建模及仿真

建模及仿真（共12篇）

建模及仿真 篇1

一、绪论

1、研究风力机控制的重要意义

随着能源危机和环境危机的不断加剧,可再生能源的利用受到越来越多的关注。风能作为最具大规模开发利用的可再生能源,在世界发电总量中所占的比例每年呈上升趋势。由于风能的随机性和不稳定性,风能的最大捕获一直是风能界面临的主要问题。有效的调节风力机的各个参数,可以改变风力机的运行状态,直接影响风力机的工作效率。

在不同的风速下,风力机有不同的旋转角速度,风力机工作在不同的状态。通过对风力机各个运行状态进行分析,可以掌握风力机各个参数的变化规律及其对风力机输出功率的影响。其研究目的是为了掌握风力机的运行过程以便最大限度的提高风力机的输出功率,实现风能的有效利用。

2、国内外研究进展

实现风力机的控制,首先要了解风力机的运行状态。对于风力机的运行分析,目前主要有以下两种方法:

(1)不同的风速下风力机处于不同的工作状态,为此将风速分成几个区域来研究风力机的运行过程[1,2]。当风速小于启动风速时,风力机不动作;当风速在启动风速和额定风速之间时,风力机切入运行但输出功率小于额定功率,风力机以Cpmax输出功率,风力机一直处于最大风能捕获阶段;当风速在额定风速和截止风速之间时,风力机保持输出功率为额定功率,通过调节桨距角完成此过程;当风速超过截止风速后,风力机切出运行。

(2)风力机的运行状态不仅与风速有关,也与发电机的转速保持一定的关系。因此按照发电机转速的变化可以将风力机的运行状态分为以下几个区域:当风速达到起动风速后,通过对发电机转速进行控制,风力发电机组进入λ恒定区(Cp=Cpmax),这时机组在最佳状态下运行。随着风速增大,转速亦增大,最终达到一个允许的最大值,这时,只要功率低于允许的最大功率,转速便保持恒定。在转速恒定区,随着风速增大,Cp值减少,但功率仍然增大。达到功率极限后,机组进入功率恒定区,这时随风速的增大,转速必须降低,使叶尖速比减少的速度比在转速恒定区更快,从而使风力发电机组在更小的Cp值下作恒功率运行[3]。

二、风力发电原理

1、风力发电系统组成及原理

目前世界上大多数并网型风力发电场均采用双馈异步风力发电机组。双馈异步风力发电机组主要由风力机,双馈式异步风力发电机,传动装置及控制装置组成。其中,风力机是将风能转化为机械能的部件,在气流作用下带动风轮旋转,风力机将风能转化为叶片上的机械能;发电机是将机械能转化为电能的部件,当风力机捕获风能以后,经过传动装置把能量传递到发电机的转子,通过电磁耦合,发电机将转子的机械能转化为电能并输送给电网。整个运行过程中,控制装置起到监督调节的功能,各部分形成一个统一的整体[4]。

2、风力发电机简介

风力发电机的类型主要有三种:同步风力发电机;鼠笼式感应风力发电机;双馈式异步风力发电机。但由于风能的不稳定性,风力发电对于发电机和风力机的要求就变得更加严格。在正常情况下很难保证发电机恒速运行,同步机很难满足作为风电机的要求。而异步发电机结构简单,牢固,特别适合于高圆周速度电机,无集电环和碳刷,可靠性高。特别是柔性可控的双馈式异步风力发电机使用非常广泛。

双馈异步发电机是指将定、转子三相绕组分别接入两个独立的三相对称电源,定子绕组接入工频电源,转子绕组接入频率、幅值、相位都可以按照要求进行调节的交流电源,即采用交~直~交或交~交变频器给转子绕组供电的结构。其中,双馈电机对转子电源频率的要求很严格,在任何情况下必须与转子感应电动势的频率保持一致,当改变转子外加电压的幅值和相位时即可以改变电机的转速及定子的功率因数[5]。

3、风力机分类及对比

(1)水平轴风力机的基本类型及对比

从转速控制角度来讲,现代并网运行的水平轴风力机可分为两种基本类型:定转速风力机和变转速风力机。在定转速风力机中,风力机的发电机直接并入电网,风力机在联网运行时与电网之间存在着强耦合关系。当风速低于某一值时,电网给风力机供电。大于一定风速,风力机给电网供电。电网对风力机具有强大的限制作用,使风力机转速运行在同步转速附近。由于这个原因,这种风力机被认为是定转速风力机[6,7]。

相反地,变转速风力机的发电机不是直接并入电网的,而是通过整流器和逆变器接入电网的,发电机的转速能自由变化,不需要局限于同步转速。

与定转速风力机相比,变转速风力机具有下列优越性:

1在低风速时,风力机能跟踪最优功率系数曲线,最大限度的捕捉风能,可使风力机效率提高20%左右。

2提高机械部分的寿命周期。

基于上述原因,变转速风力机自20世纪90年代以来越来越受到国际风能界的重视。

(2)变转速风力机分类

变转速风力机又可分为两种:失速型和变桨距型。失速型风力机为固定桨距,采用失速调节。当风速大于额定风速以上时,通过调节风轮转速,使气流在叶片表面的分离加速,加剧叶片失速,降低叶片效率,从而使得机组的输出功率大致保持不变。变桨距型风力机是通过叶片桨距角,控制与叶片相匹配的叶片攻角,从而调节发电机的功率[8]。

4、变桨距调节原理

众所周知,任何一种翼型风力机的桨叶(叶片)在风力的作用下都同时受到升力与阻力两种作用。升力推动叶片在风轮平面内旋转,而阻力则起阻止的作用。改变风轮叶片桨距调速就是使叶片可以根据要求绕叶柄转过一个角度来改变叶片的冲角,从而改变叶片的升力与阻力,如升力增大则转速增加,如阻力增大则转速降低。所以这种调速方式又称为桨叶(叶片)偏侧调速法。

5、变桨距风力发电机组特点

变桨距风力机组与定桨距风力机组相比具有以下几个特点:

(1)在额定风速点具有较高的风能利用系数;

(2)高风速段输出功率恒定;

(3)起动性能与制动性能。

基于上述原因,现代大中型风电场多采用变桨距风力发电机组。

三、变桨距风力机的功率控制原理

1、风力机功率调节原理

风力机的输出功率随风力机的几个参数而变化,首先对影响风力机输出功率的几个参数进行介绍。

(1)风能

流动的空气所具有的动能为

式中:m为空气质量(kg)

单位时间内穿过截面A的风能为

式中:t为时间(s)

(2)风能利用系数Cp

水平轴风力机:0.2—0.5垂直轴风力机:0.3—0.4

所以

风轮功率和风轮叶片数无关,但与空气密度成正比。

系数Cp反映了风力机吸收风能的效率,它是一个与风速、叶轮转速和桨距角均有关系的量。当这些因素发生变化时,Cp发生变化,风力机的运行点及其运行效率将要发生变化。当桨距角不变即定桨距时,风力机风能转换效率与其转速与风速有关,当风力机的转速和风速满足一定关系时其风能转换效率最大。如果同时桨距角也在变化,则情况就更为复杂。风力机的整体设计和相应的运行控制策略应尽可能追求Cp最大,从而增加其输出功率[9,10]。

(3)风力机的叶尖速比λ

λ为风轮叶片尖端的线速度与该风速之比,ω为风轮旋转角速度ω=2п/60式中:n为转速 (rpm)ωR为叶片尖处的线速度

所以

λ反映在一定风速下风轮转速高低的参数。

(4)桨距角β

为了尽可能提高风力机风能转换效率和保证风力机输出功率平稳,风力机需要进行桨距调整。在定桨距基础上安装桨距调节环节,构成变桨距风力机组。变桨距风力发电机组的功率调节不完全依靠叶片的气动特性,它要依靠叶片桨距角 (气流方向与叶片横截面的弦的夹角) 的改变来进行调节。在额定风速以下时桨距角处于零度附近,此时,叶片桨距角受控制环节精度的影响,变化范围很小,可看作等同于定桨距风机。在额定风速以上时,变桨距机构发挥作用,调整叶片桨距角,保证发电机的输出功率在允许范围以内。

风能利用系数Cp是叶尖速比λ和桨距角β的函数,

当风力机的输出功率大于额定功率时,通过调节桨距角β改变Cp值,

从而使风力机的输出功率保持在额定功率。

(5)贝兹理论

空气气流模型如图3.1所示,设空气密度为ρ (通常取1.225kg/m3)的气流以速度v0流过面积为A0的区域,该气流在一定距离内通过扫风面积为A1的叶片时,速度变为v1,在经过叶片后,该气流的截面积变为A2,速度变为v2。

从理论上讲风力机的功率系数不能超过0.593,这就是著名的贝兹理论[11]。

在实际现场中,风力机的功率系数受到许多因素的限制,往往取不到0.593,贝兹理论只是理论上的最大值。

调节风力机输出功率的方法很多,当风力机的输出功率小于额定功率时,本文按照公式(3-4)进行风力机最大风能捕获的控制;当风力机的输出功率大于额定功率后,通过对风力机转速及桨距角的调节,改变Cp取值,从而改变风力机的输出功率,使风力机的输出功率保持在额定功率。

2、风速模型

风移动的过程中,既有动能的变化,又有势能的变化。风速的持续变化在一定时间和空间范围内是随机的,但从总的和长期统计结果来看,风速的变化仍然具有一定的分布规律。为了模拟作用在风力机上风速随时间变化的特征,风速变化的时空模型原则上可由四部分组成[12,13]:

(1)基本风

基本风在风力机正常运行过程中一直存在,它决定了风力发电机向系统输送额定功率的大小,基本上反映了风电场平均风速的变化。它可以由风电场测风所得的威布尔(Weibull)分布参数近似确定:

式中: 为基本风速(m/s);A ,K为韦布尔分布的尺度参数和形状参数;Γ[ ]为伽马函数,

(2)阵风

为了反映风速的突然变化特性,可在基本风上叠加一阵风分量VWG

式中tG,t1G,分别为阵风作用时间,阵风启动时间和阵风最大值。

(4)渐变风

为了反映风速的渐变特性,可在基本风上叠加一渐变风分量v WR

式中MaxR,t1R,t2R,tR分别为渐变风最大值,渐变风起始时间,渐变风终止时间和渐变风保持时间。

(4)随机噪声风速

为了反映风速的随机扰动,可在基本风上叠加一随机分量v WN

其中vN为随机分量的最大值,Ram(-1,1)为 -1和1之间均匀分布的随机数,wv为风速波动的平均间距,一般取0.5π--2πrad/s,φv为0--2π之间均匀分布的随机分量。

综合上述四种风速成份,模拟实际作用在风力机上的风速为

3、风力机最大风能捕获运行原理

如图3.2所示,对于一台确定的风力机,在风速和桨距角一定时,总存在一个最佳叶尖速比λopt对应着一个最大的风能转换系数Cpmax,此时风力机的能量转换效率最高。对于一个特定的风速,风力机只有运行在一个特定的机械角速度下,风力机才会获得最大的能量转换效率。因此,在任何风速下,只要调节风力机转速,满足λ= λopt,就可以维持风力机在Cpmax下运行,这就是风力机最大风能捕获的运行原理[14]。

4、风力机的输出功率 -- 风速特性曲线

(1)输出功率特点

实际上,从实际运转的风力机上所测得的机械功率,其功率系数很少超过40%,由于风力机在风场中受到风速及风向波动的影响,使风力机输出的可用功率进一步减小,考虑到此因素,风力机的输出功率公式可进一步写成

(2)基于按风速分段的桨距角控制

当vi<v≤vr时,P=1/2 ρA v3(Cp·η),为保证最大风能捕获应使(Cp·η)保持在最大值41%。Cp与叶尖速比λ和桨距角β的函数关系为

通过画图可以得出 不同β值时的Cp与λ的关系曲线,如图3.4。

由曲线可知当β=0时,Cpmax总是大于其它β值时的Cpmax,因此在vi<v≤vr时,应将桨距角β置于0,Cp为最大值0.593,(Cp·η)=0.415

(a)β=00,50(b)β=100,150

在额定风速时,Cp为最大值,即上式右端(Cp·η)=0.415,通过上式可以求出已知风速为的(Cp·η)v值,从而求出桨距角β值。具体求解过程将在3.8节中介绍。

(3)方法评定

这种方法虽然从理论上可以通过控制桨距角实现调节风力机的输出功率,但这只是一种很粗略的方法。因为在起始风速和额定风速之间,风力机并不能一直保持以最大Cp值输出功率,相反风力机只能在很短的一个风速段保持Cp值最大,所以风力机在vi<v≤vr一段的输出功率并不能保持线性增长。在实际的现场操作中,基于这种方法的桨距角调节是行不通的。

5、风力机的输出功率与转速的关系

功率 -- 转速特性曲线的形状由Cpmax和λopt决定,图3.5给出了转速变化时不同风速下风力发电机组功率与目标功率的关系。(v1>v2>v3)

追踪最大风能的过程可由上图定性解释:假设原先在风速v3下风力机稳定运行在Popt曲线的A点上,此时风力机的输出功率和发电机的输入机械功率相平衡,都为Pa,风力机稳定运行在转速ω1上。如果某时刻风速升高至v2,风力机就会由A点跳至B点运行,其输出功率由Pa突变至Pb。由于惯性作用和调节过程的滞后,发电机仍暂时运行在A点,其输入功率大于输出功率,功率的失恒导致转速上升。在转速增加的过程中,风力机和发电机分别沿着BC和A C曲线增速。当到达风力机功率曲线与最佳曲线相交的C点时,功率再一次平衡,

转速稳定为ω2,ω2就是对应于风速v2的最佳转速。同理也可分析从风速v1到v2的逆调节过程[15]。

不同风速下,风力机的功率—转速曲线不同,在风力机的运行过程中,并不是一直运行在追踪最大功率曲线上,会有一定的偏离。为了便于求取不同风速不同转速下风力机的输出功率,本文建立了不同风速下风力机的功率—转速关系。因为风力机运行时偏离最大功率曲线的域度是有限的,所以本文只选取功率曲线上方1/3高度进行函数关系的建立,并假设该段曲线为正弦波型。

