间歇性强脉冲储能电源控制系统研究

随着强脉冲电源设计水平的提高，对强脉冲电源的储能容量提出了更高的要求，需要对强脉冲电源进行优化控制设计，提高强脉冲电源的储能性能和输出均衡性。研究强脉冲电源的储能优化控制方法，在优化强脉冲电源的设计和能量传输能力方面具有重要意义 [1]。在强脉冲电源间歇性储能过程中，容易受到储能电能空间输出扰动的影响，导致电源输出失稳，且强脉冲电源间歇性储能的大数据受到传输信道的多径扩展影响，导致调度的时延和误差较大。为了提高强脉冲电源间歇性储能的大数据调度和无损传输能力，需要进行间歇性储能控制设计，提高强控制能力[2]。

对强脉冲电源间歇性储能控制设计是以大数据为基础，结合对强脉冲电源间歇性储能大数据比特信息流的统计分析和特征提取，提高储能调度和控制能力。强脉冲电源间歇性储能的大数据传输介质中的信道规模较大，种类多，具有时变性和随机性变化特点。传统方法中，对强脉冲电源间歇性储能控制方法主要有波特间隔均衡法、谱分析法等[3-4]，上述方法在强脉冲电源间歇性储能控制的大数据传输过程中，需要动态分配储能地址和传输功率分布特征信息，导致大数据的信道均衡性不好[5]，数据输出稳态调度能力不好，误比特率较高。为了提高数据的稳定调度能力，本文提出了一种基于大数据的强脉冲电源间歇性储能控制系统[6]。采用定量分析法分析解释变量模型和控制变量模型，构建模糊子空间调度模型，进行信息存储模型设计，构建数据分析模型。采用统计平均互信息分析方法进行数据的信息融合处理以及数据分类，进行大数据分析和预测，实现强控制系统的硬件设计，最后进行仿真实验。

1 间歇性储能信道模型分析和约束参量

1.1 间歇性储能信道模型

为了实现对间歇性储能大数据的准确均衡调度，在大数据分布式信息重组和传输调度模型设计，根据信道重构分析，进行电源间歇性的输出均衡配置[7]。设强脉冲电源间歇性储能大数据的样本类别为，大数据调度信道的跨度为，谐振电流的数据流样本 ，令为直流侧电压电流大数据分布概念集合，强脉冲电源间歇性储能的概念集特征匹配三元组，其中为概念结点集合，为直流输入数据属性集合，为和之间的电容电压可自动均衡的二元结构关系，，表示存在一个嵌入式的高维相空间，能使强脉冲电源间歇性储能大数据在属性集能充分展开。

假设在关联的两组信道中采集的强脉冲电源间歇性储能大数据分布样本属性集，其等价的信道冲激响应函数满足：

待优化存储分配的强脉冲电源间歇性储能大数据集合中含有个样本，其中样本在强脉冲电源间歇性储能空间中的比特序列传输流为：

式中：为待均衡调度强脉冲电源间歇性储能大数据潜在有用信息的包络幅值；为数据统计平均值；为干扰项；假设强脉冲电源间歇性储能大数据输出传感节点模型由个通信节点组成，在强脉冲电源间歇性储能通信系统的多径传输中，每个数据接收节点的最短距离为。

由此在正弦半波时子模块中进行大数据传输的信道均衡调度，强脉冲电源间歇性储能通信系统大数据传输信道是一个扩展信道，大数据传输的多径信道模型为：

式中：为强脉冲电源间歇性储能通信节点中第个节点的接收数据特征量；为强脉冲电源间歇性储能传输的比特率。

在有限传输向量集下，强脉冲电源间歇性储能信道具有多径特性，构建强脉冲电源间歇性储能的信道模型，如图1所示，在该强脉冲电源间歇性储能的信道模型中，采用直接耦合式控制方法进行间歇性储能调度控制[8]。

