智能控制在电力系统中应用

东北石油大学电气工程新技术文献综述2014年11月6日课程电气工程新技术研究方向智能控制在电力系统应用院系电气信息工程学院自动化系专业班级电气11-1班学生姓名冯超学生学号110603140128东北石油大学电气工程技术文献综述1文献综述前言由于电力系统的特点,除了线性最优控制、自适应控制,变结构控制,鲁棒控制、微分几何控制等控制手外,智能控制技术中的各种控制手段也因具有一定的“智能”特性,如可以引入专家的经验知识、能够处理不确定性问题、具有自学习的能力、适于处理非线性问题等,在电力系统中也得到了广泛的关注,获得了大量的研究成果,成为电力系统研究中一个重要的研究领域。21世纪以来，大量应用实例及工程实际研究进一步表明应用控制理论于电力系统的安全稳定控制的巨大效益以及现实可用性和广阔前景。碧口水电站100MW机组上最优励磁控制的实现揭开了现代控制理论在中国电力系统应用的序幕。如今，现代控制理论在电力系统中的应用已发展成电力系统学科中一个引人注目的活跃的分支。近年来，模糊技术、神经网络、专家系统等技术的发展又开拓了智能控制技术的新道路。1．人工神经网络在电力系统中的发展及应用人工神经网络(ANN)是模拟人类传递和处理信息的基本特性，由人工仿制大量简单的神经元以一定的方式连接而成。单个人工神经元实现输入到输出的非线性关系，它们之间的连接组合使得ANN具有了复杂的非线性特性[1]。1与ES相比，ANN的特点是用神经元和它们之间的有向权重来隐含处理问题的知识并具有以下的优点：信息分布存储，有较强的容错能力；学习能力强，可以实现知识的自我组织，适应不同信息处理的要求；神经元之间的计算具有相对独立性，便于并行处理，执行速度较快。正是由于ANN有极强的非线性拟合能力和自学习能力，且具有联想记忆、鲁棒性强等性能，使ANN对于电力系统这个存在着大量非线性的复杂大系统来说有很大的应用潜力[2]。目前神经网络主要用于电力系统的故障诊断，主要集中在对电网的故障处理。用人工神经网络进行故障诊断的基本原理是：将故障警报信息进行数字量化作为神经网络的输入量。神经网络的输出量代表故障诊断的结果。首先对神经网络进行训练学习，即将特定故障对应的警报模式作为样本，建立较全的样本库，然后用所有的样本对神经网络进行训练，这样就可以将样本库的知识以网络的形式存储在神经网络的连接权中，最后通过神经网络输入量计算就可以完成故障诊断。故障诊断中神经网络所采用的模型大多为反向传播算法（BP）模型[3]。该方法将警报信息作为神经网络的输入量，故障作为神经网络的输出量。用于识别电网发生的故障。这种方法的缺点是不能用于大规模系统。总之，ANN在电力系统自动化控制领域的应用研究还处于初步阶段，有很多具有特色的人工神经网络模型与算法还没有得到很好的利用。随着对ANN理论研究的进一步深入，其在电力系统自动化控制领域将会有更为广阔的应用前景。东北石油大学电气工程技术文献综述22．模糊方法在电力系统中的发展及应用模糊理论(FT)是将经典集合理论模糊化，并引入语言变量和近似推理的模糊逻辑，具有完整推理体系的智能技术。模糊控制是模拟人的模糊推理和决策过程的一种实用控制方法，它根据已知的控制规则和数据，由模糊输入量推导出模糊控制输出主要包括模糊化、模糊推理与模糊判决三部分。随着模糊理论的发展和完善，模糊控制的一些优点得到了广泛的肯定，如：适于处理不确定性、不精确性以及噪声带来的问题；模糊知识使用语言变量来表述专家的经验，更接近人的表达方式，易于实现知识的抽取和表达；具有较强的鲁棒性，被控对象参数的变化对模糊控制的影响不明显等[4]。近年来，模糊理论在电力系统应用的研究不断增加，并取得了令人鼓舞的研究成果，显示了模糊理论在解决电力系统问题上的潜力。爱尔兰的国家调度中心，研究用模糊方法描述调度员的负荷预测方法，取得了满意的效果。国家调度中心位于首都都柏林市内，最高负荷为230万kW。他们过去编过许多短期负荷预测的计算机程序，都不如调度员的估计好。