当风速为某一确定值时,设P=P0+P1sin(aω+b),因为P0+P1=Popt,所以P0=2/3 Popt,P1=1/2 Popt。对公式(3-27)理论推导可以证明,只要保证λ在6.3附近时,Cp就可以取到最大值Cpmax=0.4382,P=Popt,此时的λ值对应着一个ωr。当P= P0时,从公式(3-27)中可以对应出一个Cp值,从而可以求出此时的发电机转速ω’,由曲线上的两点便可以确定该曲线。例如,当v=3 m/s时,Popt=19.15KW,当P=Popt时, λ=6.3,ωr=384rpm;当P= P0=12.77KW时 ,Cp=0.2923, λ=9.444,风力机的旋转角速度为0.977rad/s ,求得此时发电机的转速ω’为576 rpm。所以曲 线上可以 确定两点 ,(384,19.15),(576,12.77)。

其中,v为风速;ωr为最佳叶尖速比时发电机转子转速;Popt为风力机最大输出功率;ω’为正弦曲线右端端点对应的转子转速;P为风力机输出功率。

确定出风 力机的输 出功率与 发电机转 速之间的 关系,就更容易对风力机进行运行分析,以便在风力机的运行过程中,及时的调节控制风力机的运行状态,使风力机尽可能的工作在最大输出功率曲线上,实现风能的最大捕获。

6、基于功率—转速分段的运行分析

根据调速风力发电机组在不同区域的运行,将基本控制策略确定为:低于额定风速时,跟踪Cpmax曲线,以获得最大能量;高于额定风速时,跟踪Pmax曲线,并保持输出稳定。为此将风力机的运行过程分为三个区域:恒定区,转速恒定区,功率恒定区。图3.6表示了变速风力发电机组在三个工作区运行时,Cp值的变化情况。

(1)λ 恒定区

在λ恒定区,风力发电机组受到给定的功率 -- 转速曲线控制。Popt给定参考值随转速变化,由转速反馈算出。Popt以计算值为依据,连续控制发电机输出功率,使其跟踪Popt曲线变化,用目标功率与发电机实测功率之偏差驱动系统达到平衡。

(2)转速恒定区

如果保持Cpmax(或λopt)恒定,即使没有达到 额定功率,发电机最终将达到其转速极限。此后风力机进入转速恒定区。在这个区域,随着风速增大,发电机转速保持恒定,功率在达到极值之前一直增大。控制系统按转速控制方式工作,风力机在较小的λ区(Cpmax的左面)工作。

(3)功率恒定区

随着功率增大,发电机将最终达到其功率极限。在功率恒定区,必须使发电机的转速低于其极限。随着风速增大,发电机转速降低,使Cp值迅速降低,从而保持功率不变,通过桨距角的调节可以实现这一过程。

7、基于按转速分段的桨距角控制

在风力机的输出功率低于或等于额定功率阶段,为实现风力机的最大风能捕获,应使风力机桨距角一直保持在00,此时公式(3-27)可进一步化简为:

从理论上讲,只要叶尖速比处于最佳叶尖速比的位置,就可以一直保持Cp为最大值状态。对公式(3-31)进行编程可以求出当 λ=6.3附近时,Cpmax=0.4282。由公式(3-5)得ωR/v=6.3 ,R为风力机风轮半径,以G58-850KW风力机为例R=29米,所以ω/v=0.217 ,即在任一风速下,都可以得到一个转速与之对应,实现最大风能捕获。从而证明了3.4节中介绍的恒定区。对于任意一种型号的风力发电机,都有其转速的要求,以G58-850KW风力机为例,发电机的额定转速为1620 rpm,在额定频率为50Hz的情况下,风力机与发电机的转速比为1:61.74,即风力机的转速n=1620/61.74=26 rpm,又因为ω=2п/60,所以风力机的旋转角速度也有其自身的范围,不允许超过额定转速ωr=2.7227rad/s。所以在λ恒定区还应当注意不同风速下对应的风力机的旋转角速度是否超过其额定转速,一旦超过风力机将进入转速恒定区。

由式(3-31)可以得到Cp的最大值Cpmax=0.4382,若一直保持Cp= Cpmax,则根据公式(3-4)可以得出当风速到达额定风速以前,风力机的输出功率就已经到达额定功率,所以一定存在3.4节中介绍的转速恒定区(Cp值下降的区域)。

当功率超过额定功率以后,通过对桨距角的控制可以改变Cp的取值,减小风力机的输出功率,使输出功率一直保持在额定功率,即3.4节中介绍的功率恒定区。当进入功率恒定区以后,风力机的输出功率保持在额定功率,风力发电机的转速保持在额定转速1620 rpm,此时风力机的旋转角速度也保持在

于是在不同的风速下的Cp值可以求出来。

因为ωr=2.7227rad/s,由公式(3-5)可以得出风力机的λ值,以G58-850KW风力机为例, λ=78.958/v,在不同风速下可以求出λ的不同取值。将Cp值与λ值代入公式(3-27)中,即可求出不同风速时的β值,实现桨距角控制。

8、基于功率—转速分段的方法评定

在实际现场中,有很多客观因素限制风力机转速的随意变化,使Cp值不能一直按照人们想要的结果变化。例如对于任意一种型号的风力发电机,都有其转速的要求,以G58-850KW风力机为例,风力机的旋转角速度不允许超过额定转速ωr=2.7227rad/s。在λ恒定区应当注意不同风速下对应的风力机的旋转角速度是否超过其额定转速。

任何一种型号的风力机都有其自身的启动转速,当风速达到启动风速后,风力机便以启动转速旋转,此时的风速与转速对应着一个λ值,此λ值通常不是最佳叶尖速比。换言之,当风力机刚启动时Cp值并不能取到最大值,风力机不能进入λ恒定区,所以风力机并不是处于最大风能捕获阶段。

为此本文做这样一个假设:在λ恒定区之前,由于启动转速的限制,风力机并不能从一开始就运行在最大风能捕获阶段,可能会存在一个Cp值渐渐变大的区域。在此区域,发电机的转速可能保持不变,或以很小的幅度慢慢增长。随着风速的增加, λ值不断向最佳叶尖速比位置靠近,当风速达到某一值 时 ,为最佳叶尖 速比 ,Cp取到最大值 ,风力机进 入 (Cp)恒定区 ,风力机实 现最大风能捕获。

四、风力机功率调节控制仿真

1、G58-850KW 风力机的主要参数

不同类型风力机的各种参数不同,额定功率,额定转速及风速的分界点等参数直接影响到风力机的运行状态,因此不同类型风力机的输出功率变化曲线不同。在实行风力机功率调节控制时应按照具体风力机类型操作,根据给定参数进行计算。本文以G58-850KW风力机为例,给出风力机控制的具体过程。在表4.1中给出了G58-850KW风力机的主要参数值。

2、G58-850KW 风力机桨距角的求取

在G58-850KW风力机一文中给出了G58-850KW风力机几种参数的对应关系。图4.1给出了G58-850KW风力机的输出功率与风速的曲线。表4.2给出了G58-850KW风力发电机的Cp和Ct值。图4.2给出了G58-850KW风力发电机的Cp和Ct曲线。图4.3给出了G58-850KW风力机的输出功率与发电机转速的曲线。

将以上几幅图表综合在一起可以得出G58-850KW风力机几个重要参数,如表4.3所示。其中ωr为发电机转速,G58-850KW风力机的转速比为1:61.74,所以风力机的转速为n=ωr/61.74。又因为风力机旋转角速度ω=2п/60,所以可以得到ω与ωr的关系。计算出ω的值后,通过公式(3-5)即可得出λ的值。按照3.5节介绍的方法和已知数据即可求出桨距角β的值。

从表4.3中可以看出来,在额定风速以前G58-850KW风力机的Cp值并不是始终保持在最大值状态,而是由小渐渐变大。这是因为发电机的转速有所要求。当风速达到3 m/s时,发电机的启动转速ωr=900 rpm ,对应着一个ω值(ω=1.527),在此ω值时,风力机并不是处于最佳叶尖速比的状态( λ=14.756≠λopt),因此风力机的Cp值取不到最大值0.445,并不能实现最大风能捕获。并且风轮的转动也将受到惯性原因的影响并不能按想要的结果随意变化。当风速慢慢增加时,风力机渐渐向最佳叶尖速比状态靠近,当风速达到8.5m/s时Cp达最大值,风力机实现最大风能捕获。

在风力机未达到额定功率以前,桨距角一直保持在00;当风力机的输出功率超过额定功率以后,将不同风速下推导得出的λ值代入公式(3-27)即可求出对应的β值,实现桨距角控制。

3、G58-850KW 风力机的运行分析

按照G58-850KW风力机ωr值和Cp值的变化过程,可以将G58-850KW风力机的运行过程分为四个阶段:

当3≤v≤5时,ωr=900 rpm ,此阶段并不能实现最大风能捕获。随着风速的慢慢增大, λ值向最佳叶尖速比状态靠近,Cp值慢慢增大,此阶段为转速恒定区I。

当5<v<11时 ,ωr开始变大 , λ值在最佳叶 尖速比附近,Cp值在最大值附近,可以近似看成是Cp值保持最大值,此阶段为风力机实现最大风能捕获阶段。

当11≤v≤16时,虽然风力机的输出功率并没有到达额定功率,但发电机的转速已经到达额定转速,所以此阶段风力机以匀速旋转,发电机转速保持在1620rpm附近,风力机输出功率慢慢达到额定功率。此阶段为转速恒定区II。

在前三个阶段里,桨距角一直保持在0°

当16<v<21时,风力机的输出功率已达到最大值,通过对桨距角的控制调节使风力机的输出功率保持在额定功率。发电机转速达到额定转速1620rpm,并保持以额定转速运行。此阶段为功率转速恒定区。

风力机运行得出的实际数据表明,在风力机进入最大风能捕获阶段之前,存在一个转速恒定区。在此区域发电机转速保持恒定,随着风速的增加,λ 值向最佳叶尖速比靠近,风力机渐渐进入最大风能捕获阶段,与上一章所作的假设正好吻合。

4、G58-850KW 风力机的仿真

根据风电场给出的G58-850KW风力机的现场数据,利用最小二乘法进行函数拟合,建立各参数之间的函数关系。将风力机进行仿真,实现连续变化风速下风力机各参数的连续输出,为双馈式异步风力发电机的研究提供可靠的数据。并可以将仿真模型求得的数据与理论分析所得的数据进行比较,对理论推导进行验证。

下图为利用PSCAD对风力机进行仿真所得的仿真图及风速连续变化时风力机各参数的输出波形。

由图4.5可以看出,当风速小于3m/s时,风力机不动作;当风速大于3m/s时,风力机开始输出功率;当风速接近16 m/s时,风力机的输出功率接近额定功率,并且输出功率不随风速的增大而变化,此时桨距角开始动作;当风速大于21m/s时,桨距角成88°,接近于与风速垂直的角度,风力机切出运行,输出功率为0,仿真结果与理论推导保持一致。

通过此风力机模型,可以得到任意风速下风力机的几个重要参数,也很容易观察到它们随风速变化的情况,较为真实的模拟了风电场的实际运行,为双馈式异步风力发电机的研究提供了较为精确的数据。

五、结论

我国风力发电起步较晚,在技术方面较西欧发达国家仍有一定的差距。为改变这种现状,提高我国风电的发电量,目前国内一些单位已经开始了对风力发电的理论,技术,工程应用及试验技术进行局部研究。要想提高风力机的输出功率,风力机的运行状态分析和桨距角控制是很重要的环节。基于此,本文研究了风力机的输出功率与风速,叶尖速比,发电机转速,桨距角等参数之间的关系,推导出各个变量对风力机输出功率的影响。

建模及仿真 篇2

实验报告（2）

四旋翼飞行器仿真

2012

1实验内容

基于Simulink建立四旋翼飞行器的悬停控制回路，实现飞行器的悬停控制；

建立UI界面，能够输入参数并绘制运动轨迹；

基于VR

Toolbox建立3D动画场景，能够模拟飞行器的运动轨迹。

2实验目的通过在Matlab

环境中对四旋翼飞行器进行系统建模，使掌握以下内容：

四旋翼飞行器的建模和控制方法

在Matlab下快速建立虚拟可视化环境的方法。

3实验器材

硬件：PC机。

工具软件：操作系统：Windows系列；软件工具：MATLAB及simulink。

4实验原理

4.1四旋翼飞行器

四旋翼飞行器通过四个螺旋桨产生的升力实现飞行，原理与直升机类似。

四个旋翼位于一个几何对称的十字支架前，后，左，右四端，如图

所示。旋翼由电机控制；整个飞行器依靠改变每个电机的转速来实现飞行姿态控制。

图1四旋翼飞行器旋转方向示意图

在图

中，前端旋翼

和后端旋翼

逆时针旋转，而左端旋翼

和右端的旋翼

顺时针旋转，以平衡旋翼旋转所产生的反扭转矩。

由此可知，悬停时，四只旋翼的转速应该相等，以相互抵消反扭力矩；同时等量地增大或减小四只旋翼的转速，会引起上升或下降运动；增大某一只旋翼的转速，同时等量地减小同组另一只旋翼的转速，则产生俯仰、横滚运动；增大某一组旋翼的转速，同时等量减小另一组旋翼的转速，将产生偏航运动。

4.2建模分析

四旋翼飞行器受力分析,如图

所示

图2四旋翼飞行器受力分析示意图

旋翼机体所受外力和力矩为：

重力mg,机体受到重力沿方向；

四个旋翼旋转所产生的升力

(i=

1,2,3,4)，旋翼升力沿方向；

旋翼旋转会产生扭转力矩

(i=

1,2,3,4)。垂直于叶片的旋翼平面，与旋转矢量相反。

力模型为：，旋翼通过螺旋桨产生升力。是电机转动力系数，可取，为电机转速。旋翼旋转产生旋转力矩Mi(i=1,2,3,4)，力矩Mi的旋向依据右手定则确定。力矩模型为，其中是电机转动力系数，可取为电机转速。当给定期望转速后，电机的实际转速需要经过一段时间才能达到。实际转速与期望转速之间的关系为一阶延迟：响应延迟时间可取0.05s(即)。期望转速则需要限制在电机的最小转速和最大转速之间，范围可分取[1200rpm，7800rpm]。

