、当前向量集每个参考向量的位置信息,更新所述目标向量的位置信息,初始所述目标向量根据风机机侧鲁棒控制器加权函数的参数得到;
根据预设的混合灵敏度函数,结合所有更新后的所述目标向量的位置信息,得到风机机侧鲁棒控制器的多个加权函数;
根据多个所述加权函数配置所述风机机侧鲁棒控制器。
优选地,所述根据预设的混合灵敏度函数,结合所有更新后的所述目标向量的位置信息,得到风机机侧鲁棒控制器的多个加权函数,包括:
根据所有更新后的所述目标向量的位置信息,得到最优目标向量;
根据所述最优目标向量得到所述加权函数的最优参数;
根据所述最优参数以及混合灵敏度函数得到第一加权函数以及第二加权函数。
优选地,所述基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法还包括:
判断所述初始向量集内每个参考向量是否满足多个预设的约束条件;
若每个所述参考向量不满足多个所述约束条件,则根据所述约束条件更新所述初始向量集。
优选地,所述基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法还包括:
根据所述加权函数的参数,得到所述适应度函数,所述参数包括低频增益、低频带宽、高频增益以及高频带宽。
优选地,所述根据所述加权函数的参数,得到所述适应度函数,包括:
根据所述低频增益以及低频带宽,得到所述第一加权函数;
根据所述高频增益以及高频带宽,得到所述第二加权函数;
根据所述第一加权函数、所述第二加权函数以及所述风机机侧鲁棒控制器的灵敏度,得到所述适应度函数。
优选地,所述基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法还包括:
根据所述风机机侧鲁棒控制器的扰动振荡频率,以及所述加权函数的适应度函数,得到多个所述约束条件。
优选地,所述根据所述风机机侧鲁棒控制器的扰动振荡频率,以及所述加权函数的适应度函数,得到多个所述约束条件,包括:
根据风机系统外部故障产生的扰动振荡,得到所述第一加权函数以及第二加权函数的低频带宽以及高频带宽约束条件;
根据所述风机机侧鲁棒控制器低频抑制状态以及高频抑制状态,得到所述第一加权函数以及第二加权函数的低频增益以及高频增益约束条件;
根据所述适应度函数以及设定值,得到所述第一加权函数以及第二加权函数的适应度值约束条件。
第二方面,本申请提供一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置系统,所述基于灵敏度控制器框架的风机机侧鲁棒控制器配置系统包括:
向量选取模块:根据预设的适应度函数,在初始向量集内选取多个参考向量;
参数更新模块:执行迭代操作,所述迭代操作包括更新所述初始向量集的收敛因子以及系数向量,根据更新后的所述收敛因子、更新后的所述系数向量、当前目标向量的位置信息、当前每个所述参考向量的位置信息,更新所述目标向量的位置信息,初始所述目标向量根据风机机侧鲁棒控制器加权函数的参数得到;
加权函数模块:根据预设的混合灵敏度函数,结合所有更新后的所述目标向量的位置信息,得到风机机侧鲁棒控制器的多个加权函数;
控制器配置模块:根据多个所述加权函数配置所述风机机侧鲁棒控制器。
同时,本发明还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述方法。
同时,本发明还提供一种计算机可读存储介质,计算机可读存储介质存储有执行上述方法的计算机程序。
由上述技术方案可知,本申请提供的基于灵敏度控制器的风机机侧鲁棒控制器配置方法及系统,该方法优化求解满足风机在参数扰动和电压跌落等不确定因素影响下鲁棒控制器配置时的加权函数参数,从而快速得到满足风机机侧鲁棒控制器配置要求的最优加权函数,保证所配置的控制器在风电系统出现扰动和模型或参数不确定性时的鲁棒特性。该方法可使没有相关加权函数配置经验人员能够快速得到风机机侧鲁棒控制器所需的最优加权函数,更有利于风机机侧鲁棒控制器配置与应用。
为让本发明的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
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简单地介绍,显而易见地,下面描述中的附图仅仅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为本申请实施例中的一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法的流程示意图。
图2为本申请实施例中的一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法中风机机侧鲁棒控制器配置框架示意图。
图3为本申请实施例中的一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置系统的结构示意图。
图4为申请实施例中的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
