建模与仿真的智能光伏控制器Versoria基于可变步算法

文摘

作为一个绿色能源和可再生能源,光伏发电具有重要意义的可持续发展的能源和越来越多的利用。光伏控制器是光伏发电系统的重要组成部分,其核心技术是最大功率点跟踪技术。本文首先建立了光伏电池的数学模型时,光伏电池的输出特性进行了分析,主要因素影响了光伏电池的输出效率,证明了最重要的因素,影响输出功率的光强度。因此,在设计、光伏电池的最大功率点跟踪控制算法,可以最大限度地利用光伏输出功率快速充电。光伏控制器的设计的关键是控制算法的设计。因此,提出一种改进的模糊控制算法来克服传统的最大功率点跟踪的缺点翻译(MPPT)算法。算法可以考虑跟踪速度和收敛,但该算法需要高输入和输出模糊域参数,虽然跟踪速度快,收敛的稳定性很差。模糊控制算法的局限性,考虑Versoria函数的性质,翻译一个MPPT的智能控制器设计方法基于Versoria变量一步算法进一步提出。根据光伏电池的输出特性,三个参数,α,β,γ,将解决跟踪速度和跟踪的稳定性。为了减小稳态误差,提出了一种遗传因子总结历史错误有效改善跟踪的稳定性。仿真结果表明,该算法可以快速跟踪最大功率点,具有良好的跟踪速度和稳定性。该算法可以有效地应用于工程实践。

1。介绍

随着蒸汽机的出现在18世纪,人类进入了工业化时代。与此同时,随着机械化生产,化石燃料广泛应用于人们的生产生活的各个方面。然而,化石燃料是不可再生资源,随着人们大规模利用,化石燃料的股票变得越来越小;化石燃料的燃烧也会带来问题,如全球变暖和环境污染(1,2]。新能源的研究和应用已经成为一个关键问题,不能推迟。太阳能作为一种清洁、无污染的可再生能源,可以在某些领域取代化石燃料3]。在太阳能发电系统中,光伏控制器是一个关键组件,转移产生的当前太阳能电池通过DC / DC转换电池。

光伏发电系统是一个复杂的系统,在最近几年,它已成为一个重要的研究领域。光伏电池的仿真模型,提出了利用二极管的特性,PN结的特点,和光伏电池的输出特性4]。但是,光伏电池系列有不同的电阻,所以他们的仿真模型的输出特性也不同。方法建立内在和外在的光伏电池模型参数提取寄生串联电阻和并联电导是(5]。该方法使用我_光伏- - - - - -U_光伏曲线中提取一个显式解析解和计算能力函数CC基于解析解。CC的表达是一个电压的代数函数表达式,表达式的系数是一个二维的结果符合光伏的内在或外在的参数模型。该方法更复杂的计算,不容易理解。一个engineering-friendly数学模型中可以找到6]。该模型没有特定的物理意义和简单的解决。只有四个参数,我_sc(短路电流),U_oc(开路电压),U_mpp(在标准试验条件下最佳工作电压)我_mpp标准测试条件下(最好的操作电流),由光伏电池制造商可以解决。由于简单的光伏电池的数学模型在文献[6),本文建立了光伏电池的数学模型的基础上,参考文献,结合实际参数,并分析了光伏电池的输出特性曲线的特征。

由于光照强度和温度变化从时间到时间,最大输出功率点。为了使光伏电池的最大输出功率,光伏控制器需要实时跟踪最大功率点输出最大功率(7]。这种光电控制技术被称为最大功率点跟踪翻译(MPPT)技术,翻译和MPPT技术需要一个算法来实现它。拥有先进的光伏控制器算法不仅可以提高光伏电池最大功率点的跟踪速度也降低光伏电池的输出功率的波动。与光伏控制器翻译没有MPPT函数相比,光伏控制器翻译的MPPT函数可以提高光伏系统的力量超过了30%。这就是为什么先进的光伏发电系统的算法是非常重要的。翻译常用的MPPT算法包括恒压(CVT),扰动观测(P&O),电导增量(公司),粒子群优化(PSO),模糊控制算法。MPPT算法基于电流采样的滑模控制和滑模控制算法可以找到未知的系统动力学(8,9]。翻译大多数MPPT算法实现基于电压采样,和一个算法相结合当前采样有双重控制回路获得了滑模控制在8]。这个方法确保辐照变化的快速跟踪。算法的有效性是通过理论分析和建模仿真验证。但是,方法不够准确,跟踪稳定性是不够的。一种改进翻译等效阻抗匹配MPPT算法(10],基于自适应匹配的原则光伏输出特性与系统阻抗通过改变系统参数。这个方法是缓慢的跟踪,需要合理的参数设置;否则,将会影响跟踪性能,甚至导致跟踪失败。全球分布的粒子群优化(PSO)算法,提出了局部阴影条件下光伏阵列(11],它结合了总体布局与人口粒子优化算法对太阳能光伏系统与多个地方最大功率点在局部阴影条件下快速搜索全局最大功率点。但是,该算法计算复杂的和复杂的实现。本文改进的模糊控制算法设计和仿真来解决问题的跟踪速度慢,稳定性差,这些算法计算复杂度,可以跟踪MPP相对较快,但不够收敛。为了进一步减少波动幅度,提高跟踪速度、稳定性和收敛速度,提出了Versoria变量翻译步骤MPPT算法,和新算法的正确性和优越性的输出结果进行了比较,验证了模糊控制算法的仿真模型。

