[发明专利]非高斯系统动态数据校正与系统控制性能优化方法

说明书

本发明涉及系统控制性能优化方法，具体为非高斯系统动态数据校正与系统控制性能优化方法，解决风力发电过程在遭受非高斯过程噪声和非高斯测量噪声影响的情况下，数据测量修正后不够接近真实值，控制策略优化效果不明显的问题，步骤：一、非高斯扰动下系统模型描述；二、利用EM算法进行该问题描述中迭代公式的推导；三、利用迭代公式求解校正后输出y_r；四、基于统计信息的性能指标选取，得到最优控制律。优点：1、考虑非高斯随机噪声对系统的影响；2、考虑过程的动态特性，更好地表达了实际过程；3、有较高的计算效率，满足了实际工业过程的要求；4、采用熵统计信息充分刻画非高斯随机量的随机特性，建立跟踪控制指标。

技术领域

本发明涉及系统控制性能优化方法，具体为非高斯系统动态数据校正与系统控制性能优化方法。

背景技术

在实际系统中，随机干扰广泛存在，尤其在工业过程当中，例如风电系统中风速变化的随机因素，传感器测量数据的测量误差的随机因素。

目前对于控制系统测量噪声的校正，都是基于其为高斯性的假设，通过控制矫正后数据的均值、方差，来进行优化。而实际工业过程测量误差往往是非高斯的，如果用传统的高斯假设下的方法进行校正，优化控制效果并不明显。

一个控制策略得以取得好的控制效果，很重要的的前提是控制过程中获得准确的测量数据，对于含有测量噪声的系统，即使构建已有的最优的性能指标，控制效果也是不值得信赖的。在工业过程中，测量数据不可避免含有误差(包括随机误差和粗大误差)，而且测量噪声往往是非高斯的。粗大误差可能相当大，对于需要精确估计状态和测量的系统，这两种误差对过程控制都有不利的影响。因此，为了保证系统保持较好的控制效果，应该提供较准确的测量数据，即应对原始测量数据进行数据校正，使其尽可能接近真实数据。目前对于控制系统测量噪声的校正，都是基于其为高斯性的假设，通过控制矫正后数据的均值、方差，来进行优化。此种优化策略存在以下缺陷：1、用于随机控制系统的控制理论没有明确地考虑实际传感器设备中存在的测量噪声，即使考虑到，也是在基于其为高斯分布的假设做讨论；2、在传统的数据校正方法中，没有考虑过程的动态特性，因此不能保证设定值的可达性；3、在非高斯随机控制方面，在已有的科研成果中，设定值通常取做常值或预先设定的参考轨迹，但事实上，设定值/参考轨迹需要根据实际情况进行设定，例如风速的随机性，是随时改变的一条运动轨迹，因而这一处理方案有待进一步考虑的。

由于现有技术存在上述缺陷和难以解决的问题，因此，设计一种非高斯系统动态数据校正与系统控制性能优化方法是十分有必要的。

发明内容

本发明解决的技术问题是：针对风力发电过程在遭受非高斯过程噪声(随机风速)和非高斯测量噪声影响的情况下，数据测量修正后不够接近真实值，控制策略优化效果不明显的问题，提供一种非高斯系统动态数据校正与系统控制性能优化方法。

本发明是通过以下操作步骤实现的：非高斯系统动态数据校正与系统控制性能优化方法，包括以下操作步骤：

步骤一、非高斯扰动下系统模型描述：

在一个单变量系统中，t时刻的输出能够被分解成两部分：可预测的部分和不可预测的部分(δ(t))：

其中，ω(t)为过程噪声，设定δ(t)和测量噪声ε(t)为高斯混合模型，概率密度函数如下所示：

式中，g[·]是高斯分布密度，c_k和f_n为均值，和为方差；

测量输出y_m与真实输出y的关系式为：

y_m(t)＝y(t)+ε(t)，