预测补偿范文（精选3篇）
预测补偿 第1篇
目前,建模的方法大多是假定在稳定的工况下,而油田开采过程中,随着时间推移,油井工况可能发生不同程度的变化,使用原始数据建立的软测量模型将不再适应新的工况而出现模型老化现象。因此,为了确保软测量模型的长期适应性,有必要将过程动态信息引入模型,建立动态软测量模型。本文针对动液面实时预测问题,提出了一种模型更新的标准,与ARMA方法相结合,对模型预测误差进行补偿,实现在线更新。首先选取日产液量、井口套压、泵效作为模型的辅助变量,建立最小二乘支持向量机预测模型;然后利用ARMA方法对预测出的动液面进行补偿。
1 基于LSSVM的动液面预测模型
1.1 辅助变量选择
辅助变量作为动液面软测量模型的输入,其与动液面联系的紧密程度对模型预测精度起着关键作用。文献[4]对油井现成全部可测参数,即流量、产气量、示功图载荷、示功图位移井口套压、温度和油压与动液面关系进行了分析和总结,得出日产液量、井口套压、泵效能准确反映动液面状态,并将其作为软测量模型的辅助变量。本文引用该文献的结论选用日产液量、井口套压、泵效作为辅助变量。
1.2 LSSVM建模原理
给出训练数据(xj,yj)∈Rm×R,j=1,2,…,N.N为样本总数,m为样本空间的维数。输入数据xj通过非线性映射zi=φ(xi),从低维输入空间映射到高维特征空间,高维特征空间的线性函数估计函数为:
根据风险最小化原理,将上述问题等效为求解如下二次规划问题:
式(2)中:J(ω,ε)为结构风险;C为惩罚系数;εi为容许误差;ωTω控制着模型的推广能力。
利用Lagrange法求解上式的优化问题,根据KKT优化条件整理得到如下的线性方程组:
式(3)中:y=[yT1,y2,…,yn],I=[1,1,…,1],a=[a1,a2,…,an]T,K=K(xj,yj)=φ(xi)Tφ(xj),i,j=1,…,N.
K为径向基核函数,其式如下所示:
式(4)中:σ为核函数参数。
最后解得LSSVM回归模型为:
式(5)中:αi为拉格朗日算子。
1.3 模型更新步骤
在建立LSSVM静态模型的基础上,采用ARMA方法进行误差校正,实现模型的动态预测,具体步骤如下:(1)选择辅助变量训练数据;(2)建立LSSVM模型;(3)用预测数据与检测数据相减,组成误差序列建立ARMA模型;(4)将LSSVM模型的预测值与ARMA模型的预测误差相加,并将所得值作为最终动液面预测值。
2 实验分析
本文从辽河油田某采油平台得到抽油机部分监测数据,采用350组样本数据训练预测模型,336组数据进行动液面预测检验,惩罚因子搜索区间为[2 000,1],核函数参数搜索区间为[50,0.01],以均方误差作为评价模型预测精度的标准。预测结果如图1所示.
3结论
基于离线数据建立的预测模型,由于工况不断发生变化,模型的预测精度会逐渐降低,甚至出现较大偏差,因此必须通过模型的评价标准对模型不断进行更新,提高模型的预测能力。本文首先采用LSSVM建立动液面预测模型,然后由ARMA方法对预测模型进行误差补偿,从而实现模型的动态更新。实验结果表明,该方法具有一定的可行性与实用性。
参考文献
[1]李瑷辉.难测井动液面测试方法研究[J].中国石油和化工标准与质量,2012(05):51.
[2]李翔宇,高宪文,侯彦彬.基于在线动态高斯过程回归抽油井动液面软测量建模[J].化工学报,2015,66(6):2150-2158.
[3]阮宏镁,田学民,王平.基于联合互信息的动态软测量方法[J].化工学报,2014,65(11):4497-4502.