考虑到在配置风机机侧控制器时多采用PI控制,其对模型的依赖度高。当模型存在不确定时,PI控制器的控制效果不能得到保证,本申请提供一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法、系统、电子设备和计算机可读存储介质,针对现有研究多根据经验配置加权函数,所选取的加权函数局限性高,需要进行大量的仿真验证控制有效性,实际应用性低的问题,通过求解风机机侧鲁棒控制器配置时所需的加权函数,提出的鲁棒风机机侧鲁棒控制器优化配置方法。
基于上述内容,本申请还提供一种用于实现本申请一个或多个实施例中提供的基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法的基于灵敏度控制器框架的风机机侧鲁棒控制器配置装置,该基于灵敏度控制器框架的风机机侧鲁棒控制器配置装置可以与用户客户端设备之间通信连接,所述用户客户终端设备可以设有多个,基于灵敏度控制器框架的风机机侧鲁棒控制器配置装置具体可以通过应用服务器访问所述客户终端设备。
其中,所述基于灵敏度控制器框架的风机机侧鲁棒控制器配置装置可以自客户终端设备接收基于灵敏度控制器框架的风机机侧鲁棒控制器配置指令,并自该基于灵敏度控制器框架的风机机侧鲁棒控制器配置指令中获取风机机侧鲁棒控制器加权函数的参数,所述基于灵敏度控制器框架的风机机侧鲁棒控制器配置装置根据加权函数的参数,将加权函数的参数组合为一目标向量输入基于灵敏度控制器框架的风机机侧鲁棒控制器配置系统,所述基于灵敏度控制器框架的风机机侧鲁棒控制器配置装置输出加权函数,根据加权函数配置风机机侧鲁棒控制器,而后,所述基于灵敏度控制器框架的风机机侧鲁棒控制器配置装置可以将风机机侧鲁棒控制器的配置方案发送至客户端设备进行显示,以使用户根据客户端设备获得基于灵敏度控制器框架的风机机侧鲁棒控制器配置方案。
可以理解的是,所述客户端设备可以包括智能手机、平板电子设备、便携式计算机、台式电脑以及个人数字助理(PDA)等。
在另一实际应用情形中,进行基于灵敏度控制器框架的风机机侧鲁棒控制器配置的部分可以在如上述内容所述的分类处理中心执行,也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力,以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成,所述客户端设备还可以包括处理器,用于进行基于灵敏度控制器框架的风机机侧鲁棒控制器配置的具体处理。
上述的客户端设备可以具有通信模块(即通信单元),可以与远程的服务器进行通信连接,实现与所述服务器的数据传输。例如,通信单元可以将基于灵敏度控制器框架的风机机侧鲁棒控制器配置指令发送至分类处理中心的服务器,以便服务器根据基于灵敏度控制器框架的风机机侧鲁棒控制器配置指令进行基于灵敏度控制器框架的风机机侧鲁棒控制器配置处理。通信单元还可以接收服务器返回的基于灵敏度控制器框架的风机机侧鲁棒控制器配置方案。所述服务器可以包括任务调度中心一侧的服务器,其他的实施场景中也可以包括中间平台的服务器,例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备,也可以包括多个服务器组成的服务器集群,或者分布式装置的服务器结构。
上述服务器与所述客户端设备之间可以使用任何合适的网络协议进行通信,包括在本申请提交日尚未开发出的网络协议。所述网络协议例如可以包括TCP/IP协议、UDP/IP协议、HTTP协议、HTTPS协议等。当然,所述网络协议例如还可以包括在上述协议之上使用的RPC协议(Remote Procedure Call Protocol,远程过程调用协议)、REST协议(Representational State Transfer,表述性状态转移协议)等。
本申请提供的一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法、系统、电子设备和计算机可读存储介质,该方法优化求解满足风机在参数扰动和电压跌落等不确定因素影响下鲁棒控制器配置时的加权函数参数,从而快速得到满足风机机侧鲁棒控制器配置要求的最优加权函数,保证所配置的控制器在风电系统出现扰动和模型或参数不确定性时的鲁棒特性。该方法可使没有相关加权函数配置经验人员能够快速得到风机机侧鲁棒控制器所需的最优加权函数,更有利于风机机侧鲁棒控制器配置与应用。
具体通过下述多个实施例及应用实例分别进行说明。
为了解决在配置风机机侧控制器时多采用PI控制,其对模型的依赖度高。当模型存在不确定时,PI控制器的控制效果不能得到保证的问题,本申请提供一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法的实施例,参见图1,所述基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法具体包括有如下内容:
步骤100:根据预设的适应度函数,在初始向量集内选取多个参考向量;