飞行器受到外界力和力矩的作用，形成线运动和角运动。线运动由合外力引起，符合牛顿第二定律：

r为飞机的位置矢量。

角运动由合力矩引起。四旋翼飞行器所受力矩来源于两个方面：1）旋翼升力作用于质心产生的力矩；2）旋翼旋转产生的扭转力矩。角运动方程如下式所示。其中，L

为旋翼中心建立飞行器质心的距离，I

为惯量矩阵。

4.3控制回路设计

控制回路包括内外两层。外回路由Position

Control

模块实现。输入为位置误差，输出为期望的滚转、俯仰和偏航角。内回路由Attitude

Control

模块实现，输入为期望姿态角，输出为期望转速。Motor

Dynamics

模块模拟电机特性，输入为期望转速，输出为力和力矩。Rigid

Body

Dynamics

是被控对象，模拟四旋翼飞行器的运动特性。

图3包含内外两个控制回路的控制结构

（1）内回路：姿态控制回路

对四旋翼飞行器，我们唯一可用的控制手段就是四个旋翼的转速。因此，这里首先对转速产生的作用进行分析。假设我们希望旋翼1的转速达到，那么它的效果可分解成以下几个分量：

：使飞行器保持悬停的转速分量；

：除悬停所需之外，产生沿ZB轴的净力；

：使飞行器负向偏转的转速分量；

：使飞行器正向偏航的转速分量；

因此，可以将期望转速写成几个分量的线性组合：

其它几个旋翼也可进行类似分析，最终得到：

在悬浮状态下，四个旋翼共同的升力应抵消重力，因此：

此时，可以把旋翼角速度分成几个部分分别控制，通过“比例-微分”控制律建立如下公式：

综合以上三式可得到期望姿态角-期望转速之间的关系，即内回路。

外回路：位置控制回路

外回路采用以下控制方式：通过位置偏差计算控制信号（加速度）；建立控制信号与姿态角之间的几何关系；得到期望姿态角，作为内回路的输入。期望位置记为。可通过PID

控制器计算控制信号：

是目标悬停位置是我们的目标悬停位置(i=1,2,3)，是期望加速度，即控制信号。注意：悬停状态下线速度和加速度均为0，即。

通过俯仰角和滚转角控制飞行器在XW和YW平面上的运动，通过控制偏航角，通过控制飞行器在ZB轴上的运动。可得：

根据上式可按照以下原则进行线性化：

（1）将俯仰角、滚转角的变化作为小扰动分量，有，，（2）偏航角不变，有，其中初始偏航角，为期望偏航角（3）在悬停的稳态附近，有

根据以上原则线性化后，可得到控制信号（期望加速度）与期望姿态角之间的关系：

则内回路的输入为：

5实验步骤与结果

（1）

根据控制回路的结构建立simulink模型；

（2）

为了便于对控制回路进行参数调整，利用Matlab软件为四旋翼飞行器创建GUI参数界面；

（3）

利用Matlab的VR

Toolbox建立四旋翼飞行器的动画场景

（4）

根据系统的结构框图，搭建Simulink模块以实现模拟飞行器在指定位置的悬停。使用默认数据，此时xdes=3，ydes=4，zdes=5，开始仿真，可以得到运动轨迹x、y、z的响应函数，同时可以得到在xyz坐标中的空间运动轨迹。然后点击GUI中的VR按钮使simulink的工作空间中载入系统仿真所需的参数，把x、y、z的运动轨迹和Roll，Pitch，Yaw输入至VR中的模拟飞行器中，观察飞行器的运动轨迹和运动姿态，然后再使用一组新的参数xdes=-8，ydes=3，zdes=6进行四旋翼飞行器运动进行仿真模拟，可以看出仿真结果和动画场景相吻合。

6实验总结与心得

此次MATLAB实验综合了SIMULINK、GUI和VR场景等多个部分，对四旋翼飞行器运动进行了仿真模拟。由仿真结果可以看出，四旋翼飞行器最终位置达到了期望给定的位置，三个方向的响应曲线最终平稳，对应飞行器悬停在期望位置，达到了控制要求。

本次试验收获很多，学习到了很多知识，首先是熟悉了SIMULINK由简至繁搭建系统的过程，学习了利用VR建立虚拟模型，并在SIMULINK中连接。其次是熟悉了MATLAB

自动巡航系统建模与仿真 篇3

关键词：巡航控制系统 PID控制 SIMULINK仿真

中图分类号：U463.6 文献标识码：A 文章编号：1674-098X（2015）05（c）-0235-01

自动巡航控制系统是为提高车辆纵向运动主动安全性而设计的自动辅助驾驶系统，是实现车辆自动化和智能化的一个重要组成部分。汽车电子自动巡航控制系统主要由巡航控制开关、车速传感器、电子控制单元（ECU）、汽车制动开关、执行器等组成。其工作原理是控制目标车辆的纵向运动状态，从而保持期望的车辆速度和与前方引导车之间的安全距离。在保持安全车间距离的要求下跟踪前车行驶，实现较少驾驶员的操作，减轻其疲劳程度。该文中仅以整车为研究对象，建立速度与车辆纵向力学之间的关系，从而直接获得期望的速度，系统包含控制器和理想速度与汽车纵向力学模型。

1 系统数学模型的建立

动力性是汽车各种性能中最基本，最重要的性能。为此，我们将从分析汽车行驶时的受力出发，建立行驶方程式。在对于驱动动力学研究中，首先要知道汽车在行驶过程中所受阻力主要是由车轮滚动阻力、空气阻力和坡度阻力组成的。这里谈论的行驶阻力代表了车辆对发动机输出动力和功率的需求，而提供这一需求的供应链则由汽车的动力传动系统完成，此外，路面附着系数也会影响到这种供求关系的平衡，直接影响到汽车的动力性能。[2]

为了更好地描述车辆在行驶过程中的复杂受力情况，可以采用化整为零的方法，把整车分割成驱动力、摩擦阻力、空气阻力和坡度阻力四大部分，分别对其研究，最后综合这三部分建立起汽车纵向动力学数学模型。汽车行驶方程式为

（1）

式中 Ft为汽车的驱动力；

Fw为空气阻力；

Ff为汽车质量；

Fi为汽车的坡度阻力；

Fj为加速阻力。

（2）

此公式表明了汽车行驶时驱动力和外界阻力之间的相互关系的普遍状况。当发动机的转速特性，变速器的传动比，主减速比，传动效率，车轮半径，空气阻力系数，汽车迎风面积以及汽车质量等初步确定后，便可利用此式分析在附着性能良好的典型路面（混凝土，沥青路面）上的行驶能力，即确定汽车在节气门全开始可能达到的最高车速，加速能力和爬坡能力。由此被控对象输入量为汽车驱动力Ft和输出量为汽车行驶速度v之间的关系。[3]

（3）

2 系统仿真模型的建立

总体力学仿真中包含：摩擦阻力模型、空气阻力模型、坡度阻力模型等。将以上模型进行封装得到最后的力学仿真模型如图1所示。

3 控制策略的制定

该文采用PID控制策略进行车速的控制，PID控制为比例积分微分控制，它是根据汽车实际行驶车速与设定车速之间的偏差，参考过去、针对现在、预估未来等各种状况，实现系统参数不变的汽车巡航控制。 PID控制算法的表达式为：

（4）

式中为比例系数；

为积分时间常数；

为微分时间常数。

对PID和纵向力学模型进行整体建模，得到闭环传递系统，将PID、纵向力学仿真模块进行封装。在MATLAB/Simulink中建立模型如图2所示

4 结论

在Simulink中搭建完成了汽车巡航控制系统仿真模型，对巡航控制选用的PID控制策略进行了仿真分析。通过在不同车速下的仿真分析我们可以看出PID的控制结果在很短的时间内我们得到了最佳的控制速度，得到了较好的控制策略。

参考文献

[1]赵秀春，徐国凯，张涛，等.基于模糊控制的车辆自适应巡航系统设计[J].大连民族学院学报，2013（5）：30-35.

[2]于志生.汽車理论[M].机械工业出版社2012.

探空信号的信道建模及仿真 篇4

大气中各个高度上的温度、湿度和气压随时间和空间分布的资料,是研究大气中各种热力、动力过程以及天气分析和预报的最基础的资料。测量三维空间温、湿、压分布的方法多种多样:由探空气球携带无线电探空仪升空;由气象卫星装载的各种遥感仪器反演温度、湿度以及风速的廓线;由地基遥感设备来进行高空间和时间密度的探测。其中,无线电探空方法是最主要的资料获取途径。由于越来越复杂的电磁环境,探空仪与地面的数据传输也会受到干扰,不利于探空数据的传输。因此,对探空信号的信道特点进行分析,建立信道的数学模型来描述它的传播特性,对于研究其信号衰减过程以及采取何种对抗措施是非常重要的。

1探空信号传输的特点

为了分析复杂电磁环境对探空仪数据传输的影响,对探空信号传输系统的抗干扰性能进行分析,必须要建立一个适当的信道模型。近年来对无线信道模型的探讨比较多,但大多基于陆地移动通信,对像探空仪与地面接收机之间这样的地空传输信道研究较少,资料也较为缺乏[1]。要对探空信号传输的信道进行研究,必须先了解其信号传输的特点。

探空仪悬挂在探空气球上升空(或由定高气球、飞机、火箭上下投),能测定各个高度上的风向、风速、温度、湿度和气压。配有无线电发射装置向地面发送采集到的数据,上升高度一般可达到30～40 km,是高空气象观测的主要工具。现在使用的探空仪与地面接收站之间的信号传输主要采用P波段(400～406 MHz)以及L波段(1 660～1 690 MHz)的FM/FSK调制方式[2]。

探空仪的发射机部分是探空仪载波信号发生的单元,编码器上的信号对它进行某种形式的调制后向地面发送。要求发射功率达到500 mW,以保证在200 km距离内能使地面收到信号[2]。

信号从发射端送出之后,在到达接收端之前所经过的所有路径,统称为无线信道。探空仪信号传输与卫星通信、移动通信有相似之处,也有明显不同,主要表现在:

① 发送端始终在接收端上方并且以一定速度上升,且速度相对恒定;

② 接收机信噪比变化较大;

③ 高仰角情况下对地理因素的敏感度相对较小。

探空仪的地面接收站接收到的信号包括较强的视距信号分量和一定的高斯白噪声,同时也存在较强的地面反射分量和由于不同传播路径引起的多径分量。由于探空气球以300～400 m/min的速度上升,由此还会会产生较小的多普勒频移,在信道计算中可以忽略不计。

2探空信号传输的信道建模

基于上述因素考虑,建立探空信号传输信道的两径模型。如图1所示,接收天线接收到的信号主要由直射分量和地面反射分量组成。根据麦克斯韦尔定理,可以获知直射分量表示为:

undefined。 (1)

通常写成增益形式:

undefined

式中,P0为接收到的功率;Pt为发射天线发射的功率;λ为载波的波长;GT为发射天线增益;GR为接收天线的增益;d1为直射路径距离。

地面反射波主要与地面环境、入射角和极化方式有关,反射波的功率可以用平面波的反射定律来计算(虽然电磁波是球面波,但在反射点可以近似的认为是平面波),表示为直射分量、天线增益与地面反射系数的乘积[3]。其中需要计算地面的反射系数,反射系数的表示方式为:

undefined。 (3)

式中,εeff为地面的介电系数;θ为入射角,在高仰角情况下θ角可以近似为0°。地球表面介电常数的一些实际测量值如表1所示。

地面反射波的功率为:

undefined。 (4)

直射路径距离d1与反射路径距离d2相差很小,可以视为d1≈d2,接收机收到的信号总功率可以表示为:

undefined。 (5)

应用到达电场强度的混叠法则,ΔΦ=2π(d2-d1)λ为直射波与反射波之间的相位差[2]。地面反射波在小入射角时,相位差约为π[3]。

引入信号功率衰减参数β:

undefined

根据测量的入射波仰角和传输距离,可以得到信号功率衰减参数的统计估计值,如图2所示。

图2中,信号的载频取400 MHz,即波长为0.75 m,发射天线及接收天线增益均取1,信号入射角θ和传输距离d由100组高空气象探测资料统计得出。可以看出信号的衰减有2个明显的特征,即由传播距离的增大而产生的慢衰落和由于地面反射信号干扰引起的快衰落。快衰落的幅度可能达到几十dB,取决于接收天线的增益方向图。在图2中,接收天线直射信号与反射信号方向上的增益比设为2。

接收天线接收到的信号还包括了各种噪声,设为n(t),则接收信号可表示为:

式中,β为信道对信号的衰减参数;a·s(t)为发射信号。

可以看出,在地面反射系数一定的情况下,探空信号到达天线的功率P为距离d的函数,可以简化为时间的函数。这样,随时间变化,接收端信号噪声Eb/N0产生了变化。

在设计或评述一个通信系统时,往往要涉及通信系统的主要性能指标,否则就无法衡量其质量的优劣。在数字通信系统里,主要的性能指标有传输速率和差错率。根据通信原理的分析,采用同步检测的二进制频移键控(2FSK)系统的误码率Pe和接收端信噪比Eb/N0的关系为[4]:

undefined。 (8)

3模型的Simulink仿真

Simulink是Matlab Works公司的MATLAB&Simulink产品家族的重要组成部分。Simulink提供了通信系统和无线射频的建模、仿真和分析优化的专业库——Communications Blockset和RF Blockset,这些专业库给通信仿真提供了方便的途径[5]。

利用Simulink建立探空信号传输的两径信道模型:由Bernoulli Binary Generator模块产生随机二进制数序列经过2FSK Modulator调制模块后在文中建立的两径信道中传播,在信道中经过两径衰减并加入噪声后送入解调器2FSK Demodulator,在接收端将解调出来的序列与源序列进行误码率计算,同时将结果发送到Matlab工作台以供误码率分析工具Bertool进行差错分析。Bertool的信噪比参数设置为AWGN Channel中加入的信噪比。两径信道模块是根据前面分析的接收机总能量的表达式而建立的S函数,主要参数有发射功率、载波频率、传播距离以及天线增益和天线方向参数等。

通过对以上分析的信道模型进行系统误码率的仿真。设置载波频率为400 MHz,调制方式为2FSK,发射功率为500 mW,传播距离为30 km,天线方向增益比为2(直射信号方向增益与反射信号方向增益之比为2),同时假设载波和位定时完全同步,误码率仿真结果如图3所示。横坐标为信噪比(dB),纵坐标为误码率仿真结果。

图3中同时还给出了理想AWGN信道和理想Rayleigh信道的误码率仿真曲线以用于对比。曲线由上至下分别为理想Rayleigh信道仿真结果、探空信号的两径模型仿真结果和理想高斯白噪声信道仿真结果。由仿真结果对比可以看出,两径模型与理想高斯白噪声信道相比,最主要的差别来自于地面反射分量的影响。由于存在地面反射,并且反射分量与直射分量之间有相位差,减弱了接收机有用信号功率,从而降低了接收端的信噪比。为解决这一问题,最有效的办法就是在接收端采用信道均衡技术,以去除多径干扰。采用方向性好的接收天线也会取得一定的改善效果。

4结束语

无线信道的建模和仿真的关键是小尺度衰落模型的建立。本文从探空信号传输的实际情况出发,分析它的特点,根据实际高空探测资料建立了探空信号传输的两径信道模型,并设定了实际应用中的相关参数,给出仿真结果,分析其特性成因,为进一步研究探空信号收发机制和抗干扰措施提供了理论依据。

参考文献

[1]胡文静.无人机通信信道的建模与仿真[C].北京:系统仿真技术及其应用学术交流会论文集,2006:158-161.

