Load frequency control (LFC) requires transmitting measurements from remote RTUs to control center and control signals from the control center to plant side. Constant delays exist in the conventional dedicated communication channels, while the future usage of open communication networks will introduce time-varying delays. Those delays would degrade the dynamic performance of LFC and in the worst case, cause instability. The maximal delay time which allows an LFC scheme embedded with controllers to retain stable is defined as the delay margin. This paper investigates the delay-dependent stability of the LFC scheme by using Lyaponuv-theory based delay-dependent criterion and linear matrix inequalities (LMIs) techniques. Case studies are carried out based on one-area and multi-area LFC schemes installed with proportional-integral (PI) controllers, respectively. Relationship between the gains of PI controller and the delay margin of the LFC scheme are investigated and results obtained can be used to tune the PI controllers to achieve a compromise between the dynamic performance and the delay margin. Both constant and time-varying delays are considered. The effectiveness of the criterion used is verified by simulation studies.

The operating mode is an essential factor affecting product quality and yield of the sinter ore, which inspires the realization of operating mode recognition. Taking burn-through point (BTP) as the decision parameter of operating mode, an operating mode recognition method based on the fluctuation interval prediction is presented. First, combining the principal component analysis and the fuzzy information granulation method, a fluctuation interval prediction model of the BTP is established through utilizing the Elman neural network. Then, the operating mode classification rules are built according to the data distribution of the BTP in the fluctuation interval. Finally, experiments are executed with the data collected from a factory. The results indicate that it can effectively predict the fluctuation interval of the BTP, and then successfully recognize the operating mode. In this article, the proposed method provides a valid reference to control the stable operation of the iron ore sintering process.

Sintering is the preproduction process of ironmaking, whose products are the basis of ironmaking. How to improve the operating performance of the iron ore sintering process has always been a problem that operators are committed to solve. An operating performance improvement method based on prediction and grade assessment is presented in this article. First, considering the data distribution characteristics of the process, a performance index prediction model based on the Gaussian process regression is built, in which the mutual information analysis method is used to select the inputs of the performance index prediction model. Then, the operating performance grade is assessed by a threshold division method. Next, the operating performance grade guides the control of the burn-through point to improve the operating performance. Finally, experimental verification is performed based on the actual running data. The results show that the proposed method has high prediction accuracy, and it is also significant in improving the operating performance. Therefore, this approach provides an effective solution to predict and improve operating performance.