图1 强脉冲电源间歇性储能的信道模型

1.2 控制约束参量分析

在时频域中进行功率谱密度特征提取，实现对强脉冲电源间歇性储能控制系统中的大数据的经验模态分解和多分量幅度调制，采用定量分析法分析强脉冲电源间歇性储能控制的解释变量模型和控制变量模型[9]，以电源储能大数据的分布特征、关联系数、平均互信息熵以及强脉冲电源储能数据分布结构模式等为约束参量，得到强脉冲电源间歇性储能控制状态之间的转移概率表示为：

强脉冲电源间歇性储能控制模型由五个状态组成，即，其中为强脉冲电源间歇性储能控制模型中的隐含状态，为强脉冲电源间歇性储能控制模型观测状态，电能特征分布模型定义式如下：

采用线性规划技术进行强脉冲电源储能数据调度集构造，分析电源储能控制的系统状态模型，结合大数据融合方法进行强脉冲电源间歇性储能的可靠性分析[10]，定义权限系统预期的安全属性，得到强脉冲电源间歇性储能综合控制下的静态结构和动态结构如下：

式中：为强脉冲电源间歇性储能综合控制下的动态结构；为权限系统预期的安全属性；为强脉冲电源间歇性储能综合控制下的静态结构。

将强脉冲电源间歇性储能大数据模拟为一个非线性储能控制统计特征序列，构建强脉冲电源间歇性储能大数据的关联规则指向性特征的约束函数，构建模糊子空间调度模型进行强脉冲电源间歇性储能控制的信息存储模型设计[11]。

2 控制模型优化

2.1 大数据挖掘和自适应均衡调度

在采用定量分析法分析强脉冲电源间歇性储能控制的解释变量模型和控制变量模型的基础上，进行控制模型的优化设计，构建强脉冲电源间歇性储能单变量统计回归分析序列为，采用高维矢量特征重构方法，实现强脉冲电源间歇性储能的描述性统计分析，构建一个微分方程表达强脉冲电源间歇性储能的信息流模型为：

式中：为强脉冲电源间歇性储能的统计特征状态函数；为测量误差。

在信息不对称条件下，得到强脉冲电源间歇性储能分态空间中的演化序列反映了强脉冲电源间歇性储能控制演化模型，强脉冲电源间歇性储能的描述性统计序列，其相空间重构轨迹为：

式中：，表示强脉冲电源间歇性储能分布的正交向量集，构建强脉冲电源间歇性储能控制的灰色模型的表达式为：

令，在正常强脉冲电源间歇性储能水平下，用表示在强脉冲电源间歇性储能的最佳博弈状态参量。

采用电源储能大数据分析方法，令得到总特征分布满足，则强脉冲电源间歇性储能下的电能总增益率满足：

电能除了能够进行储存，其也会转化为热能，辐射能等，其储存下来的电能越多，则转化成的热能就越少，也就是说增益率就更大。设强脉冲电源间歇性储能控制的尺度，在强脉冲电源储能数据调度条件下[12]，强脉冲电源间歇性储能效益转移概率可通过式(11)计算，对于电源的储能过程，电能传输为必不可少的步骤，即为此处的“转移”。在电能进行传输的过程中会出现损耗，这些损耗就导致了储能效益概念的出现。电能损耗少，其储能效益就高。

当时，得到强脉冲电源间歇性储能控制电源储能大数据融合输出为：

由此构建强脉冲电源间歇性储能控制的电源储能大数据分析模型，实现大数据挖掘和自适应均衡调度[13]。

2.2 信息融合处理和电源储能大数据分类

给定目标函数的解空间是从，在中寻找一个点，则提取强脉冲电源间歇性储能数据的关联规则特征量有：

采用统计平均互信息分析方法进行强脉冲电源间歇性储能控制数据的信息融合处理和电源储能大数据分类，进行强脉冲电源间歇性储能控制的电源储能大数据分析和预测[14]，强脉冲电源间歇性储能控制的线性拟合式为：