[2]张霭琛.现代气象观测[M].北京:北京大学出版社,2000.

[3]TKN Telecommunication Networks Group.Wireless Channel Models[M].Berlin:Technical University,2003.

[4]樊昌.通信原理(第5版)[M].北京:国防工业出版社,2001.

雷达电磁环境的联合建模与仿真 篇5

雷达电磁环境的联合建模与仿真

随着雷达灵敏度、精度的提高,对电磁环境的.依赖性也越来越大.首先分析了美军的联合建模与仿真系统(JMASS),指出建立一个综合的、可重用的雷达电磁仿真环境是电子战仿真的关键;重点研究了基于球不变随机过程(SIRP)的K分布杂波模型,以及地面/海面的多路径效应模型;最后建立了雷达电磁环境的模型并进行了仿真.

作 者：张芳 蔡金燕 朱艳辉 ZHANG Fang CAI Jin-yan ZHU Yan-hui  作者单位：张芳,蔡金燕,ZHANG Fang,CAI Jin-yan(军械工程学院,光学与电子工程系,石家庄,050003)

朱艳辉,ZHU Yan-hui(驻5413厂军事代表室,石家庄,050031)

刊 名：装备环境工程  ISTIC英文刊名：EQUIPMENT ENVIRONMENTAL ENGINEERING 年，卷(期)：2009 6(2) 分类号：V416.5 关键词：雷达   电磁环境   联合建模与仿真   面向对象技术  

建模及仿真 篇6

关键词：谣言传播；平均场理论；正面信息；传播模型

中图分类号： G203 文献标识码： A DOI：10.11968/tsyqb.1003-6938.2016123

Abstract The rapid develop1ment of social networks makes it possible for people to spread rumors faster and wider than ever before， which affects people's normal life. Considering the phenomenon that government clarifies facts to refute the rumors through the traditional mainstream media and online media after the negative rumors occurred in the real life， the Susceptible-Negative-Positive-Removed （SNPR） model is firstly established by mean-field theory and used to describe the dynamic interaction of the rumors and positive information. Then， the model is simulated by the computer. Finally， the changes of various system parameters on the rumors spread effect is analyzed and compared. Simulation results show that there are three main factors influence the rumor spreading. Additionally， SNPR model itself contains the characteristic of inhibiting rumor spreading， and has important guiding significance for the later studies about rumor propagation model and the strategies of controlling rumors.

Key words rumor spreading；mean-field theory；positive information；spreading model

1 引言

在互聯网兴起的今天，在线社交网站（如Facebook、LinkedIn、Twitter等）以及即时通讯工具（如Skype、QQ、微信等）使得人们可以随时随地接触到各种各样的信息。特别是突发事件发生后网络上不可避免的出现一些恶意消息时（以下简称为谣言），而政府或权威组织针对这些谣言发布的反驳信息即为正面信息。如近年来陆续出现的“2011年抢盐风波”“2012年世界末日”“2014年马航事件”“2015年天津港爆炸事故”“2016年假疫苗事件”等引发的一系列谣言信息，扰乱人们的正常生活，影响社会的安定和谐。当谣言扩散后，为将它们扼杀在摇篮中，政府或有关权威组织会向大众公布事实真相，发布正面信息，化解谣言给人们造成的恶劣影响。由此，谣言和正面信息在网络中共存传播，两种相对立的信息传播之间会有怎样的相互作用，以及正面信息的加入对于谣言传播的抑制效果如何，都是本文着重研究的问题。只有深入分析谣言和正面信息的动态交互过程，了解网络中信息传播的特性，才能找到抑制谣言或有害信息传播的有效措施。

现实生活中存在多种信息传播并存现象，如多种计算机病毒在计算机网络中的传播，多种传染病在人群中的传播以及多种谣言的传播等。目前对存在相互作用的多信息交互过程建模的研究尚处于起步阶段。文献[1]中指出多病原体共同传播问题将成为未来传播领域的一个新的研究热点。杨峰等[2]首次尝试研究良性蠕虫的引入是如何影响蠕虫的扩散过程的，演示了蠕虫和良性蠕虫间的一些非线性交互而产生的多种不同响应；周翰逊等[3]基于传染病模型原理，用数学模型刻画了混合的结构化良性蠕虫对抗蠕虫的传播过程，总结了影响传播的关键因素；Ahn等[4]研究了无标度网络中两种病毒的传播动力学模型，其中一种病毒感染节点，另一种治愈节点。该模型描述了基于反馈免疫系统网络中的流行病传播的临界值取决于无标度网络的幂指数；Trpevski等[5]基于Susceptible-infected-susceptible（SIS）模型研究分别称为谣言1和谣言2的两种不同类型的信息在网络中同时传播的演化过程；王筱莉等[6]研究具有怀疑机制的谣言传播模型，数值仿真结果表明谣言真相传播率对于谣言传播过程中的重要作用，可以减缓谣言传播的速度，减小谣言传播的最终影响；Xia等[7]引入权威信息提出了一个两阶段的谣言传播模型，第一阶段仅有谣言传播，第二阶段权威信息发布后与谣言共存传播。

nlc202309090749

真实社会网络中存在谣言出现后，政府或有关权威组织通过主流媒体或网络进行辟谣的现象。而现有的很多谣言传播的研究大都涉及单一谣言的建模[8-10]，或是从信息传播层面分析影响大众传播行为的关键因素[11-15]，考虑多信息共存的研究工作[2-7]仍然较少。为了更加合理的描述谣言和正面信息的交互传播过程，深入理解两种信息共存情况下的交互传播机制，本文采用复杂网络传播动力学中常用的平均场理论建立相应的常微分方程组表征动力学交互过程的SNPR模型，并对该模型进行仿真，根据仿真结果分析影响谣言传播的关键因素。

2 改进的SNPR模型

事实上谣言在网络中的散布与病毒的传播和扩散很相似[16]。借鉴病毒在网络中的传播特性以及传播过程中人群的状态分类方式，本文结合社交网络中用户对待谣言等信息的态度，将网络中的用户状态分为四类：未知者、谣言感染者、正面信息传播者、免疫者。未知者表示该类用户既没有被谣言感染也没有被正面信息感染。谣言感染者表示该类用户被谣言感染但没有被正面信息感染。正面信息传播者表示该类用户被正面信息感染，是正面信息的传播者，包含那些正面信息的发布者和相信权威信息并传播的用户。免疫者表示该类用户既不会被谣言感染也不会被正面信息感染。将网络中所有用户看成是节点，好友之间的关系看成是边。网络图中节点在未知的易感状态（Susceptible）S、谣言感染状态（Negative）N、正面信息状态（Positive）P和免疫状态（Removed）R之间的转移遵循以下传播规则：

（1）如果一個易感节点与一个谣言感染节点接触，则易感节点会以概率β成为谣言感染节点，如果与一个正面信息节点接触，则易感节点会以概率μ1成为正面信息节点，β称为谣言感染率，μ1称为正面信息对未知者的感染率；

（2）如果一个谣言感染节点与一个正面信息节点接触，则谣言感染节点会以概率μ2成为正面信息节点，μ2称为正面信息对谣言传播者的影响力；

（3）易感节点、谣言感染节点、正面信息节点分别以概率α1、α2、α3变为免疫节点，α1、α2、α3称为用户自身因为遗忘或信息过时等原因不再传播也不被感染的免疫率；

因此谣言和正面信息并存的信息传播模型可以用不同类型节点的状态转移图表示（见图1）。

此外，在仿真过程中设置参数时，假定现实生活中和谣言相比人们更愿意相信权威组织或政府发布的正面信息，即设置谣言感染率β=0.01，是正面信息感染率的μ1=0.02一半。在谣言和正面信息交互感染状态下（见图2（d）），我们发现谣言传播的感染密度n（t）和图2（b）中只有谣言传播的情况相比从70%的峰值减小到图2（d）中的40%左右，且谣言被遏制的时间提前到t为20左右，正面信息的感染峰值相对图2（c）中的峰值也减小了。这些都说明在人们更愿意相信正面信息的情况下，政府通过官方辟谣或是权威媒体的澄清事实确实能够有效的抑制谣言的传播。显然这取决于正面信息对健康者的感染率和谣言对健康者的感染率β之间的关系。下面具体讨论系统初始值和参数值的变化对于交互状态下谣言传播的影响。

（1）分析谣言初始传播节点数N0与正面信息节点数P0的相对变化对谣言传播的影响，设置参数N0和P0的值（见图3），其余参数的值不变。从图3（a）和（c），（b）和（d）纵向对比可以看出P0从1增加到10，可以一定程度上抑制谣言传播。特别是在谣言传播初期，当谣言传播节点N0的数量还是10 的时候就加入正面信息进行辟谣，可以很快的将谣言扼杀在摇篮中。反映到现实生活中的情况，当有谣言出现后，政府或权威组织通过官方媒体澄清事实紧急辟谣可以有效遏制谣言的进一步扩散。

（2）分析谣言感染率β和正面信息感染率μ1的相对变化对交互传播过程的影响。当正面信息对谣言传播者的影响力μ2=0.005不变的情况下，谣言感染率β和正面信息感染率μ1分别对交互传播过程有所影响（见图4）。从图4（a）-（c）可以看出，β不变时，正面信息的感染率μ1越大对谣言抑制的效果越好。这就要求政府及相关权威机构在网络谣言发生后，应该选择有公信力的媒体发布事实真相，有针对性的辟谣。

反之，若政府发布的权威信息具有一定的模糊性，如马航事件中马来西亚政府发布的所谓官方权威信息，从图4（c）中可以清楚的看出，μ1较大时，即人们愿意传播马来西亚政府发布的模糊正面信息。这会使得大众陷入一个对正面信息是否权威的质疑中，反而增加人们探究真相关注谣言信息的注意力，即使在图4（c）谣言的传播峰值很小，但是因为模糊的正面信息的大肆扩散从而导致关注谣言的人数上升也是不利的。因此，权威机构在发布正面信息辟谣时应该确保信息的时效性和准确性，不能模棱两可。

当正面信息感染率μ1=0.02不变时，谣言感染率和正面信息对谣言传播者的影响力（μ2）的变化对交互传播过程的影响又不同。从图5（a）-（c）可以看出在μ1=0.02是β=0.01两倍的前提下，当正面信息对谣言传播者的影响力μ2大于谣言感染率β的一半时谣言即可得到一定程度的抑制。现实生活中刻意散播谣言者对正面信息往往是排斥的，因此，被谣言蛊惑的概率β往往高于正面信息对谣言传播者的影响力μ2。但是只要辟谣的权威机构如世界卫生组织、国家金融机构监管部门等努力提升自身公信力，使得人们相信正面信息的概率μ1大于谣言感染率β，并且在行政、技术和法律方面采取有效的措施，使得谣言散播者对于权威信息的相信率超过谣言相信率的一半即μ2≥β时，就能够有效的抑制谣言了。

4 结论

本文研究了现实生活中，谣言和正面信息并存情况下的谣言传播模型（SNPR模型）。通过数值仿真分析谣言和正面信息的动态交互过程，发现影响谣言传播的因素包括正面信息辟谣的时间点，正面信息的感染率，正面信息对谣言传播者的影响力等。当谣言出现时，权威组织或机构等通过权威媒体及时发布正面信息澄清事实确实能够在一定程度上抑制谣言的传播，正面信息辟谣的时间点越早越好，同时正面信息的发布需要掌握好一个度，确保信息的时效性和准确性，提高正面信息的准确性即加大正面信息的感染率。若发布的正面辟谣信息模棱两可，导致正面信息的准确性受到质疑，本来关注度较小的谣言可能会由于媒体铺天盖地的报道，激起人们探求真相的心理，重新引起人们对负面谣言的关注和重视，反而不利于遏制谣言的传播。此外，权威组织或机构应尽可能从道德和法律等多个方面共同发挥作用，在谣言出现时及时为大众普及相关科学知识，使谣言传播者及早的认清事实的真相，认识谣言的危害性，即加强正面信息对谣言传播者的影响力，减小谣言传播的影响范围，起到从本质上抑制谣言传播的作用。总的来说，在重大突发事件舆情应对时，权威组织或机构及时精准的辟谣才能够尽快的将谣言扼杀在摇篮中。

nlc202309090749

参考文献：

[1] 郭雷，许晓鸣.复杂网络[M].上海：上海科技教育出版社，2006：115-140.