调度员对于估计这种一日以内的短期预测负荷，关键技术是选取一个“参考日”的负荷，其条件和待测日很相近[5]。例如本日是星期四，则上星期四应是一个可取的“参考日”。然后在负荷曲线的几个关键点上作出负荷估计，接着按照参考日的曲线把这几个估计值连接起来，就建立了本日的负荷模型。模糊方法即按照这个经验，编出一套“参考日”数据库，供调度员选用(该环节还得让调度员参加)。然后制定若干影响负荷因素的模糊集(温度模糊集，风力模糊集，日照模糊集等)，以供用模糊推理来估计关键点的负荷。建立了负荷模型，即可按模型准备发电容量，实际负荷与模型之间的差额就比较小，按实际差额进行控制，效果则大大提高。用这种模糊估计法的主要优点是直观、易懂，而且准确度和调度员及其它“黑匣子”式程序包差不多。依据模型来进行控制，已被实践所广泛接受。一般线性模型较为简便，但实际应用中，多为非线性系统，即使用多段线性来模拟，每段中的控制，仍只能是“次最佳”的[6]。用模糊关系模型(FRM)来模拟非线性过程，是一种简便而有效的方法。模糊关系模型简单而直接地描述输入量与输出量之间的关系，这对单输出系统比较易于实现，但对多输出系统仍较困难。为了克服这些不足，目前有许多研究将模糊理论与其它人工智能技术结合起来，取得了较好的效果。3．专家系统在电力系统中的发展及应用专家系统(ES)是发展较早、也是比较成熟的一类人工智能技术。专家系统主要由知识库和推理机构成，它根据某个领域的专家提供的特殊领域知识进行推理，模拟人类专家作出决策的过程，提供具有专家水平的解答。目前，电力系统运行和控制由有经验的调度人员借助自动化技术完成。这是由于一方面传统数值分析方法缺乏启发性推理的能力，同时也无法进行知识积累，另一方面电力系统东北石油大学电气工程技术文献综述3自身的复杂性使一些必要的数学模型及状态量难以获取，单纯的数值方法难以满足电力系统的要求[7]。因此，在电力自动化系统中引入电力专家的经验知识是十分必要的。近年来，在国外和国内都有不少与电力系统控制相关的专家系统投入试运行或进入实用化推广阶段，并取得了不错的效果，但是仍然存在着一些问题值得研究和探索：1）当系统规模较大、规则较多时，完成推理的速度受到限制，因此目前已有的专家系统大多是用于离线，或者在线解决属于系统分析方面的问题，而在实时控制方面的应用还刚刚起步，有待进一步的研究；2）现有的专家系统缺乏有效的学习机制，对付新情况的能力有限，而且容错能力较差，当系统发生故障或网络结构、系统参数、设备控制器配置等发生变化的情况下，将有可能得不到结果或给出错误的结果。如何与ANN、模糊推理等其它人工智能方法结合以提高专家系统的自学习能力和容错能力是值得研究的课题[8]；3）大型专家系统的建造周期长，知识的获取和校核比较困难，要建立完备的知识库，维护难度比较大，在建造专家系统之前必须充分考虑这些问题[9]。虽然专家系统在电力系统中得到了广泛的应用,但仍存在一定的局限性,如难以模仿电力专家的创造性;只采用了浅层知识而缺乏功能理解的深层适应;缺乏有效的学习机构,对付新情况的能力有限;知识库的验证困难;对复杂的问题缺少好的分析和组织工具等。因此,在开发专家系统方面应注意专家系统的代价/效益分析方法问题,专家系统软件的有效性和试验问题,知识获取问题,专家系统与其他常规计算工具相结合等问题。4．综合智能控制在电力系统中的发展及应用前面介绍的各种控制手段并非都十分完善,而有着各自的长处与不足。每种控制方法虽然能在某些方面某种程度上提高控制系统的性能,但往往会在控制设计或控制过程中有的方法处理约束不满足问题,并求得可行解。如果可行解与最优解相差太远,即再用神经网络对解的质量进行精化,最后得到机组组合的最优解。但此方法存在样本集的组合爆炸问题,难以求解大规模的问题。专家系统与模糊集理论结合的应用研究也较多。采用专家系统技术、模糊集理论和动态规划技术的长期发电规划的新方法并利用规划工程师多年积累的经验和知识以及规划阶段必须满足的一些约束,在动态规划的每一个决策阶段限制状态转移路径数目,力图解决动态规划问题的“维数灾”的问题[10]。