2。发电原理和光伏电池的输出特性

2.1。光伏电池的数学建模与仿真

因为单个二极管模型提出了文献[6)结构简单,方便计算,分析光伏电池的输出特性根据单二极管数学模型提出了参考,考虑到模型在文献中很容易计算,但准确性需要改善。在此基础上,考虑到计算结果的准确性,短路电流的变化温度系数和开路电压变化温度系数进行修改,实际的产品选择、参数替换到解决方案,实验结果和仿真是相互验证。用光伏电池的实际参数的解决方案,并结合理论与实践,单二极管的光伏电池模型的正确性验证。

为了准确地描述光伏模块的电气性能,模型通常需要考虑材料的电阻特性,以及损失,可以表示为一个串联电阻R_年代和并行的阻力R_上海,也称为单二极管模型(12]。光伏模块制造商经常使用这个模型给模块的技术特点。包含损失的光伏电池的电路模型如图1。

根据这一模型,众所周知,有影响的R_年代和R_上海在PN结太阳能电池。R_年代总串联电阻是由材料的电阻的身体,薄层电阻、电极的接触电阻,电阻的导电电极本身的电流,电阻值是通常小于1Ω。R_上海是造成的泄漏电流不完整的PN结形成的一部分,称为并联电阻,电阻的值通常是几千欧姆。目前光生伏打效应我_ph值太阳辐射强度的增加而增加;我的反向饱和电流_d温度增加而增加。光伏电池串联电阻Rs和并行的阻力R_上海也经历了小的变化由于光线和温度的变化13]。

根据基尔霍夫电流定律(氯化钾)的表达式我_光伏是

把我_d值到方程(1)的收益率

在公式(2),我_ph值是上镜的电流,其值等于短路电流我_sc;我₀二极管的反向饱和电流;问是电子电荷,问=1.6029×10⁻¹⁹C;k玻耳兹曼系数,k= 1.3819×10⁻²³J / K;一个是理想的二极管的因素;T_j结温的光伏模块;我_d通过内部二极管电流;和V_光伏是光伏电池的电压单位。假设的并联电阻的无穷R_上海,无论其效果,可以得到以下公式:

接下来,我们解出方程(3)。方程(3)转化为一个等价的形式如下:

类型(4)曲线非常接近的光伏电池的短路电流,这样的近似类型(5)和(6开路电压地区)可以获得和翻译的MPPT。

用方程(4下列方程),光伏电池的输出功率可以表示如下:

在光伏电池的实际操作中,外部环境在不断的变化。最伟大的两个因素对光伏电池输出特性的影响光照强度和环境温度。因此,两个干扰因素,光照强度和环境温度,被认为是,可以得到以下公式:

光伏电池板的输出特征受多种因素的影响,光照强度和温度,产生最大的影响在面板选择进行分析。根据光伏电池的单二极管模型建立了光伏电池的仿真模型,光伏电池系统有三个输入和一个输出,T环境温度,年代光强度,斜率函数作为输入电压U,我的输出电流是光伏面板。

2.2。模型仿真分析

根据改进的光伏电池的数学模型提出了在前面的小节中,建立了光伏电池的仿真模型。仿真模型是基于一个240 w单晶硅光伏电池产生的公司设置参数。根据产品的技术参数,太阳能电池板的开路电压U_oc是36 V,短路电流我_sc是8.5,最佳工作电压U_mpp是30 V,最好的工作电流我_mpp在标准测试条件下是8。