[2] 杨峰，段海新，李星.网络蠕虫扩散中蠕虫和良性蠕虫交互过程建模与分析[J].中国科学（E辑），2004，34 （8）：841-856.

[3] 周翰逊，郭薇，王妍，等.混合的结构化良性蠕虫对抗蠕虫过程的建模与分析[J].小型微型计算机系统，2012，33 （2）：376-379.

[4] Ahn Y Y，Jeong H，Masuda N，et al.Epidemic dynamics of two species of interacting particles on scale-free networks[J].Physical Review E，2006，74 （6）：066113.

[5] Trpevski D，Tang W K S，Kocarev L.Model for rumor spreading over networks[J].Physical Review E，2010，81 （5）：056102.

[6] 王筱莉，赵来军.社会网络中具有怀疑机制的谣言传播模型[J].上海理工大学学报，2012，34 （5）：424-428.

[7] Xia L L，Jiang G P，Song Y R，et al.Modeling and analyzing the interaction between network rumors and authoritative information [J].Entropy，2015，17 （1）：471-482.

[8] Nekovee M，Moreno Y，Bianconi G，et al.Theory of rumour spreading in complex social networks[J].Physica A：Statistical Mechanics and its Applications，2007，374 （1）：457-470.

[9] Xia L L，Jiang G P，Song B，et al.Rumor spreading model considering hesitating mechanism in complex social networks [J].Physica A：Statistical Mechanics and its Applications，2015（437）：295-303.

[10] Zhao Z J，Liu Y M，Wang K X.An analysis of rumor propagation based on propagation force[J].Physica A：Statistical Mechanics and its Applications，2016（443）：263-271.

[11] 賴胜强.网络谣言对受众再传播行为的影响机理研究[J].情报杂志，2014，33 （5）：153-156.

[12] 强韶华，吴鹏.谣言信息传播过程中网民个体行为仿真研究[J].情报科学，2015，33 （11）：124-130.

[13] 沈超，朱庆华，朱恒民.网络谣言话题传播与网民行为协同演进研究[J].情报科学，2016，34 （5）：118-124.

[14] 赖胜强，唐雪梅.信息情绪性对网络谣言传播的影响研究[J].情报杂志，2016，35 （1）：116-121.

[15] 王靖元，张鹏，刘立文，等.网络谣言传播效能评价研究[J].情报杂志，2016，35 （1）：105-109.

[16] 汪小帆，李翔，陈关荣.复杂网络理论及其应用[M].北京：清华大学出版社，2006：95-97.

作者简介：周姝怡（1982-），女，南京邮电大学管理学院馆员，研究方向：网络舆情；朱恒民（1971-），男，南京邮电大学管理学院教授，研究方向：网络舆情、数据挖掘；魏静（1982-），女，南京邮电大学管理学院副教授，研究方向：网络舆情。

空中目标红外场景建模及仿真研究 篇7

1 红外辐射特性及光谱发射率建模

1.1 红外辐射特性建模

目标到达探测器的红外辐射不仅包含自身热辐射, 还包括大气路径辐射、天空背景辐射和太阳辐射等。空中目标红外场景仿真表现出的红外辐射传输过程如图1所示。

对于空中目标红外场景而言, 到达探测器表面各点的辐射[2]为

1.2 光谱发射率建模

根据文献[4]中给出的抗氧化涂层材料不同波长的反射率值, 利用多项式拟合的方法拟合出以波长为自变量, 发射率为因变量的光谱发射率曲线, 其拟合方程为

通过上述方式得到的发射率曲线如图2所示。

2 空中目标红外场景建模

若不考虑红外成像系统效应, 空中目标红外场景仿真的步骤主要为设计红外场景、预生成辐射数据和生成红外图像, 其间关系如图3所示。

2.1 三维场景建模

通过3DS Max软件进行建模和设计材质, 然后用o Fusion插件将模型、材质和动画等导出为OGRE支持的模型文件 (.mesh) 和材质脚本文件 (.material) 等资源文件[5]。

2.2 飞机的红外辐射特性建模

飞机的红外辐射主要来源于尾焰、尾喷口和蒙皮。根据红外辐射的基本原理, 分别为尾焰、尾喷口和蒙皮建立红外辐射模型。但飞机总的红外辐射并不等于这3部分的简单加和, 而需要对热空腔的辐射进行修正。所以飞机的总红外辐射[6]为

式中, I&apos;t, λ=It, λ (λ, a) τ (λ, a, s) ;It, λ (λ, a) 为飞机喷口处的光谱辐射强度;τ (λ, a, s) 为通过尾焰的路径a-s的透过率;Ip, λ为飞机尾焰的光谱辐射强度;Is, λ为飞机蒙皮的光谱辐射亮度;s为观测方向的传输路径。通过式 (3) 就可求出飞机在某给定波段内任意飞行状态和任意实现方向上的红外辐射强度。

2.3 大气辐射传输建模和环境辐射建模

Modtran是计算大气辐射传输的经典模型, 其不仅可以计算大气辐射传输特性, 还能计算天空背景辐射和太阳直射辐射。虽然Modtran可以满足工程要求的计算精度但是要达到实时计算, 其计算速度却较慢。所以采用预计算的方式, 将黑体—辐射亮度、大气透过率、大气路径辐亮度、天空背景辐亮度和太阳辐照度的计算结果以DDS的格式进行存储。大气背景辐射传输建模流程如图4所示。

3 仿真结果及分析

本文根据西安电子科技大学红外技术实验室开发的PRISSE (Physically Reasonable Infrared Scene Simulation Engine) 红外场景仿真平台, 实现对空中目标自身辐射的仿真, 并加入反射和大气效应。

为方便计算, 假定下图中飞机的飞行高度为12 km, 表面温度为300 K。在中波波段分别添加大气效应和反射并进行仿真, 仿真结果如图5和图6所示。

为了能较好地比较采用均值发射率和光谱发射率仿真结果的差异, 利用表1中飞机蒙皮的A点、B点处的灰度值 (括号内为其灰度值对应的辐亮度, 单位W/ (m2·sr) ) 来进行对比分析。

通过对比分析上述表格中的仿真效果图可以看出, 采用光谱发射率的飞机蒙皮的辐射亮度明显比采用均值发射率的辐射量度值高, 这是因为在其计算过程中非黑体的本征辐射的发射率与光谱信息有关, 而图5的仿真中, 对目标的发射率采用均值的计算方法, 这大幅影响了仿真的真实性。

4 结束语

本文介绍了光谱发射率对红外辐射特性的影响, 并通过GPU和OGRE渲染引擎实现空中目标红外场景的建模以及目标对环境辐射的反射和大气效应的仿真。最终通过采用均值发射率仿真得到的红外图像与采用光谱发射率仿真得到的红外图像进行对比分析, 得出采用光谱发射率进行仿真可大幅增加仿真的真实度。

参考文献

[1]于坤, 刘玉芳, 贾光瑞, 等.基于8~14μm带宽的谱带发射率的研究[J].光谱学与光谱分析, 2012, 2 (2) :289-292.

[2]姚涛, 李一凡.场景红外成像仿真原理和应用[J].计算机仿真, 2004, 21 (1) :96-98.

[3]张建奇, 方小平.红外物理[M].西安:西安电子科技大学出版社, 2004.

[4]张宇峰, 戴景民, 张昱, 等.基于积分球反射计的红外光谱发射率测量系统校正方法[J].光谱学与光谱分析, 2013, 33 (8) :2267-2271.

[5]GREGORY J.Pro OGRE 3D programming[M].New York:Apress, 2012.

[6]王超哲, 童中翔, 芦艳龙, 等.飞机红外辐射特性及其探测技术研究[J].激光与红外, 2011, 41 (9) :996-1001.

[7]符泰然, 程晓舫, 钟茂华, 等.辐射测温中光谱发射率的表征描述[J].光谱学与光谱分析, 2008 (1) :1-5.

光伏电池建模及MPPT仿真研究 篇8

1 光伏电池的等效模型及特性

光伏电池是利用半导体材料的光伏效应制成的, 所谓光伏效应是指半导体材料吸收光能, 由光子激发出的电子-空穴对经过分离而产生电动势的现象[1]。当光照强度和环境温度一定时, 太阳能光伏电池是一种非线性直流电源, 其等效电路如图1所示。

由图1中各物理量的关系, 可得光伏电池的输出I-U特性为

式中:I为光伏电池输出电流;U为光伏电池输出电压;Iph为光生电流;Id为二极管饱和电流;q为电子的电荷量 (q=1.6×10-19C) ;Rs、Rsh分别为光伏电池的串联、并联电阻;A为二极管特性因子;k为波尔兹曼常数 (k=1.38×10-23J/K) ;T为光伏电池温度;Rs为串联电阻 (为低阻值, 小于1Ω) ;Rsh为并联电阻 (为高阻值, 数量级为kΩ) 。

考虑到温度和光照强度的变化, 一般用于Matlab建模的简化光伏电池数学模型如下[2,3]:

其中

当环境条件发生变化时, 新条件下光伏电池的输出特性参数 (开路电压Uoc&apos;、短路电流Isc&apos;、最大功率点对应电压Um&apos;和最大功率点对应电流Im&apos;) 分别为

其中

式中:C1, C2为修正系数;S为当前光照强度;Sref为光照强度参考值, Sref=1000 W/m2;T为光伏电池境温度;Tref为光伏电池温度参考值, Tref=25℃;a为参考光照下的电流变化温度系数;c为参考光照下的电压变化温度系数;Isc为短路电流;Uoc为开路电压;Im, Um为最大功率点电流, 电压。

2 光伏电池的建模及仿真

建立模型后, 在相同温度不同光照条件下进行仿真, 取S=1000 W/m2;T=0℃;T=25℃;T=35℃;然后在相同光照不同温度条件下进行仿真, 取T=25℃;S=800 W/m2;S=1000 W/m2;S=1200 W/m2, 绘制了I-U、P-U特性曲线, 如图3所示。

由I-U曲线可知, 光伏电池的输出存在明显的非线性:当电压小于一定值时, 电流近似不变;当输出电压接近开路电压时电流迅速下降。此外光照强度的变化主要影响阵列短路电流, 而环境温度的变化主要影响开路电压[5]。由P-U曲线可知, 当外界自然条件改变时, 光伏阵列的输出特性将随之改变, 其输出功率及最大功率点亦相应改变, 并且对于一定的太阳辐照度和环境温度, 光伏电池的输出功率存在唯一的最大功率点。

3 MPPT仿真

常见的最大功率追踪方法中, 电导增量法具有良好的控制效果, 而现代智能优化算法中, 粒子群算法具有较高的搜索效率。但是粒子群算法也存在一些缺点:迭代后期收敛速度慢、寻优精度低以及容易陷入局部最优。对此, 本文对粒子群算法进行了改进, 并仿真研究了电导增量法及改进的粒子群算法。

3.1 电导增量法

根据太阳能P-U曲线可知, 在最大功率点处, 功率对电压的导数为零。因此, 有

当输出电导的变化量等于输出电导的负数值时, 光伏阵列工作点即为最大功率点, 这就是所谓的电导增量法[6,7]。

3.2 粒子群算法

粒子群算法[8,9]是一种基于生物智能的优化方法, 能快速地搜索出非线性函数的最优解。基本的粒子群算法可以阐述为:在一个D维的空间里, 设定有m个粒子, Xi= (Xi1, Xi2, …, Xid) 为第i个粒子 (i=1, 2, …, m) 的D维位置矢量, vi= (vi1, vi2, …, vid, …, vid) 为第i个粒子的飞行速度。在每一次迭代中, 粒子通过跟踪两个最优解来更新自己:一个是粒子本身目前搜到的最优位置Pbest, 即个体极值Pij= (Pi1, Pi2, …, Pid) ;另一个是整个种群迄今为止搜到的最优位置Gbest, 即全局最优解Pij= (Pi1, Pi2, …, Pid) 。在找到这两个最优值时, 粒子根据下面的公式来更新自己的速度和新的位置[10]:

式中:r1、r2为0到1之间均匀分布的随机数;c1、c2为学习因子, 起加速作用;ω为惯性因子, 起权衡局部搜索能力和全局搜索能力的作用。

3.3 粒子群算法的改进

3.3.1 对学习因子的改进

在粒子群算法中, 学习因子c1、c2可以使粒子具有自我总结和向群体中优秀个体学习的能力。在搜索过程中, 希望搜索的前阶段速度大, 学习因子c1取较大值, c2取较小值;希望在搜索的后阶段速度小, c1取较小值, c2取较大值。因此, 对c1和c2进行了改进, 公式如下:

式中:k是当前迭代次数, N是最大迭代次数。

由1.3+1.2cos x=2-1.2cos x, x[0, π], 解得x≈0.47π。因此, 当1≤k≤0.47N时, c1>c2;当0.47N≤k≤N时, c1<c2。

3.3.2 对压缩因子的改进

Clerc的研究表明使用压缩因子可以保证粒子群算法的收敛速度, 其中压缩因子φ是关于c1和c2的函数。算法公式如下:

式中c1、c2为学习因子。

通过以上改进措施, 增加了算法收敛到全局最优的可能性, 强化了算法的优化效果, 提高了算法的适用性。

3.4 系统建模及仿真

应用Matlab/Simulink工具构建光伏发电系统MPPT仿真模型, 如图4所示。

仿真中Boost电路参数L=220μH, C=100μF, 开关频率f=2 k Hz, 光照强度在0.1 s时由1000 W/m2下降为800 W/m2, 环境温度T=25℃, 扰动步为0.01。基于电导增量法、改进的粒子群算法的仿真波形如图5、图6所示。

从图5和图6可以看出, 应用电导增量法得到的MPPT仿真波形响应速度较缓慢, 搜索前阶段在0.04 s左右达到最大功率点;当光照突变时, 其响应时间为0.02 s。应用改进的粒子群算法得到的MPPT仿真波形稳态波动小, 寻优速度快, 搜索前阶段在0.02 s左右达到最大功率点;当光照突变时, 其响应时间为0.01 s。因此改进的粒子群算法能够同时兼顾系统对速度和精度的要求。

4 结语

通过对建立光伏电池模型在不同温度不同光照条件下进行仿真, 得到了光伏电池随光照强度与温度变化时的工作情况。同时以该模型为基础, 进行了MPPT仿真控制研究, 结果表明, 改进的粒子群算法能够快速跟踪最大功率点且减小光伏电池在最大功率点的震荡幅度, 具有出色的控制效果。

摘要：根据光伏电池数学模型, 在Matlab/Simulink环境下建立光伏电池仿真模型, 并在不同光照强度和环境温度条件下进行了仿真, 结果表明, 光伏电池的输出特性呈明显非线性并随环境温度和光照强度的变化而变化。此外, 对该模型结合MPPT模块, 实现对光伏电池最大功率点跟踪方面, 提出了一种跟踪速度快、稳态精度高的改进粒子群算法。经仿真试验表明, 该方法较传统方法具有明显的控制效果。

关键词：光伏电池,仿真模型,输出特性,MPPT,粒子群算法,电导增量法

参考文献

[1]刘荣.自然能供电技术[M].北京:科学技术出版社, 2000.LIU Rong.Natural energy supply technologies[M].Beijing:Science and Technology Press, 2000.