用模糊集理论可以描述规划问题中很多定性指标,并讨论了其与专家系统、数学优化技术的结合方式。汽轮机的最佳升速和增负荷方式是通过迭代法而获得,后者则基于采用发电厂动态模型定量计算和对方案模糊优化规则的定性了解的模糊推理。这些规则反映出应力域和方案参数变化率之间的关系[11]。仿真分析证明,该专家系统能为快速而准确的发电厂起动创造条件。综合智能控制应用于电力系统的研究才刚刚起步,随着人们对各种智能控制东北石油大学电气工程技术文献综述4理论研究的进一步深入,它们之间的联系也会更加紧密,相信利用各自优势而组成的综合智能控制系统会对电力系统起到更加重要的作用。5．小结本文介绍了专家系统、人工神经网络、模糊理论、综合智能控制人工智能技术在电力系统自动化控制中的研究与应用现状。上述人工智能技术从不同途径实现电力系统自动化的控制，有着各自的长处，但同时也存在相应的不足。如何将这些技术结合起来形成一种综合的智能控制系统，使控制系统能够将不同方法的优势互补，扬长避短，是现在研究人员所关注的问题，也是我们大学生以后该研究的问题。参考文献[1]陈伟根，邓帮飞．小波包能谱熵与神经网络在断路器故障诊断中的应用东北石油大学电气工程技术文献综述5[J]．重庆大学学报，2008，31（7)：744-748.[2]CHANE．ApplicationofNeuralNetworkComputinginIntelligentAlarmProcessing[C].IEEEConferencePICA’89,Seattle,1989.[3]杨启平，蓝之达．基于人工神经网络的变压器故障诊断[J]．变压器，2000，37（3)：33-36.[4]ZhangY,DingX．etalAnArtificialNutualNetworktoTransformerFalutDiagnosis[J].IEEETransonPowerDelivery,1996,11(4)：1836-1841.[5]徐文，王大忠等．模糊辩识在电力设备故障诊断中的应用[J]．电力系统自动化,1996,20(3)：45-49.[6]周建华，胡敏强等．基于共轭梯度方向的CP-BP算法在变压器油中溶解气体诊断法中的应用[J]．中国电机工程学报，1999,19(3)：41-45.[7]韩祯祥，文福拴．电力系统中专家系统的应用综述(一)[J]．电力系统自动化，1993,17(3)：1-56.[8]ParkYM,etalApplicationofExportSystemtoPowerSystemRestrotioninLocalControCenter[J].InternationalJournalofElectricalPower&EnergySystems,1995,17(6)：407-415.[9]卢强.新学部委员主要科技成就（七）—我在电力方面的成果[J]．中国科学学院院刊，1993（3）.[10]刘近升．智能控制在电力系统中的应用[J]．科技创新导报，2008(34)：79.[11]姚建国，严胜，杨胜春，等．中国特色智能调度的展望[J]．电力系统自动化，2009（17）：121-123.东北石油大学电气工程技术文献综述6电气工程新技术成绩评价表题目名称智能控制在电力系统应用学生姓名冯超学号110603140128课题简述：由于电力系统的特点,除了线性最优控制、自适应控制,变结构控制,鲁棒控制、微分几何控制等控制手外,智能控制技术中的各种控制手段也因具有一定的“智能”特性,如可以引入专家的经验知识、能够处理不确定性问题、具有自学习的能力、适于处理非线性问题等,在电力系统中也得到了广泛的关注,获得了大量的研究成果,成为电力系统研究中一个重要的研究领域。电力系统随着电气化和自动化水平的提高而日益快速地从量和质两个方面在发展变化，现代高新技术也日益向其渗透交叉。文中概