科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着新能源发电占比不断上升,火力发电的灵活性对电网的安全稳定运行显得尤为重要,对此火电机组的控制性能提升是一个重要技术手段。相较于传统控制算法,采用模型预测控制技术的控制器不仅具有良好的性能,而且能够严格遵循非线性系统的物理约束条件,此外也能适应各种不同类型的模型。该文利用k-means++聚类和具有动量的随机梯度下降算法建立了T-S模糊模型,并给出了动量随机梯度下降算法和标准随机梯度下降算法的辨识T-S模糊模型后件参数的对比实验,最后通过数值优化方法得到模糊模型预测控制的最优解,在大范围负荷变化条件下,将其与传统PID控制作对比。仿真结果显示,动量随机梯度下降算法在后件参数辨识的对比实验中,震荡幅度小,下降速度更快,且精度更高;在模糊模型具有非线性对象信息足够多的基础上,模糊模型预测控制能够相较于传统PID控制灵活性更强,超调小,并且符合系统约束条件。
- 单位