[2]MUTOH N, MATUO T, OKADA K, et al.Predicion-Data-Based Maximum-Power-Point-Tracking Method for Photovoltaic Power Generation Systems[C]//Power Electronics Specialists Conference, pesc02.2002 IEEE 33rd Annual, 2002, 3:1489-1494.

[3]王长江.基于MATLAB的光伏电池通用数学模型[J].电力科学与工程, 2009, 25 (4) :11-14.WANG Changjiang.General mathematical model of photovoltaic battery based on MATLAB[J].Electric Power Science and Engineering, 2009, 25 (4) :11-14.

[4]YUSHAIZAD Y, SITI H S, MUHAMMAD A L.Modeling and simulation of maximum power point tracker for photovoltaic system[C]//National Power&Energy Conference, 2004 (29-30) :88-03.

[5]禹华军, 潘俊民.光伏电池输出特性与最大功率跟踪的仿真分析[J].计算机仿真, 2005 (6) :248-252.YU Huajun, PAN Junmin.Simulation and analysis of the output characteristics of photovoltaic cells and the maximum power point tracking[J].Computer Simulation, 2005 (6) :248-252.

[6]汤济泽, 王丛岭, 房学法.一种基于电导增量法的MPPT实现策略[J].电力电子技术, 2011 (4) :73-75.TANG Jize, WANG Congling, FANG Xuefa.MPPT implementing strategy based on an incremental conductance method[J].Power Electronics Technology, 2011 (4) :73-75.

[7]李岚, 佟轶.光伏发电中光伏电池变步长导纳增量法最大功率追踪[J].电气技术, 2012 (6) :37-40.LI Lan, TONG Yi.Variable step incremental admittance method on maximum power point tracking of photovoltaic cells in photovoltaic system[J].Electric Technology, 2012 (6) :37-40.

[8]EBERHART K R C.Particle swarm optimization[C]//Proc IEEE international conference on Neural Networks.USA:IEEE Press, 1995:1942-948

[9]SHI Y, R C EBERHART R C.A modified swarm optimizer[C]//IEEE International Conference of Evolutionary Computation, Anchorage.Alaska:IEEEPress, 1998.

建模及仿真 篇9

随着社会经济的发展和人们生活水平的提高, 居民用户大功率家电 (如空调、电热水器等) 在数量和容量上都在逐年增加, 成为形成电网高峰负荷乃至尖峰负荷的重要原因, 给电网安全运行带来了挑战。同时, 随着居民用户家电智能化程度的不断提高[1], 通过先进的通信及控制技术, 使得居民用户与电网实时互动成为可能。通过对居民用户智能家电的合理安排和优化运行, 可以有效减少用电费用, 降低居民用户用电负荷峰值[2], 有望成为电力需求侧管理的重要发展方向。

居民用户智能用电优化的主要目标是在保障居民用户的舒适性前提下, 降低居民用户的电力消费成本[3]。这一目标的实现, 是以智能家电、智能电表、智能交互终端、智能插座、智能控制等硬件装置和用电消费任务管理等软件系统为基础的[4]。目前, 针对居民用户的用电消费任务管理问题, 已有许多专家开展了相关研究。文献[5]提出了一种居民用电优化管理系统的架构, 并给出了居民用电交互作用流程;文献[6]研究了居民用户绿色能源问题, 提出了基于居民用户用电负荷能效对比的绿色能源用电管理系统;文献[7]着眼于居民用户用电信息获取, 提高居民用户用电负荷的可操作性和居民用户需求响应3个方面, 提出了一种新的居民用户能源用电管理系统, 这些工作从居民用户整体出发, 研究了居民用户用电负荷的管理方法。另外, 有些学者对用电负荷之间的协调优化也进行了研究。文献[8]基于预先设定的用电负荷优先级别, 提出了协调用电负荷用电时间的居民用户能源管理算法;文献[9]考虑用电成本和用户用电舒适度, 研究了优化电动汽车和居民用户混成自动电压控制 (HAVC) 系统用电的问题;文献[10]以减少用电费用和尖峰用电量为目标, 提出了居民用户能源管理系统的框架和家电负荷用电时间优化方法。

实现居民用户用电智能优化是居民用户参与电力需求侧管理的重要前提。一个优秀的智能优化方案能够调整智能家电的运行时间段, 降低居民用户用电负荷及费用, 最终对降低电网的负荷峰值、平稳电网用电负荷波动作出贡献[11]。为达到这一目的, 需要电力公司根据负荷预测结果和电网运行状况, 发布未来一段时间的电价给用户, 用户根据电价和自身的用电需求, 优化安排未来一段时间的用电行为。本文给出了居民用户用电行为和约束的数学描述, 在实时电价和分时电价的机制下, 提出了居民用户用电优化方法, 可以有效减少用电费用, 降低居民用户用电负荷峰值。

1 居民用户智能用电模型

1.1 智能家电用电特性

一般来讲, 除了必需的生活用电需求, 居民用户希望在电价低时段使用家电。对于必需的生活用电需求, 例如用户想下午下班到家后能有热水洗澡, 那热水器必须在用户到家之前把水加热到设定的温度值;对于非生活必需的用电需求, 例如夜间电价较低时段, 人们可能会安排电动汽车充电。从这一点考虑, 对于居民用户智能家电的用电特性, 用户需要设定每个智能家电的持续用电时长、希望的用电时段以及单位小时智能家电的耗电量。

另外, 对于一些智能家电的用电特性, 需要考虑在用电过程中可以根据实际需求临时中断用电任务。例如:正在充电的电动汽车在电价较高时停止充电, 待电价降到可接受的程度后继续充电, 这类智能家电称为可中断负荷。同时, 也存在一些智能家电在用电任务一旦开始后就不能中断或者是用户不想其中断, 例如已经开始进入煮饭模式的电饭锅, 无论电价如何变化都不能中断其煮饭行为, 这类智能家电称为不可中断负荷。

1.2 智能用电特性建模

假设每小时分成n个时间段, 即每个时间段为60/n min, 一天分为24n个时间段。例如:把每小时分成6个时间段, 则每个时间段为10 min, 每天分为144个时间段, 即时间段s=1, 2, …, 144。理论上n越大, 则每个时间段越短, 模型精度越高, 但计算量也越大。因此, 实际中n的数值要综合多种因素来决定, 如60/n的选取要能描述智能家电的运行模式。例如:空调是间歇性用电负荷, 以“运作—中断”为一周期, 因此选取的60/n应能描述这一“运作—中断”周期过程, 即“运作—中断”周期的时长应为60/n的整数倍。另外, 有些智能家电的运行时间是固定的, 不一定是60/n的整数倍, 因此实际操作时, 可选用最接近的整数倍值。例如:定时限的洗衣机一次工作时长为38min, 当选取每个时间段为10min时, 则算法中洗衣机的总运行时长应设为4×10min。

智能家电集合用A表示, 对于任一属于A的智能家电a, 其一日内的用电情况可用向量Da来表示:

式中:da, s为智能家电a在第s个时间段的用电量, s=1, 2, …, 24n。

为简单起见, 本文假设智能家电每小时的耗电量是固定的, 用Ca表示。那么对于智能家电a, 若其在第s个时间段工作, 则有

若其在第s个时间段不工作, 则有

对智能家电用电进行优化, 就是在考虑整个居民用户用电需求的情况下, 优化智能家电a在所有时间段的耗电量Da。对于居民用户, 其总用电量需求为:

2 居民用户智能用电优化方法

居民用户智能用电优化的目的就是在保证完成用户要求的任务前提下, 通过合理安排智能家电在可接受的时间范围内运行, 使得居民用户的整体用电费用最小。其目标函数为:

式中:ps和Ds为时间段s的电价和电量。

电价机制可采用目前较为常用的分时电价或实时定价[12,13]。实际情况下智能家电的运行是由人的意愿来决定的, 其用电时间有一定范围限制, 即其运行起始时间和结束时间是有限制的。本文用λstart和λend分别表示智能家电允许的最早起始和最晚结束运行时间段, tstart和tend分别表示智能家电的实际起始运行时间段和实际结束运行时间段, N表示智能家电完成某一任务所需的总运行时间段数量。

对智能家电a, 其运行约束包含等式约束和不等式约束。

等式约束:

不等式约束:

如图1所示, 分别为智能家电a1所允许的最早起始运行时间段和最晚结束运行时间段, 而实际上智能家电a1是从ta1, start开始运行的, 在经过个时间段完成任务后于结束运行。

从图1中可以看出, 智能家电a1完成任务的过程中, 没有任何中断发生, 但有些智能家电运行过程允许中断。例如:电动汽车充电在电价突然升高时可以中断工作, 等电价降到合理的范围后再重新投入工作。如图1中智能家电a3从时间段投入工作, 经过个时间段后在未完成任务的情况下于时间段中断工作。而后在ta32, start新投入工作, 经过个时间段后于时间段完成任务而结束运行。

当然, 智能家电工作过程频繁的中断和重启也是不允许的, 一般对中断的次数有一定的限制。本文用TD表示最大允许的中断次数, Td表示实际的中断次数, 则考虑智能家电中断时的约束条件如下所示。

等式约束:

不等式约束:

式 (12) 和式 (13) 给出了智能家电的用电时间限制范围, 即用户可接受的用电任务最早起始和最晚结束时间。对于可中断用电负荷, 允许其在用电时间限制范围内多次启停。该模型中考虑了用电负荷的中断次数, 但是完成一项任务时, 用电中断相同的次数所实际经过的时间可能不同。

3 算例分析

本算例利用某居民用户的用电安排优化来验证所提出的方法。一日分为144个时间段, 表示为s=1, 2, …, 144。智能家电的用电数据, 如最早起始时间段、最晚结束时间段、最大允许中断次数等如表1所示。

表1中, 电动汽车1 (EV1) 充电时间范围为00:00—08:00和19:00—24:00, 电动汽车2 (EV2) 充电时间范围00:00—13:00和17:00—24:00;电冰箱虽然运行时长为全天, 无需优化用电时间, 但其用电量会累加到每个时间段上, 是用户实际支付电费的一部分;将家电分为连续用电、可中断用电两类, 如洗衣机属于可中断用电类, 而电水壶、电视机、吹风机、电脑等则属于连续用电类。在实际中, 连续用电、可中断用电家电的划分以及可中断用电家电的最大允许中断次数可由用户自行决定。

优化用电任务, 实质是要合理安排用电任务的时间, 即决定用电任务的中断次数和起始时间段。本文采用遗传算法来求解用电任务优化问题[14]。应用遗传算法求解时, 遗传编码代表的就是所有用电任务的中断次数和用电起始时间段, 其由二进制数值串构成。对允许中断次数为TD的用电任务, 最多包含TD+1个起始时间段。优化问题中用电任务的各种约束, 在遗传算法实现中可以处理成惩罚函数的形式。本算例中, 遗传算法中种群数量设为200, 最大允许迭代次数设为500, 交叉操作概率为0.95, 变异操作概率为0.25。

3.1 电价机制对用电安排优化影响分析

图2所示为该家庭在不同电价机制下采用智能用电优化方法得到的各时段负荷分布, 包括随机用电 (见图2 (a) ) 、实时电价机制下用电优化安排 (见图2 (b) ) , 以及分时电价机制下用电优化安排 (见图2 (c) ) 。图3所示为不同用电安排方案的用电费用比较。分时电价具体时间段分布和对应电价见附录A表A1, 实时电价曲线见附录A图A1。

比较图2和图3可知, 在实时电价和分时电价作用下, 居民用户通过调整智能家电的用电起始及用电结束时间限制, 增加家电的用电时间段范围, 对用电任务进行优化安排, 可降低总用电费用。而且可以看到, 实时电价下居民用户的用电费用更低。

同时, 由图2 (a) , (b) , (c) 可见, 在实时电价和分时电价下, 居民用户峰值负荷明显小于随机用电情况下的峰值负荷, 但由于优化目标是用电费用最低, 因此, 实时电价下的峰值负荷转移效果不如分时电价下的峰值负荷转移效果。

3.2 用电行为对用电安排优化的影响分析

居民用电行为即智能家电的最早起始时间段、最晚结束时间段、最大允许中断次数等设置的不同会对用电安排优化造成影响。下文将仿真分析在实时电价机制下居民用电行为对用电费用的影响。

首先分析最早起始时间段、最晚结束时间段的影响。在表1的基础上, 把用电负荷的最早起始时间段和最晚结束时间段分别向前和向后移动一个时间段, 计算不同的用电费用 (若某一用电负荷的最早起始时间段已是时段1或者最晚结束时间段已是时段144, 则不做改变) 。图4所示为每次改变最早起始时间段和最晚结束时间段后的用电费用。

