塔式太阳能热发电系统中定日镜场的优化控制策略

来源 :第23届过程控制会议 | 被引量 : 0次 | 上传用户:xlj368
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  在塔式太阳能热发电系统中,提高定日镜的追日精度、减少光斑在接收器上的溢出率是提高太阳能的收集效率的有效手段。减小定日镜的追日控制周期,将提高定日镜的追日精度和降低光斑的溢出率,但这将会引起定日镜场自耗电的增大、镜场运行成本增加和缩短定日镜的使用寿命。为了解决上述问题,本文以塔式太阳能热发电系统中的定日镜为研究对象,根据太阳运动规律及定日镜与光斑接收面之间的光学成像关系,对定日镜位置、反射光线在接收面上的光斑位置及控制周期之间的关系展开了研究。通过大量的仿真计算,提出了最佳控制周期的镜场优化控制策略,进一步得出了定日镜场的优化设计布局方案,仿真结果表明了上述方法的有效性。
其他文献
在德士古水煤浆气化工艺中,合成气中各组分的含量是衡量气化效率的关键参数。以某厂德士古气化装置为研究背景,设计了一种合成气组分含量的预测模型。该模型选取三层前馈神经网络结构,并采用一种具有广义差分项的混沌差分进化算法(ChaoDEGD)作为模型参数的学习方法。ChaoDEGD算法在差分进化算法的变异操作中引入了广义的个体差异信息,并在不同进化时期,对不同适应度等级的个体施加混沌映射,保证了种群的多样
In many text mining applications, it is needed to cluster documents according to demand of users. However, Traditional documents clustering that use unsupervised learning are not able to meet this dem
针对变风量空调系统具有多变量,非线性和不确定性的特点,普通的模糊神经网络控制已经难以达到其多变量动态控制的要求。本文提出了一种基于T-S模糊模型的递归神经网络预测控制策略。通过T-S模糊递归神经网络预测器在线建立被控对象的数学模型,并用RBF神经网络控制器对所得到的信息在线修正,从而改善系统的控制效果。仿真结果表明:T-S模糊递归神经网络预测控制具有很强的鲁棒性和自适应能力,控制精度高,控制效果好
Fluorescence molecular tomography (FMT) based on CCD is developing rapidly these years. In order to get the density of forward model of fluorophore, we need to reconstruct the contour of target object
Track circuit is a crucial part of the train control system. It is of great significance to establish a refined track circuit model for fault diagnosis, which is important for ensuring the train’s saf
In this paper, the consensus is studied for the heterogenous multi-agent systems with exogenous disturbances. The multi-agent systems are composed of two class different agents, one parts are supposed
连续搅拌釜式化学反应器(CSTR)是重要的化工设备。对蛇管与夹套双冷却CSTR单回路温度控制方案只利用一种操纵变量,无法兼顾动态性能与静态性能的不足进行了深入分析后,提出了CSTR温度双重控制系统方案。通过双重系统的协调控制,在温度出现偏差时由蛇管冷却器快速消除温度偏差,使温度迅速返回设定值;然后由冷却效率高的夹套冷却器逐步取代蛇管冷却器所承担的冷却负荷变化——即在动态过程,由动态性能好的操作变量
An expansion procedure to design partially decentralized controllers via model predictive control is proposed in this paper. Partially decentralized control is a control structure that lies between a
In order to solve the synthesized fire and electronic warfare decision-making problem for the aircraft, for the incomplete of battlefield information, the rough-group decision-making system for fire a
To solve the increasing run-time complexity with the growth of population solutions in PESA, an evolutionary algorithm of multi-objective optimization, we present a comentropy- based PESA algorithm (C