可以理解的是,在初始向量集中选取并保存最优前三适应度值对应的参考向量,其余向量不断向前三靠近并找到全局最优值。初始化系统参数,其中包括参考向量数、最大迭代循环次数、种群数、优化系数上下界,并在优化系数上下界范围内随机生成初始向量集。
步骤200:执行迭代操作,所述迭代操作包括更新所述初始向量集的收敛因子以及系数向量,根据更新后的所述收敛因子、更新后的所述系数向量、当前目标向量的位置信息、当前向量集每个参考向量的位置信息,更新所述目标向量的位置信息,初始所述目标向量根据风机机侧鲁棒控制器加权函数的参数得到;
可以理解的是,加权函数对风机机侧鲁棒控制器的效果具有重要影响,针对标准的H∞混合灵敏度配置,分别选取低通滤波器和高通滤波器作为待配置加权函数的一般表达式。其中,低通滤波器用于抑制风电系统转子侧电流在故障扰动时受到的干扰;高通滤波器用于抑制风电系统转子侧电压在系统存在参数或者模型不确定性时的鲁棒特性。
式中,KL、ωL分别表示加权函数W1的低频增益、低频带宽;KH、ωH分别表示加权函数W2的高频增益、高频带宽,每次迭代循环,先更新收敛因子以及系数向量,收敛因子以及系数向量可用于增加参考向量位置的随机性,根据收敛因子以及系数向量,结合当前目标向量的位置信息以及参考向量集位置信息,对目标向量进行更新,每次迭代循环都会得到一个目标向量,直到迭代循环达到设定次数。
步骤300:根据预设的混合灵敏度函数,结合所有更新后的所述目标向量的位置信息,得到风机机侧鲁棒控制器的多个加权函数;
可以理解的是,根据目标向量的位置信息得到加权函数的参数,进而根据参数得到加权函数。
步骤400:根据多个所述加权函数配置所述风机机侧鲁棒控制器。
从上述描述可知,本申请实施例提供的一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法,该方法优化求解满足风机在参数扰动和电压跌落等不确定因素影响下鲁棒控制器配置时的加权函数参数,从而快速得到满足风机机侧鲁棒控制器配置要求的最优加权函数,保证所配置的控制器在风电系统出现扰动和模型或参数不确定性时的鲁棒特性。该方法可使没有相关加权函数配置经验人员能够快速得到风机机侧鲁棒控制器所需的最优加权函数,更有利于风机机侧鲁棒控制器配置与应用。
在本申请提供的一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法的一个实施例中,所述根据预设的混合灵敏度函数,结合所有更新后的所述目标向量的位置信息,得到风机机侧鲁棒控制器的多个加权函数,包括:
根据所有更新后的所述目标向量的位置信息,得到最优目标向量;
根据所述最优目标向量得到所述加权函数的最优参数;
根据所述最优参数以及混合灵敏度函数得到第一加权函数以及第二加权函数。
在本实施例中,KL、ωL分别表示加权函数W1的低频增益、低频带宽;KH、ωH分别表示加权函数W2的高频增益、高频带宽。每次迭代循环均会对目标向量的位置进行更新,得到一个新的目标向量,在多个目标向量中得到最优的目标向量,进而根据最优目标向量得到加权函数的参数,其中,根据低频增益、低频带宽得到第一加权函数W1,根据高频增益、高频带宽得到第二加权函数W2。
在本申请提供的一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法的一个实施例中,所述基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法还包括:
判断所述初始向量集内每个参考向量是否满足多个预设的约束条件;
若每个所述参考向量不满足多个所述约束条件,则根据所述约束条件更新所述初始向量集。
在本实施例中,初始向量集是在优化系数上下界范围内随机生成的,需要判断初始向量集内每个参考向量是否满足约束条件,若不满足则根据相应约束条件更新初始向量集。
在本申请提供的一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法的一个实施例中,所述基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法还包括:
根据所述加权函数的参数,得到所述适应度函数,所述参数包括低频增益、低频带宽、高频增益以及高频带宽。
在本实施例中,参见图2,y=[ird;irq]包含风机转子侧在d、q坐标系下的电流,为系统的输出、风机机侧控制输入;u=[urd;urq]包含风机转子侧在d、q坐标系下的电压,为系统输入、风机机侧控制器输出;G为开环系统模型;K为风机机侧鲁棒控制器;灵敏度函数S=(I-GK)-1和依赖于输入信号的函数KS通过加权函数W1、W2作用以满足性能和鲁棒性指标。所配置风机机侧鲁棒控制器K应满足下列不等式:
式中,|| ||∞符号由于描述无穷范数。
本申请配置求解得到满足最大化风机机侧鲁棒控制器配置H∞范数的加权函数参数最优值。优化目标为最大化适应度函数fit:
max(fit) (4)
