発電機グループの広範囲の変量条件下での精密モデルを構築することは、知能発電運行制御にとって最も基本的であり、極めて重要な手順です。モデリングプロセスの迅速さを高め、得られたモデルの精度と汎用性を向上させるために、本論文では、量子蜂群クラスタリングを基盤とした新しいT-Sファジー モデリング方法を提案しています。この方法は、まず量子概念の導入によりクラスタリングのスピードを向上させると共に、クラスタリングプロセス中の人為的に設定されたクラスター数の主観性を除去するために、決定定数とデータ空間制約を使用して仮説部分識別を行います。次に、仮説部分識別の結果に基づき、結論部分識別では指数重み付き最小二乗法を使用して局所モデルパラメータの識別過程を簡素化し、精度を保証します。最後に、超超臨界機群調整制御システムのモデリングを例に取り、提案されたアルゴリズムが知能発電運行制御システム発電機グループモデリングにどのように応用されるかを探討しました。シミュレーション結果は、このアルゴリズムがモデリングプロセスの迅速さを保証するだけでなく、識別されたモデルが機群の広範囲な変量条件下で常に高い精度を維持し、優れた汎用性と適応性を示していることを示しています。

知能発電; 運行制御; 量子蜂群クラスタリング; T-Sファジーモデリング; 調整制御システム; 広範囲な変量条件; モデル識別; 超超臨界機群