模糊CMAC控制器及其在统一潮流控制器应用的研究

摘要

本文在简单介绍了模糊理论、神经网络、遗传算法的研究现状及其在电力系统中电厂过程控制、电力系统稳定器、励磁控制、自动重合闸、继电保护及其它方面的应用情况，从而引出本研究课题的核心部分：模糊CMAC控制器及其在统一潮流控制器应用的研究的立题，并指出研究课题的实际意义。之后深入阐述传统CMAC控制器及模糊CMAC神经网络的结构及特点。　　接着将自组织机制及其实现规则引入模糊CMAC神经网络，以求通过神经网络的自组织机制来减少人们先验知识对模糊逻辑规则设计造成的影响。文中详细论述自组织模糊CMAC神经网络中guassian型隶属函数的近似度、节点及其连接的变化、隶属函数的产生、模糊逻辑规则的产生和学习算法推导过程。另外为了减少控制系统中的辩识环节，文中采用直接控制方式，并对梯度下降法的求导问题作出特殊的处理，导出不依赖被控对象的准确数学模型的训练算法，设计出具有较强鲁棒性的自组织模糊CMAC控制器，然后将这种控制器分别应用于具有定常线性的、时变的及某些非线性特性的控制系统中，取得了良好的仿真效果，说明上述的设计方法的有效性。　　之后文中首次提出将遗传算法及梯度下降法应用于模糊CMAC神经网络，利用遗传算法的全局收敛特性来离线训练模糊CMAC神经网络的参数，以获得参数的“准最优值”，再采用梯度下降法在线训练模糊CMAC神经网络的参数，提高搜索速度，以获得参数的“最优值”，最后设计成基于遗传算法和梯度下降法相结合的模糊CMAC控制器，并将其分别应用于定常、时变的及非线性的控制系统中。MATLAB仿真结果表明：这种模糊CMAC控制器具有满意控制效果。　　最后在研究带有统一潮流控制器的单机无穷大电力系统中同步电机的数学模型、UPFC的数学模型、d-q轴解耦控制方程和电容器端电压的动态方程的同时，深入分析UPFC中功率元件的电压空间矢量脉宽调制的原理技术及实现方法。之后文中首次提出将电流预测、d-q轴解耦控制、电压空间矢量脉宽调制及自组织模糊CMAC控制器、基于遗传算法和梯度下降法结合的模糊CMAC控制器相结合来构造有功功率、无功功率和节点电压、电容器端电压的控制策略，设计出两种统一潮流控制器，以实现对单机无穷大电力系统中线路有功功率，无功功率，节点电压、电容器端电压的调节。仿真结果表明：这两种UPFC具有良好的控制性能及较强鲁棒性。　　最终结论是：文中提出自组织模糊CMAC神经网络及控制器、基于遗传算法和梯度下降法相结合的模糊CMAC神经网络及控制器和统一潮流控制器的设计方法是有效的，首次提出的模糊CMAC神经网络在UPFC的应用研究是可行的。

目录

文摘

英文文摘

华南理工大学学位论文原创性声明和版权使用授权书

第一章绪论

1.1研究背景

1.1.1智能模拟

1.1.2人工神经网络技术

1.1.3模糊理论

1.1.4模糊神经网络

1.1.5遗传算法

1.1.6模糊神经网络、遗传算法在电力系统的应用

1.2 CMAC的研究

1.3统一潮流控制器(UPFC)

1.4选题原因

第二章小脑模型关节控制器与模糊小脑模型关节控制器

2.1传统的小脑模型关节控制器

2.1.1传统CMAC的结构

2.1.2 CMAC结构的评述

2.2模糊逻辑

2.2.1模糊关系合成逻辑推理

2.2.2 Takagi型模糊推理

2.3模糊CMAC神经网络

2.3.1模糊CMAC神经网络的结构

2.3.2模糊CMAC神经网络的特点

第三章自组织模糊CMAC神经网络及自组织模糊CMAC控制器

3.1模糊CMAC神经网络存在的问题

3.2自组织模糊CMAC神经网络

3.2.1自组织模糊CMAC神经网络的结构

3.2.2节点及其连接的变化

3.2.3隶属函数的产生

3.2.4模糊逻辑规则的产生

3.2.5学习算法

3.2.6自组织模糊CMAC神经网络的工作过程

3.3控制方式及学习方式

3.3.1前馈控制

3.3.2间接控制

3.3.3直接控制

3.4自组织模糊CMAC控制器

3.4.1自组织模糊CMAC控制器的设计

3.4.2学习算法

3.5其它控制器

3.5.1 PID调节器

3.5.2 CMAC

3.5.3人工神经网络控制器

3.6仿真

3.6.1被控对象的数学模型

3.6.2仿真曲线

3.6.3仿真结果的分析

3.6.4小结

第四章基于遗传算法和梯度下降法结合的模糊CMAC控制器

4.1引言

4.2遗传算法

4.2.1遗传算法的基本运算

4.2.2遗传算法的具体工作过程

4.3基于遗传算法的模糊CMAC神经网络及其控制器

4.3.1基于遗传算法的模糊CMAC神经网络

4.3.2基于遗传算法的模糊CMAC控制器

4.4基于遗传算法与梯度下降法结合的模糊CMAC控制器

4.4.1采用遗传算法和梯度下降法训练的模糊CMAC神经网络

4.4.2模糊CMAC控制器的设计

4.4.3模糊CMAC神经网络的工作过程

4.4.4遗传算法的离线训练过程

4.4.5梯度下降法的在线训练过程

4.5仿真

4.5.1仿真曲线

4.5.2几种控制器的控制性能的比较

4.5.3仿真结果的分析

4.5.4小结

第五章统一潮流控制器(UPFC)

5.1统一潮流控制器

5.1.1引言

5.1.2从结构来研究潮流控制器

5.1.3从电力电子调制模式来研究统一潮流控制器

5.1.4从控制技术角度来研究统一潮流控制器

5.1.5从其功能及对系统影响来研究统一潮流控制器

5.1.6问题的提出

5.2带有UPFC的单机无穷大系统的数学模型

5.2.1带有UPFC的单机无穷大系统的构成

5.2.2同步电机的数学模型

5.2.3统一潮流控制器的数学模型

5.2.4统一潮流控制器的d-q轴解耦控制方程

5.2.5电容器端电压的动态方程

5.3 UPFC电压空间矢量脉宽调制

5.3.1电压空间矢量

5.3.2电压空间矢量脉宽调制(SVPWM)原理

5.4功率及电压的控制策略

5.4.1有功功率、无功功率的解耦控制

5.4.2节点电压及电容器端电压的解耦控制

5.5基于自组织模糊CMAC神经网络的UPFC

5.5.1隶属函数的训练算法

5.5.2结论变量的训练算法

5.5.3仿真

5.5.4小结

5.6基于遗传算法与梯度下降法结合的模糊CMAC神经网络的UPFC

5.6.1离线学习算法

5.6.2在线学习算法

5.6.3仿真

5.6.4小结

5.7两种UPFC的比较

5.7.1仿真

5.7.2仿真结果的比较

结 论

参考文献

附图一

攻读学位期间发表的学术论文

致谢