在本申请提供的一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法的一个实施例中,所述基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法还包括:
根据所述风机机侧鲁棒控制器的扰动振荡频率,以及所述加权函数的适应度函数,得到多个所述约束条件。
在本实施例中,KL、KH的上下界根据要抑制的干扰强度来决定;ωL、ωH的上下界由风机系统外部故障导致风机扰动的振荡频率决定。
即求解约束条件为:
KL,min<KL<KL,max (6)
ωL,min<ωL<ωL,max (7)
KH,min<KH<KH,max (8)
ωH,min<ωH<ωH,max (9)
下面对本申请实施例提供的一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法中具体计算的过程进行具体说明:
(1)建立以KL、ωL、KH、ωH加权函数参数组成的初始目标向量
(2)初始化算法参数,其中包括参考向量数、最大迭代循环次数、种群数、优化系数上下界,并在优化系数上下界范围内随机生成初始向量集;
(3)根据优化目标计算每个参考向量的适应度值fit(i),并选取最优的多个参考向量记为a、b、c;
(4)判断当前参考向量是否满足约束条件(5)-(9),若是则继续,若否则根据相应约束条件更新参考向量位置;
(6)根据更新后的系数向量,更新前三参考向量与目标向量距离、其他参考向量下一步向前三参考向量靠近位置;
(7)判断当前迭代寻优是否达到最大迭代次数,如是则结束循环;如否则返回步骤3。
从上述描述可知,本申请提供的一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法,该方法优化求解满足风机在参数扰动和电压跌落等不确定因素影响下鲁棒控制器配置时的加权函数参数,从而快速得到满足风机机侧鲁棒控制器配置要求的最优加权函数,保证所配置的控制器在风电系统出现扰动和模型或参数不确定性时的鲁棒特性。该方法可使没有相关加权函数配置经验人员能够快速得到风机机侧鲁棒控制器所需的最优加权函数,更有利于风机机侧鲁棒控制器配置与应用。
第二方面,为了解决在配置风机机侧控制器时多采用PI控制,其对模型的依赖度高。当模型存在不确定时,PI控制器的控制效果不能得到保证的问题,本申请提供一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置系统的实施例,参见图3,所述基于灵敏度控制器框架的风机机侧鲁棒控制器配置系统具体包含有如下内容:
向量选取模块01:根据预设的适应度函数,在初始向量集内选取多个参考向量;
参数更新模块02:执行迭代操作,所述迭代操作包括更新所述初始向量集的收敛因子以及系数向量,根据更新后的所述收敛因子、更新后的所述系数向量、当前目标向量的位置信息、当前每个所述参考向量的位置信息,更新所述目标向量的位置信息,初始所述目标向量根据风机机侧鲁棒控制器加权函数的参数得到;
加权函数模块03:根据预设的混合灵敏度函数,结合所有更新后的所述目标向量的位置信息,得到风机机侧鲁棒控制器的多个加权函数;
控制器配置模块04:根据多个所述加权函数配置所述风机机侧鲁棒控制器。
在本实施例中,向量选取模块01在初始向量集中选取并保存最优前三适应度值对应的参考向量,其余向量不断向前三靠近并找到全局最优值。向量选取模块01初始化系统参数,其中包括参考向量数、最大迭代循环次数、种群数、优化系数上下界,并在优化系数上下界范围内随机生成初始向量集,同时,向量选取模块01根据适度函数在初始向量集内选取多个参考向量。
参数更新模块02建立以KL、ωL、KH、ωH加权函数参数组成的目标向量,参数更新模块02每次迭代循环,先更新收敛因子以及系数向量,收敛因子以及系数向量可用于增加向量位置的随机性,参数更新模块02根据收敛因子以及系数向量,结合当前目标向量的位置信息以及向量集位置信息,对目标向量进行更新,参数更新模块02每次迭代循环都会得到一个目标向量,直到迭代循环达到设定次数。参数更新模块02将每次迭代得到的目标向量的位置信息传输至加权函数模块03。
加权函数模块03在多个目标向量中得到最优的目标向量,进而根据最优目标向量得到加权函数的参数,并根据加权函数的参数得到加权函数,加权函数模块03将加权函数传输至控制器配置模块04,控制器配置模块04根据加权函数对风机机侧鲁棒控制器进行配置。
从上述描述可知,本申请实施例提供的一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置系统,该系统优化求解满足风机在参数扰动和电压跌落等不确定因素影响下鲁棒控制器配置时的加权函数参数,从而快速得到满足风机机侧鲁棒控制器配置要求的最优加权函数,保证所配置的控制器在风电系统出现扰动和模型或参数不确定性时的鲁棒特性。该系统可使没有相关加权函数配置经验人员能够快速得到风机机侧鲁棒控制器所需的最优加权函数,更有利于风机机侧鲁棒控制器配置与应用。
下面对本申请实施例提供的一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置系统中计算过程进行具体说明:
(1)建立以KL、ωL、KH、ωH加权函数参数组成的初始目标向量
(2)初始化算法参数,其中包括参考向量数、最大迭代循环次数、种群数、优化系数上下界,并在优化系数上下界范围内随机生成初始向量集;
(3)根据优化目标计算每个参考向量的适应度值fit(i),并选取最优的多个参考向量记为a、b、c;
(4)判断当前参考向量是否满足约束条件(5)-(9),若是则继续,若否则根据相应约束条件更新参考向量位置;
(6)根据更新后的系数向量,更新前三参考向量与目标向量距离、其他参考向量下一步向前三参考向量靠近位置;
(7)判断当前迭代寻优是否达到最大迭代次数,如是则结束循环;如否则返回步骤3。
从硬件层面来说,为了解决在配置风机机侧控制器时多采用PI控制,其对模型的依赖度高。当模型存在不确定时,PI控制器的控制效果不能得到保证的问题,本申请提供一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法中的全部或部分内容的电子设备的实施例,所述电子设备具体包含有如下内容:
图4为本申请实施例的电子设备9600的系统构成的示意框图。如图4所示,该电子设备9600可以包括中央处理器9100和存储器9140;存储器9140耦合到中央处理器9100。值得注意的是,该图4是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
在一实施例中,基于灵敏度控制器框架的风机机侧鲁棒控制器配置功能可以被集成到中央处理器中。其中,中央处理器可以被配置为进行如下控制:
步骤100:根据预设的适应度函数,在初始向量集内选取多个参考向量;
可以理解的是,在初始向量集中选取并保存最优前三适应度值对应的参考向量,其余向量不断向前三靠近并找到全局最优值。初始化系统参数,其中包括参考向量数、最大迭代循环次数、种群数、优化系数上下界,并在优化系数上下界范围内随机生成初始向量集。
步骤200:执行迭代操作,所述迭代操作包括更新所述初始向量集的收敛因子以及系数向量,根据更新后的所述收敛因子、更新后的所述系数向量、当前目标向量的位置信息、当前向量集每个参考向量的位置信息,更新所述目标向量的位置信息,初始所述目标向量根据风机机侧鲁棒控制器加权函数的参数得到;
可以理解的是,加权函数对风机机侧鲁棒控制器的效果具有重要影响,针对标准的H∞混合灵敏度配置,分别选取低通滤波器和高通滤波器作为待配置加权函数的一般表达式。其中,低通滤波器用于抑制风电系统转子侧电流在故障扰动时受到的干扰;高通滤波器用于抑制风电系统转子侧电压在系统存在参数或者模型不确定性时的鲁棒特性。
式中,KL、ωL分别表示加权函数W1的低频增益、低频带宽;KH、ωH分别表示加权函数W2的高频增益、高频带宽,每次迭代循环,先更新收敛因子以及系数向量,收敛因子以及系数向量可用于增加参考向量位置的随机性,根据收敛因子以及系数向量,结合当前目标向量的位置信息以及参考向量集位置信息,对目标向量进行更新,每次迭代循环都会得到一个目标向量,直到迭代循环达到设定次数。
步骤300:根据预设的混合灵敏度函数,结合所有更新后的所述目标向量的位置信息,得到风机机侧鲁棒控制器的多个加权函数;
可以理解的是,根据目标向量的位置信息得到加权函数的参数,进而根据参数得到加权函数。
步骤400:根据多个所述加权函数配置所述风机机侧鲁棒控制器。
从上述描述可知,本申请实施例提供的一种电子设备,该方法优化求解满足风机在参数扰动和电压跌落等不确定因素影响下鲁棒控制器配置时的加权函数参数,从而快速得到满足风机机侧鲁棒控制器配置要求的最优加权函数,保证所配置的控制器在风电系统出现扰动和模型或参数不确定性时的鲁棒特性。该方法可使没有相关加权函数配置经验人员能够快速得到风机机侧鲁棒控制器所需的最优加权函数,更有利于风机机侧鲁棒控制器配置与应用。
在另一个实施方式中,基于灵敏度控制器框架的风机机侧鲁棒控制器配置装置可以与中央处理器9100分开配置,例如可以将基于灵敏度控制器框架的风机机侧鲁棒控制器配置装置配置为与中央处理器9100连接的芯片,通过中央处理器的控制来实现基于灵敏度控制器框架的风机机侧鲁棒控制器配置功能。
如图4所示,该电子设备9600还可以包括:通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是,电子设备9600也并不是必须要包括图4中所示的所有部件;此外,电子设备9600还可以包括图4中没有示出的部件,可以参考现有技术。