预测补偿 第2篇
地面控制中心通过指令遥控航天器时, 主要利用无线电、有线传输等测控资源将地面的控制指令传输到航天器上, 因此, 在指令的传输过程中必然存在时延。由于目前航天器控制主要采取透明工作模式[1], 为保证控制指令能按时抵达航天器, 地面控制中心可以采用时延补偿的方式减小网络传输导致的发令时间误差, 提高指令抵达航天器的时间精度。目前在应对网络时延方面, 主要有以下几种做法, 包括:不进行补偿、装订常数时延进行补偿、基于确定性预报器的时延补偿方法、基于概率预报器的时延补偿方法[2,3]等。
本文基于航天测控网的特性, 分析了航天器测控网的组成及时延特性, 提出了针对航天测控网中部分使用光纤传输的地面网络, 采用多个队列进行预测控制补偿网络时延的方法。
一、航天测控网时延特性分析
在航天任务中, 地面控制中心采用透明工作模式, 主要通过测站向航天器发送控制指令, 测站对控制中心发来的控制指令仅进行调制, 不作其他处理。该过程中, 地面控制中心到测站的通信由光纤、海事卫通等系统保障, 测站到航天器则通过无线电完成。因此, 在使用光纤传输至地面测站时, 指令从地面控制中心送至航天器的主要时延可以分为3个部分, 分别是τ1光纤传输时延、τ2测站处理时延和τ3无线传输时延。其中τ1是指令自地面控制中心发出后抵达测站的时长, τ2是指令测站用于处理收到指令的时长, τ3是测站将指令调制编码并通过无线电送达航天器的时长。考虑到航天器轨道高度和天线性能, 无线电传输速度相对网络传输速度而言更为稳定[1]。因此, 本文主要针对光纤传输时延和测站处理时延, 进行基于预测控制器的补偿策略设计。
二、趋势预测控制器结构设计
由于地面控制中心发出指令的时间和测站调制完毕开始通过无线电发送指令的时间均是已知的, 为减少额外测量产生的误差并简化设计, 采取合并τ1和τ2补偿处理的策略。预测控制器由一个存储器、一个预测器、一个控制器和一个安全锁构成, 趋势预测控制系统结构如图1所示。
设置控制系统具有以下初始条件:
1. 安全锁设有安全边界 (包括上界和下界) , 当安全锁
收到处于边界外的时延值时, 自动屏蔽该信息, 不将其引入队列;
2. 测站反向传输数据带有时间标签, 可解算出τ1+τ2。
该系统中, 使用存储器中设置多个队列, 分别设置网络时延队列、上升趋势时延队列和下降趋势时延队列;使用预测器将新送达的时延记录与上次预测结果进行比对, 根据预测值与实际值的差别调整上升趋势或下降趋势的权值, 调整后, 将新的时延加入近期网络时延队列, 并在上升和下降趋势时延队列中分别进行模式匹配, 匹配结果加权后输出为时延预测结果;控制器根据预测结果调整网络时延, 并通知控制指令发送软件根据时延提前发送指令;安全锁防止由于野值、网络异常等原因导致的干扰。
系统工作流程如图2所示。
三、仿真验证
仿真前设置初始条件如下:
1. 该网络表示地面控制中心发令至地面测站天线发令间的网络;
2. 网络有周期性噪声和高斯噪声。
经Mat LAB加周期性噪声及高斯噪声仿真验证, 取τ1+τ2为常数100ms时, 采样网络每1秒的时延, 比对装订时延与实际时延的误差如图3所示。
采用趋势预测控制系统自动调整时延后, 使用相同数据再次仿真, 装订时延与实际时延的误差如图4所示。
四、结果分析
当时延补偿为定值时, 时延补偿误差可以反映网络状态, 由图3可见, 网络存在约为周期性抖动及噪声导致的时延抖动时, 由于时延装订值较大和网络抖动造成发令采用的时延与实际网络时延偏差在45ms至85ms间, 且抖动造成了误差分布在约为±20ms范围内 (占全部误差的86.1%, 其中误差±10ms的占57.7%) , 随网络抖动影响而变化。经趋势预测系统补偿后, 发令采用的时延与实际网络时延偏差在-20ms至20ms间, 受网络抖动影响的误差主要分布在±10ms范围内 (占全部误差的87.7%) , 且误差趋于收敛, 不受网络抖动影响。
综上可知, 预测性时延补偿方法可以减弱网络抖动对时延的影响, 减弱地面网络传输及设备处理的时延系统误差, 提高控制指令发送的精度。
摘要：本文在分析航天器测控网及时延特性的基础上, 针对航天器遥控发令时伴生的发令时延问题, 提出使用地面光纤传输和地面测站发送遥控指令时, 通过趋势预测的方法进行时延补偿。该方法减少了网络抖动带来的误差, 并采用MATLAB进行了仿真。
关键词：网络控制系统,预测控制,时延补偿,航天器
参考文献
[1]张渊.载人飞船飞行控制技术[M].北京:国防工业出版社, 2008.
[2]朱孔阳.网络控制系统的时延补偿策略研究[D].青岛科技大学, 2010.