设置光强度年代= 1000 W / m²在模型中作为一个固定的值,设置环境温度为0°C, 25°C, 50°C, 75°C,分别,然后设置太阳能板的基本参数。当温度变化时,光伏电池P-U输出曲线如图2。从图可以看出2温度的增加,光伏电池的最大输出功率逐渐减少,而光伏电池的最大输出功率点的电压也变得更小,根据模型仿真,可以得出结论:环境温度对光伏电池的最大输出功率影响非常敏感。

同样,环境温度T= 25°C模型中作为一个固定的值,设置光强度S - 250 W / m²500 W / m²750 W / m²,1000 W / m²分别并设置基本参数的太阳能电池板。当光强度变化时,光伏电池P-U输出曲线如图3。显然,光强度的变化有很大的影响在光伏电池的最大输出功率,如图3,光伏电池的最大输出功率与光强度的增加显著增加。

在仿真模型中,将光强度年代= 1000 W / m²将环境温度设置为0°C, 25°C, 50°C, 75°C,分别,然后设置太阳能板的基本参数。当温度变化时,i服了u光伏电池的输出曲线如图4。从图可以看出4温度的增加,光伏电池的开路电压逐渐降低,而光伏电池的短路电流逐渐增加。

在仿真模型中,环境温度设置T= 25°C,光线强度年代被设置为250 W / m²500 W / m²750 W / m²,1000 W / m²分别与太阳能电池板的基本参数设置。当光强度变化时,i服了u光伏电池的输出曲线,如图5。明显,光强度的变化有很大的影响在光伏电池的最大输出功率,如图5,光伏电池的最大输出功率与光强度的增加显著增加。

根据上述工程光伏电池的仿真特性曲线数学模型,当光照强度和温度确定在特定的时间,必须有一个相应的最大功率输出点。此外,最大功率点随光照强度和环境温度,验证模型的正确性。光伏控制器实现最大功率点跟踪通过调整工作周期,使DC / DC电路的电压变化,和光伏面板始终保持最大功率输出。在不断变化的外部条件下,有必要不断改变工作周期的大小来跟踪光伏电池的最大功率输出点(14,15),这就需要快速翻译能力和良好的收敛的MPPT算法。

3所示。MPPT算法设计

3.1。一种改进的模糊控制算法

模糊控制算法应用到光伏发电系统提出了文献[16]。法结合电导增量法的模糊控制算法的跟踪和模糊控制算法的跟踪。但是,这两个算法需要合理设置切换值;否则,跟踪速度和稳定性很容易受到影响。一种自适应模糊控制算法应用于车辆主动悬架系统是在17],适用于非线性参数估计,但针对不同的控制对象,需要具体分析;否则,无法保证系统的控制精度。在文献[18),指数稳定和lu2获得分析和observer-based控制器设计进行了扩大离散循环使用循环分段线性切换系统李雅普诺夫函数方法。该方法提供了一种解决非线性控制问题。本文提出了一种模糊控制算法适合光伏系统基于光伏电池的输出特性,结合实际的光伏系统的工作环境。本文改进的模糊控制算法是基于模糊控制算法模型提出了文献[16]。由于模糊控制模型的跟踪速度慢,在文献[16),7个模糊子集为模糊控制领域在和ΔE分别设置5个模糊子集为输出的模糊域dD和模糊子集的参数修改模拟。

模糊控制的缺点是大量的计算,计算的长时间,处理器的高性能,低经济的设计。模糊控制的优点是,它不需要建立被控对象的具体函数关系,因此,模糊理论领域可以根据经验,设计和控制算法的设计更方便。模糊控制算法需要很高的输入和输出参数。虽然跟踪速度快,收敛稳定性差;当参数小,跟踪速度慢,但收敛稳定性更好。

模糊控制算法是一种新的基于模糊集合理论,控制方法及其控制过程可以分为三个步骤:模糊化、模糊推理运算,antifuzzification。高度自适应算法的数学模型未知的非线性复杂系统。电池板的输出在实际的光伏系统是非线性的,很难与精确数学模型,因此,模糊控制方法非常合适。在模糊控制中,模糊逻辑控制器的输入和输出变量必须设置第一(19]。模糊控制器的主要作用是调整输出控制信号稳定光伏系统在最大输出功率,如上所述。