由图4可知, 随着用电负荷允许用电时间段空间越来越大, 居民用户的总用电费用越来越小。但是, 允许用电时间段空间越大, 使得用户可以把更多的用电任务放到电价更低的时段, 可能会造成大量用电负荷集中于电价较低时间段工作, 从而导致形成新的负荷尖峰, 如图5所示。

在允许最早、最晚运行时间段改变80个时间段后, 几乎所有用电负荷的用电任务都集中于时段1至20和时段127至144之间, 因为这两个时段区的电价最低。但过度集中用电, 使得该用户在时段1和时段127等时间段出现负荷尖峰。

用电负荷的最大允许中断次数也是影响用户用电安排和最终用电费用的因素之一。针对可中断用电负荷的最大允许中断次数, 设计了用电负荷最大允许中断次数, 如表2所示。

根据表2中的几种情形, 仿真计算了实时电价机制下用户的用电费用, 如图6所示。可知, 情形1由于不允许用电负荷中断发生, 所以用电费用最高。而随着用电负荷允许中断次数的增加, 用电费用将逐渐减少, 但至情形3后, 再增加允许中断次数时用电费用保持不变, 这说明情形3的中断次数已使得用电任务分布足够灵活且用电费用最小, 故无需再增加中断次数。

允许智能家电用电过程中发生中断可以给用电时间安排带来灵活性, 从而减少用电费用。因此, 如果用户在一段时间内认为用电费用较高, 在不影响用电舒适度的情况下, 适当调整智能家电的最大允许中断次数, 可以实现降低用电费用的目的。

4 结语

本文研究了居民用户智能用电建模及优化仿真方法。针对智能家电的用电特征, 提出了可中断和不可中断两种用电模型。为优化智能家电的用电安排, 提出了以用电费用最小为目标的智能家电用电安排优化模型。该模型考虑了智能家电的用电起始时间和用电结束时间限制、智能家电的最大允许中断次数等。

仿真算例表明, 所述方法既降低了家庭的用电费用, 又减小了用电量峰值。基于算例结果, 比较了不同用电安排方案的用电负荷—时间分布情况, 分析了智能家电的用电起始时间和用电结束时间限制、智能家电的最大允许中断次数对用电费用和用电负荷—时间分布情况的影响。

建模及仿真 篇10

1 光伏电池等效电路及其输出特性方程

理想情况下, 光伏电池在等效电路中可以看作一个恒流源。等效电路中并联一个二极管模拟暗电流的产生, 用一个串联电阻来模拟电池板的损耗, 一个并联电阻来模拟短路电流的产生[2,3]。等效电路如图1, 输出特性方程[2,3]如式 (1) 所示。

图 1 光伏电池等效电路

式中:IL为输出电流 (A) ;q为电荷 (C) ;Io为二极管反向饱和电流 (A) ;K为玻尔兹曼常数, 1.381 0-23J/K;A为二极管品质因数 (介于1 和2 之间) ;Ud为为二极管两端的电压;Rsh为并联电阻 (Ω) ;Rs为串联电阻 (Ω) ;Iph为光生电流 (A) ;UL为输出电压 (V) 。

2 光伏电池工程用数学

2.1 光伏电池工程用数学表达式

光伏电池的生产厂家只会为用户提供标况下 (光强S=1 000 W/m2, 电池温度T=25 ℃) 短路电流Isc, 开路电压Uoc, 峰值电流Im, 峰值电压Um四个电池板测量参数。

由于Rs相对于串联电阻Rs的数值非常大, 忽略式 (1) 中的最后一项和ILRs项[4]。当负载短路的时候, 有短路电流Isc=Iph。基于以上两点, 可以把式 (1) 变为:

为了更加方便地建立数学模型, 在这里构造2 个参数[6]X1, X2。式 (2) 可以转化为:

在最大功率点有UL=Um, 实际情况中有exp (UmX2Uoc) >> 1 , 所以得到:

由式 (4) 可以解得:

令:

式中:Tref=25 ℃;Sref=1 000 W/m2;a, b都是补偿系数, a=0.005 6, b=0.2;T, S, D, d V为中间变量[5,6]。

2.2 光伏电池模型搭建及输出特性仿真

本文所用光伏电池测量参数为:最大功率Pm=120 W, 峰值电压Um=34.5 V, 峰值电流Im=3.48 A, 短路电流Isc=4.09 A, 开路电压Uoc=43.2 V。 结合式 (11) 在Matlab/Simulink中搭建模型如图2。

在不同光照和温度下仿真光伏电池的输出特性曲线如图3~图6。仿真结果表明搭建的实用模型可以很好的模拟光伏电池的实际输出特性。通过观察P-V曲线, 发现光伏电池存在唯一的最大功率点。

3 改进电导增量MPPT算法建模仿真

电导增量法是常用的最大功率点跟踪算法, 。采用电导增量法进行最大功率跟踪时并无原理性误差, 是一个比较理想的MPPT跟踪方法[9]。电导增量法中设定的固定步长较大时, 算法跟踪速率较快, 但是有比较大的稳态震荡。设定较小的步长时, 算法跟踪速率较慢, 有比较小的稳态震荡。为了能兼顾跟踪速率快和较小的稳态震荡, 采用变步长的电导增量法。令步长d=A|dp/du|, 当dp/du>0 时, U=U + d;当dp/du<0 时, 有U=U-d[7,8]。根据经验设定参数A=0.000 1。在Matlab环境下搭建梯度电导增量算法模型见图7, 搭建基于boost电路[9,10]的MPPT仿真模型见图8。

仿真参数设定Max step size:0.000 01;slover:ode23;Relative tolerance:1e-4;powergui模块:Simulation type=Discrete , Sample time=50e-6 ;C1=500e-6c ;C2=1 000e-6c;R=40 Ω;L=50e-6 H;IGBT和二极管D取默认参数;仿真时间为0~0.6 s, 阶跃模块实现在0.3 s由S=1 000 W/m2跳变为S=800 W/m2, 光伏电池输出电压及负载功率仿真波形见图9 和图10。结合图9 和图10, 外界环境变化时, 光伏电池输出电压分别稳定在34.5 V和32.5 V附近, 负载功率接近光伏电池的最大功率120 W和96 W。

4 结语

本文在Matlab环境下搭建了光伏电池实用仿真模型, 仿真结果与理论分析相吻合。建立基于改进的电导增量法MPPT仿真模型, 结果表明新算法可以较好地实现最大功率跟踪。

图 10 光伏系统负载功率图

参考文献

[1]于晓燕, 崔爱红.我国太阳能利用的现状、问题与对策[J].科技信息, 2011 (3) :52-53.

[2]王立乔, 孙孝峰.分布式发电系统中的光伏发电技术[M].北京:机械工业出版社, 2010.

[3]赵颖.独立运行光伏发电系统的研究[D].大连:大连理工大学, 2009.

[4]胡德安, 韩新峰, 彭莉萍, 等.基于Matlab/Simulink的光伏模糊最大功率点跟踪控制的研究[J].工业控制计算机, 2013, 26 (5) :39-43.

[5]汤强, 薛太林.基于Matlab/simulink的光伏组件建模仿真[J].通信电源技术, 2011, 28 (1) :38-39.

[6]茆美琴, 余世杰, 苏建徽.带有MPPT功能的光伏阵列Matlab通用仿真模型[J].系统仿真学报, 2005, 17 (5) :1248-1251.

[7]MEI Qiang, SHAN Ming-wei, LIU Li-ying, et al.A novel im-proved variable step size incremental resistance MPPT methodfor PV systems[J].IEEE Transactions on Industrial Electronics, 2011, 58 (6) :2427-2434.

[8]黄舒予, 牟龙华, 石林.自适应变步长MPPT算法[J].电力系统及其自动化学报, 2011, 23 (5) :26-30.

[9]张翔, 王时胜, 余运俊, 等.基于电导增量法MPPT仿真研究[J].科技广场, 2013 (7) :60-64.

建模及仿真 篇11

关键词：Simulink；流水线ADC；系统建模

中图分类号：TP335文献标识码：A文章编号：1007-9599 (2011) 03-0000-02

Matlab Modeling and Simulation on Pipelined ADC

Zhang Xiaobin1,Zhou Xiaoming2,Li Shuairen1

(1.South China University of Electronic and Information Engineering,Guangzhou10641,China;2.Institute of Physics,South China University,Guangzhou510641,China)

Abstract:By using the Simulink tool in Matlab,a system model of the pipeline ADC is built,and then the model is simulated in considering the non-ideal characteristics of the main circuits which can affect the ADC performance.Based on this idea,the system structure and module parameters can be targeted to define.Finally,in considering the non-ideal characteristics and noise,the simulation results of a 10-bit resolution,60MHz sampling rate,1.5 bit/stage pipelined ADC is shown in this paper.

Keywords:Simulink;Pipelined ADC;System model

在通訊系统、视频设备及多媒体技术中需要分辨率高速度快的ADC，流水线结构的ADC恰好迎合了这种需求。现代的电子电路设计过程越来越复杂，一套行之有效开发周期短的设计方法很有必要。通过对系统进行建模，加入非理想特性对系统的影响，可以提高设计效率，可以对各模块的性能和限制有清晰地了解，从而设计者可以确定各模块的性能参数，减少设计的盲目性。

对ADC系统的建模有多种方法，可以使用高级语言如C语言，硬件描述语言VHDL-A、Verilog-A等。这些方法中，使用Matlab的Simulink工具有明显的优势[1]，这种建模方法简单直观，可以方便地观察输入输出信号波形，仿真数据可以进行方便地处理。

本文通过考虑主要模块的非理性特性，对10位分辨率，60M采样速率的流水线ADC进行建模仿真。流水线ADC主要分为采样保持电路（S/H），增益数模转换电路（MDAC），子模数转换电路（ADC）和数字纠正电路等。

一、流水线ADC的结构

流水线模数转换器的基本结构[2]如图1所示，对于本设计，分辨率为10位的ADC可分为9个单元级，前8个单元级各产生1.5位数字输出，最后一级产生2位数字输出。所包含的电路有采样保持电路、低精度子模数转换电路、子数模转换电路、余量产生和倍增电路、延迟电路及数字校正电路。同时又将前一级的子数模转换电路和后一级的余量产生倍增电路和采样保持电路合并在一起，称为增益数模转换器（MDAC）。这样整个流水线只有三种模块，即第一级采样保持电路、子模数转换电路和MDAC。

二、误差分析

影响流水线ADC性能的主要电路是采样持电路、子模数转换电路和MDAC电路。具体体现在运算放大器、比较器及采样开关等重要电路的性能对ADC的影响。

（一）采样保持电路

采样保持电路是模数转换器中的关键模块[3]，它的性能及限制跟具体的结构有很大关系，本设计中采用的是电容翻转式结构。采样保持电路具体由采样开关、采样电容和运算放大器组成。因此它的性能及限制也由这三部分电路决定。其中运算放大器的性能处于主要影响的地位。运算放大器的参数包括直流增益A、单位增益带宽、压摆率SR、建立时间和寄生电容等。

当采样保持电路处于保持阶段时，它的输出电压与输入电压的函数关系如下：

（1）

则可得

（2）

在本设计中，由于采用的是电容翻转式采样保持电路，因此有：

（3）

其中 为运放输入寄生电容，由于运放寄生电容的存在使得输出电压略小于输入电压。由式2可得，运放的输出与输入不是理想中的线性关系，而是存在一定程度的失真，即运放对不同输入电压的增益也略有不同。为了使运放的这一误差不影响后级电路的处理，运放的增益有一最小值。对于10位分辨率的ADC，要求运放的A 75dB。

在运放的建立时间过程，分为大信号过程和小信号过程，小信号建立过程跟运放的单位增益带宽 有关，而大信号建立过程跟运放的压摆率SR有关，对于单极点的运放[4]，小信号建立时输出与输入的关系式

（4）

大信号建立过程时有：

（5）

位建立时间， 为-3dB带宽，可见运放的有限建立时间会会引入非线性误差，此误差会随着输出增大而变大，大输出为最大时有最大误差值。

采样保持电路中采样开关也会引入非理想特性，由于此处开关是由高频时钟驱动的，本设计中时钟频率为60M，开关的电荷注入和时钟馈通效应会给输出电压带来误差，电荷注入如图2所示：

图2

时钟为高电平时，沟道中的电荷为：

（6）

其中W，L， 分别为晶体管的沟道宽度，长度和栅单位面积电容。当时钟跳变为低电平时，由于栅极电压变化极快，MOS管的电流无法在瞬间泄放沟道内的电荷，MOS管迅速关闭，电荷向两端平均注入，由注入的电荷引起的误差为：

（7）

时钟馈通也会引起误差，当采样开关被关断时，时钟信号通过栅漏电容耦合到采样电容上，这个误差值为：

（8）

其中 为MOS管的交叠电容，这个误差表现为固定的失调。值得注意的是，在电路设计时，电荷注入和时钟馈通引起的误差可以通过全差分结构及底极板采样方法进行有效控制。

采样保持电路中的噪声主要由运放和采样开关引起的。运放的噪声主要包括热噪声和1/f噪声[5]，其中1/f噪声跟频率成反比，频率越高其影响越小，通常忽略它的影响，主要考虑热噪声，其均方根输入噪声电压可表示为：

（9）

同时采样开关也贡献噪声，假设开关导通电阻为Ron，电容为 ，则开关热噪声的功耗可表示为：

（10）

考虑运放、采样开关等模块的非理想特性后，对采样保持电路所建模型如图3所示

由于采用的全差分结构，因此有两个输入和两个输出，其中利用模块operr来模拟运放所引入的噪声和误差，由swerr模块来模拟采样开关引入的误差，采样电路的输入信号和输出波形如图4所示

（二）MDAC电路和子ADC

MDAC电路由子DAC、采样保持电路和余量产生及放大电路组成，此处的采样保持电路的要求没有输入采样保持电路那么高，精度和误差等要求都比较低。对于1.5位/级的电路，子DAC相当于一个两电位的电平选择器，子ADC则为一个两比较电平的比较器。MDAC的误差包括运放的误差、开关噪声和电容不匹配等，相对于输入级采样保持电路中的运放误差和开关噪声，此处对这些误差的要求也更低。子ADC的误差主要是比较电平的偏移[6]，但是采用1.5位/级结构后，可以允许比较电平有一定的偏差，降低了比较器电路的设计难度。建模电路如图5所示

