JavaFX + MySql 实现学生信息管理系统

MATLAB Simulink下的双馈风机调频策略研究：一次调频、三机九节点下的虚拟惯性与下垂控制策略优化,基于Matlab Simulink的双馈风机调频策略：含虚拟惯性与下垂控制，风电渗透率达20%，快速仿真分析,matlab simulink 双馈风机调频，风电调频，一次调频，风电场调频，三机九节点，带有惯性控制，下垂控制。风电渗透20%，phasor模型，仿真速度快，只需要20秒 三机九节点，风电调频，下垂控制，惯性。对风机附加这两种控制，改善系统频率特性，风机渗透率20%。可研究风电渗透率，风电调频策略。,matlab; simulink; 双馈风机调频; 风电调频; 一次调频; 风电场调频; 三机九节点; 虚拟惯性控制; 下垂控制; 风电渗透率; phasor模型; 仿真速度。,Matlab Simulink中双馈风机调频策略研究：虚拟惯性与下垂控制的改善效应

三通道交错并联双向Buck-Boost变换器：高效能量双向流动与精准控制,三通道交错并联双向Buck-Boost变换器：高效能量双向流动与减小电感电流纹波的研究,三通道交错并联双向buck-boost变器。通过simulink搭建的三通道交错并联双向buck-boost变器，采用电压外环，三电流内环，载波移相120°的控制方式。在buck模式与boost模式互相切之间，不会产生过压与过流，实现了能量双向流动。且交错并联的拓补结构，可以减少电感电流的纹波，减小每相电感的体积，提高电路的响应速度。该拓补可以用于储能系统中。整个仿真全部离散化，采用离散解析器，主电路与控制部分以不同的步长运行，更加贴合实际,控制与采样环节全部自己手工搭建，没有采用Matlab自带的模块。,核心关键词：三通道交错并联; 双向buck-boost变换器; 电压外环; 三电流内环; 载波移相120°控制; 能量双向流动; 交错并联拓补结构; 离散化仿真; 离散解析器; 主电路与控制部分不同步长运行。,基于离散解析的交错并联双向Buck-Boost变换器仿真研究

深度解析：高效两级式光伏并网逆变器技术，采用Boost电路与增量电导法实现MPPT，二电平逆变器与双闭环控制确保并网性能卓越,基于Boost电路与双闭环控制的10kW两级式光伏并网逆变器——实现高效MPPT与精确电网相位跟踪,两级式光伏并网逆变器，DCDC环节采用boost电路，通过增量电导法实现光伏最大功率跟踪MPPT。逆变器采用二电平逆变器，通过双闭环控制，实现并网单位功率因数，并网电流与电网电压同相位，并网电流THD仅有1.3%，符合并网规范，并稳定直流侧母线电压。为了得到电网电网相位，采用基于双二阶广义积分器的锁相环，该锁相环可以快速准确无误的得到电网相位。且在初始阶段，就可以得到电网相位，比Matlab自带的锁相环要快很多。并网功率为10kW，直流母线电压稳定在700V。整个仿真全部离散化，采用离散解析器，主电路与控制部分以不同的步长运行，更加贴合实际,控制与采样环节全部自己手工搭建，没有采用Matlab自带的模块。,两级式光伏逆变器; Boost电路; 增量电导法; 最大功率跟踪MPPT; 二电平逆变器; 双闭环控制; 单位功率因数; 并网电流THD; 锁相环;

基于PSO-ELM算法的优化与数据预测模型研究,粒子群优化算法提升极限学习机（ELM）预测模型的精度与泛化性能,粒子群优化极限学习机PSOELM做数据预测PSO-ELM优化算法预测模型。ELM模型在训练之前可以随机产生ω和b, 只需要确定隐含层神经元个数及隐含层神经元激活函数, 即可实现ELM预测模型的构建。在ELM模型的构建中, 只需确定初始ω和b, 而无需复杂的参数设置, 具有学习速度快、泛化性能好等优点。然而在发动机参数预测过程中, 不同的参数设置, 对预测模型的准确度起着一定程度的影响。此时, 如果通过简单的随机选取初始化参数方法来构建极限学习机模型, 在一定程度上存在着模型构建中隐含层节点冗余等缺点, 这在一定程度上阻碍了ELM模型的精确性。因此, 在构建EGTM数据预测模型的过程中, 可通过PSO算法寻优确定模型的最佳参数, 以保证ELM模型的准确性。matlab程序，可做功率预测数据预测，程序注释详细方便阅读，可替自己的数据做预测，预测结果准确。,PSO; ELM模型; 参数优化; 预测模型; 泛化性能; 发动机参数预测; PSO-ELM算法; 随机初始化