电力系统自动化分析论文

1、电力系统自动化分析论文 论文关键词电力系统自动化智能技术 论文摘要简单回顾模糊控制、神经网络控制、专家系统控制、线性最优控制、综合智能控制等典型智能技术在电力系统自动化中的运用。 电力系统是一个巨维数的典型动态大系统，它具有强非线性、时变性且参数不确切可知，并含有大量未建模动态部分。电力系统地域分布广阔，大部分元件具有延迟、磁滞、饱和等等复杂的物理特性，对这样的系统实现有效控制是极为困难的。另一方面，由于公众对新建高压线路的不满情绪日益增加，线路造价，特别是走廊使用权的费用日益昂贵等客观条件的限制，以及电力网的不断增大，使得人们对电力系统的控制提出了越来越高的要求。正是由于电力系统具有这样的特

2、征，一些先进的控制手段不断地引入电力系统。本文回顾了模糊控制、神经网络控制、专家系统控制、线性最优控制、综合智能控制等五种典型智能技术在电力系统中的运用。 一、模糊控制 模糊方法使控制十分简单而易于掌握，所以在家用电器中也显示出优越性。建立模型来实现控制是现代比较先进的方法，但建立常规的数学模型，有时十分困难，而建立模糊关系模型十分简易，实践证明它有巨大的优越性。模糊控制理论的应用非常广泛。例如我们日常所用的电热炉、电风扇等电器。这里介绍斯洛文尼亚学者用模糊逻辑控制器改进常规恒温器的例子。电热炉一般用恒温器（thermostat）来保持几挡温度，以供烹饪者选用，如60，80，100，140。斯

3、洛文尼亚现有的恒温器在100以下的灵敏度为7，即控制器对7以内的温度变化不反应；在100以上，灵敏度为15。因此在实际应用中，有两个问题：冷态启动时有一个越过恒温值的跃升现象；在恒温应用中有围绕恒温摆动振荡的问题。改用模糊控制器后，这些现象基本上都没有了。模糊控制的方法很简单，输入量为温度及温度变化两个语言变量。每个语言的论域用5组语言变量互相跨接来描述。因此输出量可以用一张二维的查询表来表示，即55=25条规则，每条规则为一个输出量，即控制量。应用这样一个简单的模糊控制器后，冷态加热时跃升超过恒温值的现象消失了，热态中围绕恒温值的摆动也没有了，还得到了节电的效果。在热态控制保持100的情况下

4、，33min内，若用恒温器则耗电0.1530kWh，若用模糊逻辑控制，则耗电0.1285kWh，节电约16.3%，是一个不小的数目。在冷态加热情况下，若用恒温器加热，则能很快到达100，只耗电0.2144kWh，若用模糊逻辑控制，达到100时需耗电0.2425kWh。但恒温器振荡稳定到100的过程，耗电0.1719kWh，而模糊逻辑控制略有微小的摆动，达到稳定值只耗电0.083kWh。总计达100恒温的耗电量，恒温器需用0.3863kWh，模糊逻辑控制需用0.3555kWh，节电约15.7%。 二、神经网络控制 人工神经网络从1943年出现，经历了六、七十年代的研究低潮发展到现在，在模型结构、

5、学习算法等方面取得了大量的研究成果。神经网络之所以受到人们的普遍关注，是由于它具有本质的非线性特性、并行处理能力、强鲁棒性以及自组织自学习的能力。神经网络是由大量简单的神经元以一定的方式连接而成的。神经网络将大量的信息隐含在其连接权值上，根据一定的学习算法调节权值，使神经网络实现从m维空间到n维空间复杂的非线性映射。目前神经网络理论研究主要集中在神经网络模型及结构的研究、神经网络学习算法的研究、神经网络的硬件实现问题等。 三、专家系统控制 专家系统在电力系统中的应用范围很广，包括对电力系统处于警告状态或紧急状态的辨识，提供紧急处理，系统恢复控制，非常慢的状态转换分析，切负荷，系统规划，电压无功

6、控制，故障点的隔离，配电系统自动化，调度员培训，电力系统的短期负荷预报，静态与动态安全分析，以及先进的人机接口等方面。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。 四、线性最优控制 最优控制是现代控制理论的一个重要组成部分，也是将最优化理论用于控制问题的一种体现

7、。线性最优控制是目前诸多现代控制理论中应用最多，最成熟的一个分支。卢强等人提出了利用最优励磁控制手段提高远距离输电线路输电能力和改善动态品质的问题，取得了一系列重要的研究成果。该研究指出了在大型机组方面应直接利用最优励磁控制方式代替古典励磁方式。目前最优励磁控制的控制效果。另外，最优控制理论在水轮发电机制动电阻的最优时间控制方面也获得了成功的应用。电力系统线性最优控制器目前已在电力生产中获得了广泛的应用，发挥着重要的作用。但应当指出，由于这种控制器是针对电力系统的局部线性化模型来设计的，在强非线性的电力系统中对大干扰的控制效果不理想。 五、综合智能系统 综合智能控制一方面包含了智能控制与现代控

8、制方法的结合， 如模糊变结构控制，自适应或自组织模糊控制，自适应神经网络控制，神经网络变结构控制等。另一方面包含了各种智能控制方法之间的交叉结合，对电力系统这样一个复杂的大系统来讲，综合智能控制更有巨大的应用潜力。现在，在电力系统中研究得较多的有神经网络与专家系统的结合，专家系统与模糊控制的结合，神经网络与模糊控制的结合，神经网络、模糊控制与自适应控制的结合等方面。神经网络适合于处理非结构化信息，而模糊系统对处理结构化的知识更有效。因此，模糊逻辑和人工神经网络的结合有良好的技术基础。这两种技术从不同角度服务于智能系统，人工神经网络主要应用在低层的计算方法上，模糊逻辑则用以处理非统计性的不确定性问题，是高层次（语义层或语言层）的推理，这两种技术正好起互补作用。神经网络把感知器送来的大量数据进行安排和解释，而模糊逻辑则提供应用和挖掘潜力的框架。因此将二者结合起来的研究成果较多。 除了上述方法，在电力系统中还应用了自