如图4所示,中央处理器9100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中,存储器9140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序,以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器9140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142,该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143,该数据存储部9143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块9110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132,以经由扬声器9131提供音频输出,并接收来自麦克风9132的音频输入,从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器9130还耦合到中央处理器9100,从而使得可以通过麦克风9132能够在本机上录音,且使得可以通过扬声器9131来播放本机上存储的声音。
本申请的实施例还提供能够实现上述实施例中的基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤100:根据预设的适应度函数,在初始向量集内选取多个参考向量;
可以理解的是,在初始向量集中选取并保存最优前三适应度值对应的参考向量,其余向量不断向前三靠近并找到全局最优值。初始化系统参数,其中包括参考向量数、最大迭代循环次数、种群数、优化系数上下界,并在优化系数上下界范围内随机生成初始向量集。
步骤200:执行迭代操作,所述迭代操作包括更新所述初始向量集的收敛因子以及系数向量,根据更新后的所述收敛因子、更新后的所述系数向量、当前目标向量的位置信息、当前向量集每个参考向量的位置信息,更新所述目标向量的位置信息,初始所述目标向量根据风机机侧鲁棒控制器加权函数的参数得到;
可以理解的是,加权函数对风机机侧鲁棒控制器的效果具有重要影响,针对标准的H∞混合灵敏度配置,分别选取低通滤波器和高通滤波器作为待配置加权函数的一般表达式。其中,低通滤波器用于抑制风电系统转子侧电流在故障扰动时受到的干扰;高通滤波器用于抑制风电系统转子侧电压在系统存在参数或者模型不确定性时的鲁棒特性。
式中,KL、ωL分别表示加权函数W1的低频增益、低频带宽;KH、ωH分别表示加权函数W2的高频增益、高频带宽,每次迭代循环,先更新收敛因子以及系数向量,收敛因子以及系数向量可用于增加参考向量位置的随机性,根据收敛因子以及系数向量,结合当前目标向量的位置信息以及参考向量集位置信息,对目标向量进行更新,每次迭代循环都会得到一个目标向量,直到迭代循环达到设定次数。
步骤300:根据预设的混合灵敏度函数,结合所有更新后的所述目标向量的位置信息,得到风机机侧鲁棒控制器的多个加权函数;
可以理解的是,根据目标向量的位置信息得到加权函数的参数,进而根据参数得到加权函数。
步骤400:根据多个所述加权函数配置所述风机机侧鲁棒控制器。
从上述描述可知,本申请实施例提供的一种计算机可读存储介质,该方法优化求解满足风机在参数扰动和电压跌落等不确定因素影响下鲁棒控制器配置时的加权函数参数,从而快速得到满足风机机侧鲁棒控制器配置要求的最优加权函数,保证所配置的控制器在风电系统出现扰动和模型或参数不确定性时的鲁棒特性。该方法可使没有相关加权函数配置经验人员能够快速得到风机机侧鲁棒控制器所需的最优加权函数,更有利于风机机侧鲁棒控制器配置与应用。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于灵敏度控制器框架的风机机侧鲁棒控制器配置方法,其特征在于,包括:
根据预设的适应度函数,在初始向量集内选取多个参考向量;
执行迭代操作,所述迭代操作包括更新所述初始向量集的收敛因子以及系数向量,根据更新后的所述收敛因子、更新后的所述系数向量、当前目标向量的位置信息、当前向量集每个参考向量的位置信息,更新所述目标向量的位置信息,初始所述目标向量根据风机机侧鲁棒控制器加权函数的参数得到;
根据预设的混合灵敏度函数,结合所有更新后的所述目标向量的位置信息,得到风机机侧鲁棒控制器的多个加权函数;
根据多个所述加权函数配置所述风机机侧鲁棒控制器。
2.根据权利要求1所述的风机机侧鲁棒控制器配置方法,其特征在于,所述根据预设的混合灵敏度函数,结合所有更新后的所述目标向量的位置信息,得到风机机侧鲁棒控制器的多个加权函数,包括:
根据所有更新后的所述目标向量的位置信息,得到最优目标向量;
根据所述最优目标向量得到所述加权函数的最优参数;
根据所述最优参数以及混合灵敏度函数得到第一加权函数以及第二加权函数。
3.根据权利要求2所述的风机机侧鲁棒控制器配置方法,其特征在于,所述风机机侧鲁棒控制器配置方法还包括:
判断所述初始向量集内每个参考向量是否满足多个预设的约束条件;
若每个参考向量不满足多个所述约束条件,则根据所述约束条件更新所述初始向量集。
4.根据权利要求3所述的风机机侧鲁棒控制器配置方法,其特征在于,所述风机机侧鲁棒控制器配置方法还包括:
根据所述加权函数的参数,得到所述适应度函数,所述参数包括低频增益、低频带宽、高频增益以及高频带宽。
5.根据权利要求4所述的风机机侧鲁棒控制器配置方法,其特征在于,所述根据所述加权函数的参数,得到所述适应度函数,包括:
