×
余、苗;陆浩阳;尚伟鹏

电力系统多干扰阻尼控制的一种新的迭代辨识方法。 （英语） Zbl 1441.93191号

离散连续。动态。系统。，序列号。S公司 第13期，第6期，1773-1790（2020）.
摘要：在本文中，我们考虑了多干扰环境下电力系统的闭环模型。对于多干扰电力系统，闭环辨识是一项困难的任务。然而，模型辨识误差会降低阻尼控制的效果。因此，对于闭环辨识，我们提出了一种基于递归最小二乘法和v间隙距离的迭代在线辨识算法。用直接法证明了算法的收敛性。将该算法应用于新英格兰系统，并与预测误差法和龙格库塔法的结果进行了比较。通过对IEEE 39总线新英格兰系统进行的仿真研究，我们观察到，使用本文提出的迭代识别算法，与使用预测误差法和Runge-Kutta方法获得的输出响应时间相比，输出响应时间减少了约一半。此外，输出响应中的振荡次数较少。这些清楚地表明，所提出的算法可以有效地抑制低频振荡。至于三种方法产生的输出响应的振幅，它们基本相同。

引用于1文件

MSC公司：

93C80号 控制理论中的频率响应方法
93甲15 大型系统

关键词：

电力系统;迭代辨识算法;低频振荡;阻尼控制;收敛性分析
PDF格式BibTeX公司 XML格式引用
\textit{M.Yu}等人，《离散Contin》。动态。系统。，序列号。S 13，No.6，1773-1790（2020；Zbl 1441.93191）
全文： 内政部

参考文献：

[1] H.K.Abdulkhader；J.雅各布；A.T.Mathew，使用混合动态GA-PSO算法的基于分数阶超前滞后补偿器的多频带电力系统稳定器设计，IET-Gener。交易。和地区，121515-1521（2018）
[2] P.Albertos和A.Sala，迭代辨识与控制：理论与应用进展，Springer-Verlag，纽约，2002年·Zbl 1001.00013号
[3] X.H.Bu；侯振生，具有二值观测值的线性系统的自适应迭代学习控制，IEEE Trans。在Neur。净值。和李尔。系统。，29, 232-237 (2018) ·doi:10.1109/TNNLS.2016.2616885
[4] X.M.Chen；郭国荣，WCE迭代算法的收敛性分析，J.Natl。国防科技大学，3，16-25（1986）
[5] M.Darabian；A.Jalilvand，《设计广域阻尼控制器以在风力涡轮机存在的情况下协调FACTS设备的延时》，IET Rene。发电机。，12, 1523-1534 (2018) ·doi:10.1049/iet-rpg.20127.0602文件
[6] 邓中乐；X.H.秦；张明斌，范数最优迭代学习控制鲁棒单调收敛的频域分析，IEEE Trans。根据合同。系统。科技，26，637-651（2018）
[7] 杜立群；Q.Zong；Z.S.Zhao；季玉华，基于v-gap的最优激励信号迭代辨识与控制设计，科学。中国，521120-1128（2009）·兹比尔1182.93039
[8] R.Goldoost-Soloot；Y.Mishra；G.Ledwich，使用逆滤波技术对区域间振荡进行宽区域阻尼控制，IET-Gener。交易。和区，9，1534-1543（2015）·doi:10.1049/iet-gtd.2015.0027
[9] Q.郭，非线性方程组的迭代解法2015年，安徽省合肥工业大学博士论文。
[10] 刘振新，孙永忠，李晓丽，宋斌，刘振生，冯富民，中国南方电网大面积阻尼控制系统及其运行分析，自动。电动。电力系统。、38（2014）、152-159和183。
[11] K.Liu；Y.M.Zhang；X.Y.Li；R.Jiang；Q.Zeng，基于振荡暂态能量降低的VSC-HVDC双边模糊逻辑无功阻尼控制器设计，电力系统。技术，40，1030-1036（2016）
[12] 孟伟川；X.Y.Wang；B.风扇；Q.M.Yang；I.Kamwa，广域电力系统的自适应非线性神经控制，IET Gener。交易。和地区，11，4531-4536（2017）
[13] D.H.Owens；冯凯，迭代学习控制中的参数优化，国际期刊。，76, 1059-1069 (2003) ·兹比尔1064.93014 ·doi:10.1080/0020717031000121410
[14] D.里莫罗夫；A.Heniche；I.坎瓦；巴拜沙门氏菌；狭叶菊；B.Fardanesh，使用基于广域控制的多功能多波段电力系统稳定器改善纽约州电网的动态性能，IET Gener。交易。和地区，11，4537-4545（2017）·doi:10.1049/iet-gtd.2017.0288
[15] X.阮；Z.Z.Bien；Q.Wang，Lebesgue-p范数意义下比例型迭代学习控制的收敛特性，IET Contr。理论与应用。，6, 707-714 (2012) ·doi:10.1049/iet-ta.2010.0388
[16] G.塞巴斯蒂安；Y.Tan；D.Oetomo；I.Mareels，基于反馈的迭代学习设计和机器人操作器输出约束综合，IEEE Contr。系统。莱特。，2, 513-518 (2018) ·doi:10.1109/LCSYS.2018.2842186
[17] 沈毅；姚西；温俊彦（J.Y.Wen）；H.B.He，考虑延迟补偿的光伏电站自适应广域功率振荡阻尼器设计，IET Gener。交易。和地区，11，4511-4519（2017）·doi:10.1049/iet-gtd.2016.2057
[18] T.D.儿子；G.管道工；J.Swevers，鲁棒单调收敛迭代学习控制，IEEE Trans。在Automat上。控制。，61, 1063-1068 (2016) ·Zbl 1359.93258号 ·doi:10.1109/TAC.2015.2457785
[19] 宋福中；刘毅（Y.Liu）；徐建新；X.F.Yang；P.He；杨振林，时滞PMLSM系统中空间周期扰动的迭代学习辨识与补偿，IEEE Trans。在Ind.Electron上。，65, 7579-7589 (2018) ·doi:10.1109/TIE.2017.2777387
[20] C.吴，基于环境信号的电力系统主导动态特性辨识2010年，北京清华大学博士论文。
[21] C.张；D.Shen，基于编码和解码机制的均匀量化迭代学习控制的零误差收敛性，IET Contr。理论与应用。，12, 1907-1915 (2018) ·doi:10.1049/iet-cta.2017.0919
[22] 朱棣文；X.J.王；H.Liu，一类非线性系统的基于观测器的迭代和重复学习控制，IEEE/CAA J.Autom。Sinica，5990-998（2018）·doi:10.1109/JAS.2017.7510463
[23] H.Zhang；郭美美，基于SCAD迭代阈值算法的压缩感知收敛性分析，中国工程数学杂志。，33, 243-258 (2016) ·Zbl 1363.94036号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。