预测补偿 第3篇
相控开关技术是近年来发展起来的一种抑制开关分合闸操作时所产生的涌流和过电压等暂态冲击、提高电能质量的有效手段[1,2,3,4,5]。实现选相控制的关键因素之一是断路器操作时间的稳定性。理论分析与现场数据均表明选相投切负载要想取得理想效果，断路器分合闸时间的分散性应限制在1 ms以内[6]。因此，操作时间在合理范围内波动是对选相控制断路器的根本要求。
目前，国外相控开关技术的应用主要集中在高压和超高压领域，断路器多采用弹簧操动或者液压操动的SF6断路器，为了减小断路器操作时间分散性的影响，需要复杂的校准系统。近年来，国内研究单位对于相控开关技术在理论和可行性方面进行了研究，并且首先在中压领域取得突破[7,8,9,10]。20世纪90年代末出现的新型永磁机构和电子操动为中压领域相控断路器的实现提供了硬件基础，永磁机构零部件少，操作时间分散性小，完全采用电子操动，便于控制，适合用于相控开关技术中[11]。
本文分析了采用永磁机构的真空开关操作时间的影响因素，讨论了目前常用的开关操作时间补偿与预测方法的特点，在此基础上提出了一种基于多元线性回归法的开关操作时间的补偿与预测方法，补偿后的永磁机构合分闸相位的控制偏差平均值小于0.4 ms，很好地满足了相控开关的要求。
1 操作时间的影响因素
虽然永磁机构本身动作比较稳定，操作时间分散性小，但外界条件的变化对断路器操作时间分散性仍有很大的影响，若不进行相应的处理，很难满足选相控制的要求。影响断路器操作时间最主要的因素是环境温度和操作电压的变化，此外，闲置时间和老化磨损等操作历史的影响也不容忽视。这些因素与操作时间之间的关系相当复杂，它们影响到断路器和永磁机构的多个方面，很难用确定的数学模型进行精确的描述，必须通过控制系统的软件或硬件进行补偿。
2 操作时间的补偿与预测方法现状
一般而言，补偿方法有2种：一种是在断路器操作过程中通过改变分合闸线圈的电流对运动特性进行闭环控制，保持操作时间为常数[12];另一种是对各种影响因素进行实时在线检测，根据一定的策略计算出它们对操作时间改变的数值，据此进行补偿。前一种方法对控制系统硬件要求很高，控制复杂，目前更多的是采用后一种方法。
选相控制系统接收到操作指令后，需要预测开关下一次动作的操作时间，以算出在最佳目标投切所需的延时。根据操作时间影响因素的固有特性，可将影响因素分为2类：环境因素(主要是温度和操作电压)和操作历史(主要是闲置时间、老化和磨损)，对应补偿量也分为2类，则预测的操作时间tpre可表示为[1]
其中，tnom为开关在一般固定工作条件下的固有操作时间，通常是通过测量获得并固化到控制器中;Δtenv为由于环境因素变化引起的补偿量，对于动作不频繁的开关而言，此补偿量尤其重要;Δtadp为由于操作历史变化引起的补偿量，对于动作频繁的开关而言，此补偿量尤其重要;Δtsta为开关操作时间的固有统计分散量，是无法通过控制系统来校准的。
即使在所有外界条件都一致的情况下，由于开关的操动机构是一个典型的机械系统，其操作时间总会存在一定的分散性，统计表明开关操作时间的分散性服从正态分布，其均方差为σmech，则Δtsta可以按照下式估算：
由于Δtsta是无法通过控制系统来补偿的，所以各类开关操作时间的固有统计分散性是其作为选相控制开关的一个内在限制因素。
对于Δtenv的预测，目前国内外采用较多的方法主要有双线性插值法[13]、神经网络法[14]与加权平均法[15]。由于Δtenv主要是由环境温度和控制电压的变化引起的，这些方法都需要通过实验，预先测量在不同的温度和控制电压下开关的操作时间，以此作为预测计算的基础。双线性插值法算法简单，但预测精度较粗糙，神经网络法在非线性函数逼近和系统建模方面功能强大，所需数据资料也较少，但文献[14]的预测算法只是在离线数据基础上拟合了不同环境温度与控制电压下的动作时间数学模型，没有考虑反馈控制问题，并且编程实现也较困难。文献[15]的加权平均算法简洁直观，但加权系数的确定比较麻烦。
对于Δtadp的预测，目前最常用的方法是采取自适应反馈控制策略进行补偿，即应用历史数据检测开关操作特性的变化趋势，并预测下一次操作所需的动作时间。常用的是CIGRE推荐的算法[6]：
其中，tne,ope为下一次动作时开关的操作时间，tla,ope为控制器上一次所用操作时间，tla,mea为上一次实际测量的动作时间;ω为加权系数，为了确保统计和周期变化不被放大，ω常取小于1的数。