图6是模糊控制的逻辑框图。输入信号后,经过模糊控制过程中,信号传输到执行机构,然后作用于控制对象。生成的输出信号控制对象的工作后反馈给输入,这样系统可以适当地增加或减少输入量。上述过程是模糊控制的过程原则。模糊控制器模糊化的过程是将收集到的数字输入信号转换为模糊量,可以识别和使用的逻辑推理算子;模糊推理获得的过程是一个“模糊”,制定一个算法规则基于“知识库”到达模糊控制输出;antifuzzification恢复的过程是语言表达的“模糊”变量一个精确值,也就是说,输出变量的值,可以计算根据输出模糊子集的隶属关系20.]。

模糊控制的核心部分是扰动观察法,并使用传统的扰动观察法将导致系统最大功率点附近的振荡,造成不必要的功率损耗。模糊控制算法方程设置如下:

的公式,在和ΔE模糊控制器的输入,它们表达的模糊控制变量e和电子商务,分别。责任周期D是输出。在方程(12),ΔP代表的权力价值的区别k -测量和权力的价值k−1日测量。ΔU代表的电压值之间的差异k测量的电压值k−1日测量。e代表的是错误,电子商务代表误差变化率。

根据模糊控制理论、模糊域的输入量e和电子商务可以设置为(−3,3)和输出量的模糊域D可以设置为[10−10日]。模糊子集可以通常被负面大(NB)、负(NM),负小(NS),零(佐薇),积极的小(PS),正面中间(PM),正面的大(PB),和其他的句子。其中,e和电子商务每个包含7个模糊子集,并输出D包含5个模糊子集。

根据上述的设置方法模糊控制理论,三角形的隶属度函数e,电子商务,D如图7(一)- - - - - -7 (c)可以获得。

模糊推理表可以获得的三角模糊归属函数如图7,如表所示1。

3.2。变量Versoria的翻译步骤MPPT算法

针对模糊控制算法不能考虑的问题跟踪速度和跟踪稳定,算法提出了Versoria变量的一步。跳过舌线函数是一对的Y设在为对称轴,减少单调的X积极的轴,单调的增加X负轴,y具有最大的价值在哪里x= 0。的绝对值x增加的价值y趋向于0两岸的坐标轴。根据Versoria函数的性质(21),结合实际需要翻译的光伏MPPT算法,迭代函数的周期性变化系数Versoria指数和的斜率P-U曲线为基础的设计。算法有一个很大的改变在工作周期的开始跟踪和快速的速度;一个小的变化在后期跟踪工作周期提高稳定性。

光伏电池的输出特性曲线和电导增量法的原理,可以看出d的价值P_光伏/ dU_光伏在最大功率点是0,d的价值P_光伏/ dU_光伏在最大功率点附近小,d的价值P_光伏/ dU_光伏从最大功率点大。同时,d的价值P_光伏/ dU_光伏是正面左边的最大功率点和负向右。基于这个属性的dP_光伏/ dU_光伏的变量算法步Versoria方程所示(14)- (16)。

上面的公式D_k表明k责任周期的调整大小;ΔD表明工作周期基础变化;λ(k)表明Versoria迭代函数;和δ(k)的力量改变迭代函数介绍。Versoria变量的遗传因子设计一步算法减小稳态误差的措施。通过设置遗传因素和历史错误,它类似于积分PI调节的功能,可以大大提高跟踪的稳定性;φ显示当前权力改变重量,大小的φ一般0.9∼1,用于确保当前权力改变dP_k有一个更大的重量;表明周期性变化系数。的影响λ(k)在 如图8。

Versoria的形状函数是由三个参数决定α,β,γ,在那里α代表的大小翻译Versoria函数的上下沿y设在,越大α越大,翻译的功能向上;β表明之间的宽度的最高点Versoria功能和0,和越大β更广泛的函数宽度;γ代表了“肥胖”的顶峰Versoria函数,和越大γ陡峭的函数图峰值和更“瘦”“功能”。α决定了算法的跟踪速度β和γ确定稳定的跟踪。图9可以直观地显示三个参数的影响α,β,γVersoria函数。

4所示。模拟验证分析

翻译光伏MPPT算法依赖于DC / DC电路来实现。之前的翻译,建立MPPT仿真模型,提高仿真模型的电路首先建立的。BOOST电路仿真模型构建本文图所示10。

提高电路的组件参数仿真模型如表所示2。

在上述仿真模型,将环境温度设置为25°C和仿真时间0.15秒。使用定时器模块的仿真软件来模拟光强度的变化。定时器模块用于生成一个信号,在指定的时间变化。其模拟光强信号页面如图11。图中的蓝色曲线是Versoria变量一步算法,和粉色曲线是模糊控制算法。在初始时刻,光强度的变化从0 W / m²800 W / m²;在0.05秒,光强度变化从800 W / m²500 W / m²;在0.1秒,光强度的变化从500 W / m²1000 W / m²。