根据所述低频增益以及低频带宽,得到所述第一加权函数;
根据所述高频增益以及高频带宽,得到所述第二加权函数;
根据所述第一加权函数、所述第二加权函数以及所述风机机侧鲁棒控制器的灵敏度,得到所述适应度函数。
6.根据权利要求3所述的风机机侧鲁棒控制器配置方法,其特征在于,所述风机机侧鲁棒控制器配置方法还包括:
根据所述风机机侧鲁棒控制器的扰动振荡频率,以及所述加权函数的适应度函数,得到多个所述约束条件。
7.根据权利要求6所述的风机机侧鲁棒控制器配置方法,其特征在于,所述根据所述在扰动时风机机侧控制所观测到的振荡频率,以及所述加权函数的适应度函数,得到多个所述约束条件,包括:
根据风机系统外部故障产生的扰动振荡,得到所述第一加权函数以及第二加权函数的低频带宽以及高频带宽约束条件;
根据所述风机机侧鲁棒控制器低频抑制状态以及高频抑制状态,得到所述第一加权函数以及第二加权函数的低频增益以及高频增益约束条件;
根据所述适应度函数以及设定值,得到所述第一加权函数以及第二加权函数的适应度值约束条件。
8.一种风机机侧鲁棒控制器配置系统,其特征在于,包括:
向量选取模块:根据预设的适应度函数,在初始向量集内选取多个参考向量;
参数更新模块:执行迭代操作,所述迭代操作包括更新所述初始向量集的收敛因子以及系数向量,根据更新后的所述收敛因子、更新后的所述系数向量、当前目标向量的位置信息、当前每个所述参考向量的位置信息,更新所述目标向量的位置信息,初始所述目标向量根据风机机侧鲁棒控制器加权函数的参数得到;
加权函数模块:根据预设的混合灵敏度函数,结合所有更新后的所述目标向量的位置信息,得到风机机侧鲁棒控制器的多个加权函数;
控制器配置模块:根据多个所述加权函数配置所述风机机侧鲁棒控制器。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至7任一项所述的风机机侧鲁棒控制器配置方法。
10.一种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权利要求1至7任一项所述的风机机侧鲁棒控制器配置方法。控制器配置模块:根据多个所述加权函数配置所述风机机侧鲁棒控制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310217797.XA CN116243606A (zh) | 2023-03-03 | 2023-03-03 | 基于灵敏度控制器的风机机侧鲁棒控制器配置方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310217797.XA CN116243606A (zh) | 2023-03-03 | 2023-03-03 | 基于灵敏度控制器的风机机侧鲁棒控制器配置方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116243606A true CN116243606A (zh) | 2023-06-09 |
Family
ID=86632935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310217797.XA Pending CN116243606A (zh) | 2023-03-03 | 2023-03-03 | 基于灵敏度控制器的风机机侧鲁棒控制器配置方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116243606A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104330970A (zh) * | 2014-05-30 | 2015-02-04 | 国家电网公司 | 基于h∞混合灵敏度的风机变桨执行机构鲁棒控制方法 |
CN105892291A (zh) * | 2014-12-31 | 2016-08-24 | 国家电网公司 | 基于遗传算法的鲁棒控制优化方法 |
CN108345216A (zh) * | 2018-01-12 | 2018-07-31 | 中国科学院理化技术研究所 | 一种基于多目标粒子群算法的磁悬浮轴承鲁棒控制器构造方法 |
CN108345215A (zh) * | 2018-01-12 | 2018-07-31 | 中国科学院理化技术研究所 | 一种基于多目标遗传算法的磁悬浮轴承鲁棒控制器构造方法 |
CN108460228A (zh) * | 2018-03-21 | 2018-08-28 | 电子科技大学 | 一种基于多目标优化算法进行风电场等值的方法 |
CN110824928A (zh) * | 2019-12-05 | 2020-02-21 | 闽江学院 | 一种改进的半主动h∞鲁棒控制方法 |
CN115392110A (zh) * | 2022-07-27 | 2022-11-25 | 广东电网有限责任公司广州供电局 | 基于ppo算法的数据模型混合驱动风电场建模方法 |