为了更好地反映老化和磨损的累积效应，减小偶然因素造成的干扰，通常取前n次操作的结果作加权处理，即若设Δe=(tla,mea-tla,ope)，则有
式中k为自适应系数。
3 操动时间补偿与预测
开关动作时间的预测需要考虑环境因素和操作历史的综合影响，同时也应该具备所需信息量少、计算简便、精度较高等特点。针对上述要求，本文借鉴多因素时间序列的预测方法，将影响永磁机构真空开关动作时间的多种因素综合考虑，明确各影响因素的自回归系数，利用多元线性回归法动态预测开关的动作时间与变化趋势。
多因素时间序列模型如下：
其中，Yt为开关第t次的操作时间预测值;Xt,i(i=1,2，…，n)为第i个操作时间影响因素在第t次的值;ai为各影响因素的自回归系数;at为随机扰动项。
在获得不同时刻的动作时间历史数据Yt-1、Yt-2、…、Yt-p和各影响因素数据Xk,1、Xk,2、…、Xk,n(k=t-1,t-2，…，t-p)后，将这些数据代入式(5)，从而可以获得p个方程，对于待估参数A=[a1,a2，…，an]，定义如下的关于p的函数：
该函数是以A为参数时模型的残差平方和，可以采用最小二乘法使S(A)达到最小，即令
分别对A求偏导数可得：
根据上式利用消元法分别求出n个未知的变量：a1、a2、…、an，并将各个影响因素值代入式(5)，即可求出最终预测值。
4 试验结果与分析
表1为试验所得实验开关A相固有合闸时间及影响因素统计结果(其他相及分闸时间分析过程与之类似)。开关的固有合闸时间tsw对应Y，单位为ms;控制电压UC对应X1，单位为V，其值的变化主要来源于电阻分压器精度与A/D转换误差，可由DSP通过内部A/D转换器实时检测;环境温度t对应X2，单位为℃，可通过集成温度芯片实时检测。下面以此表为源数据，用多元线性回归算法预测下一次操作时间，并与实测数据比较验证其预测精度。
对照式(5)和表1可知n=2,p=18。首先，根据式(5)可列出18个方程，再由式(8)求解关于变量a1、a2的2个方程，从而可以获得第t+1次永磁机构真空开关固有合闸时间的回归方程为
由上式可知X1较X2对Y有更显著的影响，并且随着控制电压增大或者温度升高，动作时间呈下降趋势。另根据F统计量的值F=42.977可知所得方程的回归是高度显著的[16]。表2为第19～21次合闸时间预测值tpre与实测值tre的比较结果，可见数据吻合较好，预测值误差ε小于0.2%，说明所设计模型是适用的。
由式(9)与表2的比较分析结果可知，开关固有合闸时间与控制电压和环境温度是负相关的，控制电压与环境温度的升高使得电容器操作功率增大，励磁电流上升，动作时间降低。将多种影响因素结合起来进行综合考虑与分析，可以提高开关动作时间预测精度。该算法的影响因素数据都可以通过控制系统实时检测得到，又减少了一部分预测误差，因此预测精度完全满足选相控制精度的要求。此外，所述算法不涉及非线性内容，适于在控制系统中编程实现，具有较大的实用价值。
5 结论
为保证相控开关选相操作的精度，开关操作时间的分散性必须控制在一定范围内，实际开关操作时间受环境因素和操作历史等外界条件的变化而出现波动，往往不能满足选相控制的要求，必须采取措施进行补偿和校正。通常的措施是对环境因素和操作历史的影响分别补偿和预测，本文给出了一种基于多元线性回归法的开关操作时间补偿和预测方法，能够同时对各种影响因素引起的开关操作时间偏差进行补偿和预测，该方法不涉及非线性内容，适于在控制系统中编程实现，测试结果表明其预测精度完全满足选相开关控制精度的要求，具有很好的实用价值。
摘要：开关操作时间的稳定是相控开关实现选相操作的前提,实际开关操作时间受各种因素的影响,具有较大的分散性,很难直接满足选相操作的要求。对影响开关操作时间分散性的各种因素,包括操作电压和温度等环境因素以及闲置时间、操作次数和老化磨损等操作历史因素进行了分析,讨论了目前常用的开关操作时间补偿与预测方法的特点,在此基础上提出了一种基于多元线性回归法的开关操作时间的补偿与预测方法,该方法通过建立多因素时间序列模型,同时实现了对环境因素和操作历史等多种影响因素的补偿,测试结果表明该算法预测值误差小于0.2%,对应的时间偏差小于0.1 ms,完全能满足开关选相操作的要求,验证了算法的有效性。