三、整体电路及仿真结果

对于本设计，10位分辨率，采用1.5位/级结构的流水线ADC共分为9級，前8级每级为1.5位一级，有0.5位的冗余位，最后一级为2位的Flash型ADC。加入数字纠错电路后，整体电路如图6所示

加入输入信号进行仿真，得到的结果如图7所示

此图中，从上到下的顺序，第一个波形是输入信号，第二个波形是输出数字码的最高位，依次而下，最下面的波形是最低位。

利用MATLAB对数据文件进行处理，得到图8所示的频谱图。所加的信号频率为10MHz，采样速率为60MHz，最后得到信噪失真比为58.46dB。

四、结论

本文在首先分析各电路模块的非理想特性后，结合Matlab中的Simulink工具对流水线ADC进行建模仿真，根据各电路模块的误差和仿真结果确定模块参数和系统结构，减少了设计的盲目性，加快了设计的进程。

参考文献：

[1]Erkan Bilhan,Pedro C.Behavioral model of pipeline ADC by using simulink,2001 SSMSD Dig.Tech.Papers,146-151

[2]李建.低压低功耗流水线型模数转换器的结构研究与实现.复旦大学博士论文,2008

[3]郑宇.流水线模数转换器行为建模与数字校准算法研究.电子科大硕士论文,2010

[4]Behzad Razavi.Design of analog CMOS integrated circuits International Edition,2001,3:100-110

[5]Allen P.E,Holberg D.R.CMOS analog circuits design.Beijing.Electronic industry press,2002:230-250

[6]Sumanen L.CMOS dynamic comparators for pipeline A/D converters.Symposium on circuits and systems,2002:157-158

[作者简介]

张小斌，男，硕士研究生，主要研究方向流水线模数转换器的设计。

周晓明，男，教授，华南理工大学物理学院。

李帅人，男，硕士研究生，华南理工大学电子与信息学院。

建模及仿真 篇12

军用电子装备仿真训练软件 (Military Electronic Equipments Training Simulation Software, 以下简称METS) 是一类在商业货架计算机软硬件平台上运行的, 以装备训练为主要目的的计算机软件[1]。该类软件主要通过对武器装备的人机交互界面、行为逻辑的仿真, 实现人在回路式的操作训练功能, 是当今训练领域提高受训人员掌握窝气装备操作水平的一种重要手段。作为一种典型的军事训练应用系统, 其开发和研制面临着模型重用性不高、开发效率低等问题。这些问题已成为严重影响METS设计与开发周期和质量的瓶颈。

因此, 考虑开发一套能够解决上述问题的METS集成开发环境就显得尤为重要。随着软件工程的不断发展, 领域工程、模型驱动开发等相关技术为软件复用提供了基本的技术支持, 能使特定领域的软件复用活动相对容易的取得成功。虽然在这些技术的理论研究方面已经取得了不少成绩, 但将其应用于软件开发的实例[2,3,4]仍较为有限。而领域分析是能否成功应用领域工程方法实现软件复用的关键。FODA (Feature Oriented Domain Analysis) [5,6]是目前较为成熟的一种面向特征的领域分析方法。该方法支持某领域中各具体应用中共性和个性的发现。因此, 本文研究的重点内容是采用面向特征的领域分析方法建立METS开发领域的特征模型。即以实现METS集成开发环境为目标, 从建立METS开发领域的需求模型入手, 通过提取METS开发领域的共性和变化性特征, 构建出该领域的特征模型, 最后结合领域工程和模型驱动的软件开发方法构建出METS集成开发环境, 以满足各类METS软件的开发需求。

一、特征模型和FODA方法

从实施过程来看, 领域工程包含领域分析、领域设计和领域实现等三个阶段。领域分析是的输出产品是领域模型, 即获取领域需求, 它是针对领域的需求规约模型。特征是从用户角度对系统的感知, 文献[7]提出把特征作为系统需求规约的组织方式。因此, 对系统需求规约提取特征, 并将其进行模块化组织, 是构建领域模型的一种有效手段, 从而形成领域特征模型。

领域特征模型通过记录领域内的特征以及特征之间的关系来反映整个领域的软件需求。这组特征分属于两种类型:共性特征和变化性特征。共性特征存在于领域内的每个具体系统中, 是使领域特征模型能够复用的关键。例如, 在各类METS中, 存在着大量相同行为特征的操作元件 (多波段开关、旋钮、灯、数码管等) , 同时还有行为特征不同的能如显示器元件。变化性特征反映了领域内的不同应用系统中的差异[8]。特征模型通过特征的可选性和变化性来表示领域变化性的机制。其中, 特征的可选性是指部分特征相对于整体特征的可选性, 如视图缩放为仿真对象操作的可选行为特征。此外, 还通过维度 (dimension) 和值 (value) 的概念来描述特征具有的变化性[9]。把具有变化性的特征称为一个维度, 把其涵盖了不同细节的变化性特征称为该维度上的一个值。对于一组同一维度变化特征可采用多选一和多选多两种剪裁方式, 如元件等仿真对象的尺寸设置就是一个维度特征, 这个维度上具有精确设置和概略设置两个值, 同时该维度特征具有多选一特点。与传统软件需求规约的组织结构相比, 特征模型具有可复用性、结构良好、易于图形化建模等诸多优点[10]。

FODA是一种将特征模型引入领域工程中的较为成熟的领域分析方法。随着的领域工程研究的不断深入, 还发展了其它一些以特征模型为核心的领域分析方法 (FORM[11], Featu RSEB[12], PLA[13]) 。运用FODA等领域工程方法, 在开发领域新系统时, 可根据领域模型, 选择确定需求规约, 进而选用合适的系统架构, 并以此为基础选择构件进行组装, 形成新系统。其优点是新系统的开发是建立在对需求、构件等模型复用的基础上。也就是说, FODA正是通过捕捉领域设计阶段的共性和变化性特征, 建立特征和特征之间的关系, 以此来实现以领域特征模型为核心的领域模型。本文的重点将关注于如何建立METS开发领域的特征模型。

二、FODA特征建模过程

领域特征的分析活动的输入是各类领域应用, 输出是领域特征模型。建立特征模型的过程主要包括:服务分析活动、功能分析活动和行为分析活动三个层次, 同时, 每一层次的分析活动内都会伴随着领域术语分析、共性变化性分析、交互过程分析等并发活动, 具体分析活动流程如图1所示。需要特别说明的是, 其建模过程不是一个严格的顺序过程, 各层之间的活动可以出现交替。因此, 实际的建模过程是在这三个层次对应的分析活动之间不断迭代、反复进行的。

服务分析活动的主要内容是识别领域具有服务的特征。其目的就是为每一种典型的业务能力定义领域内统一的名称和说明, 并将其作为特征模型服务层内的特征。如在METS中将模型设计及驱动机制可统一为模型驱动服务。

功能分析活动的主要工作是识别服务具有的功能特征。首先, 分析系统为完成特定的服务必须具有的功能。然后, 为每个功能定义领域内一致的名称和说明, 并将其作为功能层内的特征, 同时建立与服务层特征的整体部分关系。例如, 在各类METS中, 用户需要对多波段开关、数码管等仿真对象进行增、删、改等编辑和位置、尺寸设置等操作, 从而确定出仿真对象管理服务的功能特征。

行为分析活动的主要工作是识别功能具有的行为特点。该层活动主要是为每一种行为特征建立领域内一致的名称和说明, 并将其放入特征模型的行为特征层, 同时建立与功能层特征的整体部分关系。该项活动主要包括分析功能执行的条件特征, 如前置条件、准备工作等;分析功能主体行为的特点, 发现其具有的显著特点和可能的变化性;分析功能的后期行为特点, 如功能执行的后置条件、善后处理工作、功能执行完毕后的控制权转移等。

三、METS特征模型建模

3.1 METS开发领域。

METS集成开发环境主要应用于军用电子装备的行为建模、用户界面可视化编程、软件系统集成等方面。从用户角度来看, 该平台是一种允许用户直接操纵具有特定语义或表示特定物理对象的图形符号进行METS开发的软件系统。例如, 用图像图元或特殊形状的图元表示一个特定的电子元件类型, 用线形图元表示元件之间的接口连接, 用户可以随时操纵这些元件和图元进行建模或设计活动。从功能角度来看, 该平台构成了声纳、雷达、指控等不同专业领域的一个通用军用电子装备仿真训练软件开发领域, 专门负责为用户提供直观、简便的软件开发。虽然在不同的专业领域中, 人机界面上元件表示的语义以及元件之间存在的约束关系有很大的不同, 但是, 在对这些专业领域的变化性进行抽象、隔离和封装的基础上, 我们可以得到一个具有相同行为特征的功能区域, 如元件模版 (多波段开关、数码管等) 。METS集成开发环境具有的直观性、虚拟性、易修改性等特点, 可以极大地提高其在该领域的建模或设计工作的效率。

3.2 METS特征建模

3.2.1 服务层特征模型。

用户通过操纵面板、元件、图元等仿真对象可完成METS的人机交互界面设计, 仿真对象所对应的参数被存储在系统参数库中, 通过仿真模型设计完成用户业务模型的开发, 通过仿真引擎提供的参数模型注册服务完成系统参数与仿真模型的注册信息。在软件发布运行后, 用户操作界面元件, 仿真引擎在采集到此类操作信息后更新系统参数库中对应的参数值, 同时, 仿真引擎以此参数地址为输入在仿真模型注册信息表中找到对应的仿真模型, 并驱动仿真模型的执行, 模型的输出仍通过仿真引擎提交给人机界面进行显示或提交给网络接口进行发送, METS具有各种特征的逻辑结构如图2所示, 从中可以看出, METS是以仿真引擎服务为核心, 将其它服务有机地联系到了一起。从上述METS的开发过程可得出, 其集成开发环境应所具有的服务特征应包括仿真对象管理、模型驱动、运行时管理三部分。限于篇幅, 本文仅介绍前两部分的功能特征模型和行为特征模型, 对于运行时管理的服务特征、功能特征及其行为特征将另撰文描述。

3.2.2 功能层特征模型。

仿真对象管理用于给用户提供面板、元件、图元等仿真对象的编辑及管理操作。其中, 元件对应于实装操作界面的基本物理元素, 除具备可视化图元外, 还具备相应的显示、操作方法;图元是组成元件的基本元素, 同时具备相应的操作方法;面板是元件的管理容器, 用来实现元件对象的创建、初始化以及元件与元件参数的对应关系注册等功能, 同时完成界面布局。从中可以看出, 图元与元件作为用户的设计构件具有可重用性。仿真对象管理服务的功能特征实质上就是面板设计, 其中对象编辑和对象操作是多选特征。

模型驱动服务是METS集成开发环境中最核心的部分, 通过模型设计和参数管理功能能够为METS提供仿真模型的设计、系统参数管理, 以及二者之间的注册信息。通过共性变化性分析, 认为系统仿真模型除了具有属性特征外, 还应包括两种模型:系统回调模型和用户模型。因此, 应给用户提供自定义属性、自定义方法和回调接口编辑功能。其中, 系统回调接口是模型设计的必选功能特征, 自定义属性和方法是模型设计的可选功能特征, 其中参数管理包括参数编辑和参数注册两个必选功能特征。

运行时管理服务通过仿真引擎的驱动功能来实现METS运行时的模型调度。

METS集成开发环境的功能层特征模型如图3所示。

3.2.3 行为层特征模型。

在服务分析和功能分析的基础上, 可对每个系统功能的行为特点进行分析。通过考察用户对面板、元件、图元等仿真对象的编辑操作可以发现, 仿真对象编辑功能层的行为特征应包括:元件/图元对象的增加、删除、修改。通过考察用户对面板、元件、图元等仿真对象的典型操作可以发现, 仿真对象操作功能的必选行为特征应包括:元件/图元的组合、选择、撤销/重复、图层设置、设置位置、设置尺寸等。由于显示设备物理尺寸的限制或对局部细节的要求, 用户可能需要缩小或放大视图以便能够观察到视图的整体布局或局部细节, 因此视图缩放应作为可选行为特征。其中, 对象选择维度上有单选和多选两个值, 位置设置特征维度上有精确设置和概略设置两个值, 并且对象选择和位置设置的行为特征为多选一模式。

系统回调接口是指METS仿真引擎提供给用户的通用系统回调接口, 如面板初始化、状态变化相应等, 在系统回调接口中用户可处理这些系统响应。从模型的表示形式上看, 系统回调接口与用户的仿真模型都具有一些共性特征, 即都由模块编号、输入参数、输出参数、计算单元四部分组成。但系统回调接口的模块编号、输入参数、输出参数为系统定义, 用户只需处理计算单元。因此, 在METS集成开发环境中, 系统回调接口功能层的必选行为特征为回调接口编辑。自定义方法的行为必选特征包括:设置输入参数、设置输出参数、设置方法名称。系统提供默认的返回类型, 同时允许用户根据自身需求进行修改, 即设置返回类型为可选行为特征。自定义属性的必选行为特征为设置属性名称, 可选行为特征为设置属性类型, 设置属性类型纬度有整形、字符串等值, 且为多选一模式。

对于METS中的系统参数来说, 每个参数具有唯一标识, 用户除了能对参数进行基本编辑操作外, 更重要的是能够将参数与面板、元件、图元、仿真模型进行关联注册, 此操作是实现模型驱动的核心操作。通过交互过程分析, 可发现系统参数编辑功能的行为必选特征包括:增加、删除、设置名称、设置初始值, 设置类型、修改唯一标识号为其行为可选特征。系统参数注册功能的行为必选特征包括:参数选择、注册类型选择、模型IO参数选择, 其中选择注册类型维度上有两个值, 且为多选一模式, 表示既可通过鼠标拖动实现, 又可通过向导创建。

通过上述分析, 可得到图3所示的METS集成开发环境的行为特征模型。具体符号语义参见文献[9]。

四、结论