-
2023
- 2023-03-03 CN CN202310217797.XA patent/CN116243606A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104330970A (zh) * | 2014-05-30 | 2015-02-04 | 国家电网公司 | 基于h∞混合灵敏度的风机变桨执行机构鲁棒控制方法 |
CN105892291A (zh) * | 2014-12-31 | 2016-08-24 | 国家电网公司 | 基于遗传算法的鲁棒控制优化方法 |
CN108345216A (zh) * | 2018-01-12 | 2018-07-31 | 中国科学院理化技术研究所 | 一种基于多目标粒子群算法的磁悬浮轴承鲁棒控制器构造方法 |
CN108345215A (zh) * | 2018-01-12 | 2018-07-31 | 中国科学院理化技术研究所 | 一种基于多目标遗传算法的磁悬浮轴承鲁棒控制器构造方法 |
CN108460228A (zh) * | 2018-03-21 | 2018-08-28 | 电子科技大学 | 一种基于多目标优化算法进行风电场等值的方法 |
CN110824928A (zh) * | 2019-12-05 | 2020-02-21 | 闽江学院 | 一种改进的半主动h∞鲁棒控制方法 |
CN115392110A (zh) * | 2022-07-27 | 2022-11-25 | 广东电网有限责任公司广州供电局 | 基于ppo算法的数据模型混合驱动风电场建模方法 |
Non-Patent Citations (2)
Title |
---|
孙建华 等: "基于改进遗传算法的双馈风电机组模型参数辨识", 《建筑电气》, 30 September 2015 (2015-09-30), pages 115 - 120 * |
马晓阳 等: "采用内模控制理论的双馈感应风机鲁棒控制器设计", 《仪器仪表学报》, 30 November 2016 (2016-11-30), pages 2528 - 2534 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108156317B (zh) | 通话语音控制方法、装置及存储介质和移动终端 | |
EP3310028B1 (en) | System, method and device for testing call quality | |
CN106126168B (zh) | 一种音效处理方法及装置 | |
CN111768231B (zh) | 产品信息推荐方法及装置 | |
CN107995370B (zh) | 通话控制方法、装置及存储介质和移动终端 | |
CN111670463B (zh) | 基于机器学习的几何网格简化 | |
CN103929692B (zh) | 一种音频信息处理方法及电子设备 | |
CN105141587A (zh) | 一种虚拟玩偶互动方法及装置 | |
WO2021036558A1 (zh) | 无线网络的连接方法及相关装置 | |
US20170161928A1 (en) | Method and Electronic Device for Displaying Virtual Device Image | |
CN110276404B (zh) | 模型训练方法、装置及存储介质 | |
CN116307738A (zh) | 电力系统宽频振荡风险识别方法及装置 | |
CN104821796A (zh) | 一种音量控制方法、播放设备、移动终端及系统 | |
CN111918174A (zh) | 音量增益平衡的方法、设备、电子设备及交通工具 | |
CN116243606A (zh) | 基于灵敏度控制器的风机机侧鲁棒控制器配置方法及系统 | |
CN110442698B (zh) | 对话内容生成方法及系统 | |
CN106790445A (zh) | 基于Samba协议的数据传输方法、装置及电子设备 | |
CN112163532B (zh) | 电力系统的振荡模式识别方法及装置 | |
CN111191143A (zh) | 应用推荐方法及装置 | |
CN116165898A (zh) | 一种基于灰狼算法的鲁棒电力系统稳定器设计配置方法及系统 | |
CN114173255A (zh) | 参数调整方法及相关产品 | |
CN116203845A (zh) | 一种基于灰狼算法的风机频率响应控制器配置方法及系统 | |
CN112992170B (zh) | 模型训练方法及装置、存储介质及电子装置 | |
CN114037045A (zh) | 一种模型参数更新方法及装置 | |
CN105188113B (zh) | 一种信息处理方法及无线接入设备 |
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 |