图12(一个)表明,模糊控制算法,和企口变步算法同时跟踪最大功率点3女士在第一阶段,和模糊波动之间的模糊控制算法191.3和192.9 W。变量一步Versoria算法有一个稳定的波动幅度192.0∼192.9 W。在第一阶段,变量一步Versoria算法有更好的收敛,和跟踪速度可比。图12 (b)表明,模糊控制算法跟踪最大功率点在70 ms在第二阶段,和Versoria变量一步算法的跟踪最大功率点56女士。模糊控制算法不断波动约75 W,和变量算法步Versoria波动持续约112 W。在这个过程中,变量算法步Versoria更快的跟踪速度和更好的收敛性。然后,图12 (c)表明,模糊控制算法跟踪最大功率点在107 ms在第三阶段,和Versoria变量一步算法的跟踪最大功率点104 ms。模糊控制算法的稳定的波动幅度在246∼250.5 W,和稳定的波动范围之间的变量Versoria一步算法249.7和250.5 W。结果表明,变量一步Versoria算法有更好的收敛性和faster-tracking速度第三过程。

总之,Versoria的可变步算法可以实现最大功率点跟踪,有更高的跟踪速度和更好的收敛比模糊控制算法。从仿真结果与模糊控制算法相比,它可以清楚的看到变量的算法步骤Versoria算法具有更快的跟踪速度和跟踪后功率波动幅度较小。在第二阶段,当模糊控制算法是稳定的,权力是35 W不到Versoria算法变量的步骤。

5。结论

尽管有许多光伏系统最大功率点跟踪算法,其中一些也基本成熟,在不同的应用场景中,每一个算法的适应性也不同。一些算法追求更高的系统输出效率,算法寻求更快的响应速度和静态稳定,一些算法更加注重它的简单性和可能性,以及一些算法强调经济。为不同的应用需求,需要继续改进和完善现有的算法。本文改进的模糊控制算法可以减少不必要的功率损耗引起的系统最大功率点附近的振荡,但其收敛速度较慢,并且波动幅度很大,特别是模糊控制算法不能同时考虑跟踪速度和跟踪的稳定性。结果,进一步提出了可变步Versoria算法的快速跟踪性能,解决了收敛速度慢的问题,减少其波动范围,解决了跟踪的稳定性和收敛速度的一致性。解决实际问题的算法也是有益的MPPT-related项目。在进一步的研究中,理论如概率密度函数控制,动态调整的随机非线性系统基于卡尔曼滤波器(22,23),广义预测控制(GPC) [24),和分布式控制25)可以被视为动态设置参数,的随机性和非线性26的控制器可以被认为获得更好的输出特性。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

本研究由以下项目:山东省重点研发项目(2016 ggx105013);山东省自然科学基金(ZR2017MF048);和科技计划山东省高校(J17KA214和J18KB159)。