式中：分别为最大控制阈值和最小阈值。对强脉冲电源间歇性储能进行线性预测，采用统计平均互信息分析方法进行强脉冲电源间歇性储能控制数据的信息融合处理，得到优化控制的目标函数为：

对强脉冲电源间歇性储能序列进行全局寻优，得到全局极值和个体极值，采用描述性统计分析，得到强脉冲电源间歇性储能大数据的融合度。最后结合均方误差估计法方法，得到强脉冲电源间歇性储能控制的统计平均量输出为：

通过算法设计，进行强脉冲电源间歇性储能控制的电源储能大数据分析和预测。

3 控制系统的硬件设计与实现

在上述系统算法开发设计的基础上，基于嵌入式DSP处理器和FPGA可编程逻辑控制进行强脉冲电源间歇性储能控制系统的硬件设计。采用ADSP-BF537设计内部时钟振荡器，进行强脉冲电源间歇性储能控制系统的时钟采样。基于DSP设计信息处理模块，采用ISA/EISA/Micro Channel扩充总线进行强脉冲电源间歇性储能控制的指令加载，在嵌入式环境下进行强脉冲电源间歇性储能控制系统的程序加载和交叉编译控制，通过JTAG调试接口进行强脉冲电源间歇性储能控制系统的实时性程序读写和A/D转换控制，提取强脉冲电源间歇性储能控制的动态信息，采用动态信息融合技术实现强脉冲电源间歇性储能控制的过程优化控制[15]。根据上述分析，得到本文设计的强脉冲电源间歇性储能控制系统的总体结构如图2所示。

图2 强脉冲电源间歇性储能控制系统总体设计结构

在DSP系统设计中，根据强脉冲电源间歇性储能控制的过程判断进行集成信息处理，选择ADI公司的A/D和D/A实现上位机通信和总线控制，得到系统的硬件集成设计如图3所示。

图3 系统硬件集成设计

4 仿真实验

为了测试设计算法在实现强脉冲间歇性储能控制和强脉冲电源储能数据分布式调度中的应用性能，进行仿真实验，采用SPSS19统计分析软件进行数据分析，结合Matlab进行仿真分析，系统换流整相的时间间隔为0.23 s，最小的交流环流为12 A，输入滤波电感为20 mH，强脉冲电源间歇性储能大数据规模集为10 000，测试样本集为200，大数据的初始采样时间间隔为=8 ms，终止采样频率=4 Hz，根据上述仿真参量设定，进行强脉冲电源间歇性储能大数据调度和储能控制，得到大数据采样结果，如图4所示。

图4 强脉冲电源间歇性储能大数据采样

以图4的采样数据为研究对象，进行强脉冲电源间歇性储能控制，得到优化控制输出，如图5所示。

图5 电源间歇性储能调度的控制输出

分析图5得知，采用该方法进行电源间歇性储能控制的稳态性较高，储能特征聚类性较好，测试不同方法进行电源间歇性储能控制的吞吐负载，得到对比结果(见表1)。分析表1得知，本文方法进行电源间歇性储能控制的吞吐性能较高，可提高电源负载能力。

表1 吞吐负载性测试

5 结语

本文提出了一种基于大数据的强脉冲电源间歇性储能控制系统，采用定量分析法分析强脉冲电源间歇性储能控制的解释变量模型和控制变量模型，以电源储能大数据的时频特征、关联规则特征、平均互信息熵以及强脉冲电源储能数据分布结构模式为约束参量，构建模糊子空间调度模型进行强脉冲电源间歇性储能控制的信息存储模型设计。构建强脉冲电源间歇性储能控制的电源储能大数据分析模型，采用统计平均互信息分析方法进行强脉冲电源间歇性储能控制数据的信息融合处理和电源储能大数据分类，进行强脉冲电源间歇性储能控制的电源储能大数据分析和预测，结合电源储能大数据融合和聚类算法实现强脉冲电源间歇性储能控制优化设计。研究证明，采用本文方法进行电源间歇性储能控制的吞吐性能较高，可提高电源负载能力和输出均衡性。