引用

1. h . Jin-Peng c . Guo-Min和h的小黄,“温室效应与浓度的敏感性分析工程热物理学杂志,33卷,不。8,1380 - 1382年,2012页。视图:谷歌学术搜索
2. r . Heede和n》“潜在CO的排放₂从化石燃料的探明储量和甲烷:另一种分析”全球环境变化卷,36 12-20,2016页。视图:出版商的网站|谷歌学术搜索
3. j .居”,可行性研究和太阳能光伏发电的前景在中国,“山东工业技术,14卷,第68 - 67页,2017年。视图:谷歌学术搜索
4. g . m . m . w .少量m·a·h·Asselbergs j . m . Dickhout et al .,”实验的回顾III-V集中器太阳能电池串联电阻测定方法”太阳能材料和太阳能电池卷,130年,第374 - 364页,2014年。视图:出版商的网站|谷歌学术搜索
5. j . Cabestany和l . Castaner”,一个简单的太阳能电池串联电阻的测量方法,“Revue de体格Appliquee,18卷,不。9日,第567 - 565页,1983年。视图:出版商的网站|谷歌学术搜索
6. j·苏、s . Yu和w·赵”调查工程分析模型的硅太阳能电池,“Energiae Solaris学报4卷,第412 - 409页,2001年。视图:谷歌学术搜索
7. j·陈,z .赵和l .元,“比较光伏发电系统最大功率点跟踪技术,”清华大学清华大学学报(科技)5卷,第704 - 700页,2010年。视图:谷歌学术搜索
8. e . Bianconi j . Calvente, r . Giral“快速翻译current-based mppt技术基于滑模控制,”《2011年IEEE国际研讨会上工业电子产品IEEE,格但斯克波兰,2011年6月。视图:出版商的网站|谷歌学术搜索
9. 问:陈l . s . Wang Tao, j . Na和x任,“USDE-based滑模控制伺服与未知的系统动力学机制,“IEEE / ASME举办,25卷,不。2、1056 - 1066年,2020页。视图:出版商的网站|谷歌学术搜索
10. z Hai-zhou、z . chong wei和b . Da-qiang”翻译研究MPPT控制算法basesd改善动态阻抗匹配,”电力电子9卷,第104 - 102页,2017年。视图:谷歌学术搜索
11. d·h . Li Yang, w·苏,“翻译总体分布粒子群优化mppt算法对光伏系统在局部阴影下,“IEEE工业电子产品,1卷,不。1,第275 - 265页,2018。视图:出版商的网站|谷歌学术搜索
12. X.-K。高,C.-A。姚,X.-C。高,“准确性比较隐式和显式single-diode光伏电池和模块的模型,“《物理学报》,17卷,1 - 10,2014页。视图:谷歌学术搜索
13. f .赵研究工程分析模型和最大功率点跟踪的光伏模块山东大学,济南,中国,2016。
14. h .香”,翻译的应用改进的电导增量法在MPPT的光伏系统,”低碳世界26卷,第85 - 84页,2017年。视图:谷歌学术搜索
15. 问:张、徐。Ning, z你们“MMPT光伏电源控制方法基于改进变步爬山法”电气工程,卷2,55-57,2018页。视图:谷歌学术搜索
16. d .张问:朱,j .张“MPPT控制光伏发电基于模糊算法,”福州大学学报(自然科学版),46卷,不。6,906 - 910年,2018页。视图:谷歌学术搜索
17. Na。黄精,y,吴x”,限定时间自适应模糊控制的非线性主动式悬吊系统输入延迟,”IEEE控制论,50卷,不。6,2639 - 2650年,2019页。视图:出版商的网站|谷歌学术搜索
18. 郑y朱镕基和w x”,多个李雅普诺夫函数分析方法discrete-time-switched piecewise-affine系统停留时间限制,”IEEE自动控制,卷65,不。5,2177 - 2184年,2020页。视图:出版商的网站|谷歌学术搜索
19. b .黄g .谢,w .梁”应用程序的加热炉温度控制系统混合模糊PID,”电力驱动,48卷,不。2,43-46,2018页。视图:谷歌学术搜索
20. h·曹”,基于模糊控制的控制方法,研究工作”铁路机车和汽车,39卷,不。1、7 - 12,2019页。视图:谷歌学术搜索
21. 易。金和美国Huai-zong”,一种新的变步长LMS自适应滤波算法及其仿真”信号处理,26卷,不。9日,第1388 - 1385页,2010年。视图:谷歌学术搜索
22. r . Mifeng Qichun张、张Jianhua”一个介绍性的概率密度函数控制的调查中,“系统科学与控制工程,7卷,不。1,2019。视图:谷歌学术搜索
23. y周,问:张先生,p, h . Wang和t·柴”EKF-based增强性能非线性随机系统的控制器设计,“IEEE自动控制,卷63,不。4、1155 - 1162年,2018页。视图:谷歌学术搜索
24. 和c k, k . Li张“约束广义预测控制电池充电过程的热电耦合模型的基础上,“能源杂志卷,347年,第158 - 145页,2017年。视图:出版商的网站|谷歌学术搜索
25. 问:欧阳,z . Wang k . Liu g .徐和y,“最佳锂离子电池组的充电控制:分布式平均跟踪方法,”IEEE工业信息,16卷,不。5,3430 - 3438年,2020页。视图:出版商的网站|谷歌学术搜索
26. 郑朱y, w . x, d .周“准同步的离散时间lur 'e-type切换系统具有参数不匹配和放松PDT约束,“IEEE控制论,50卷,不。5,2026 - 2037年,2020页。视图:出版商的网站|谷歌学术搜索

版权

版权©2020年薄熙来太阳等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。