智能控制在电力系统中的应用泸州

智能控制在电力系统中的应用

智能控制在电力系统中的应用 2011： 1 智能控制和智能控制系统 智能控制的概念主要是针对控制对象及其环境、目标和任务的不确定性和复杂性而提出来的。一方面，由于实现大规模复杂系统控制的要求，另一方面也是由于现代计算机技术、人工智能和微电子学等学科的高速发展，使控制的技术工具发生了革命性的变化。智能控制就是将人工智能与控制理论结合起来，完成一定的控制功能。主要是应用专家系统、模糊逻辑及神经网络理论来实现自学习或自组织控制。因而，实现智能控制有三条较有效的途径，即基于专家系统的专家控制、基于模糊集合理论的模糊控制、基于人工神经网络的神经控制。 专家系统是一个具有大量专门知识的智能程序，它应用人工智能技术，根据一个或多个人类专家提供的特殊领域知识进行推理，模拟人类专家作出决定的过程，它解决那些需要专家解决的复杂问题，提供专家水平的解答。专家系统的工作方式是运用专家知识进行推理，它由知识获取、知识库、推理机、解释部分等部分组成。其中知识库用来存贮专家的经验、知识以及现有该领域的知识，其是否完善决定了该专家系统性能。知识库中知识的更新与完善通过知识获取部分完成，这是专家系统的瓶颈．这主要是由于完全理解专家的决策过程，并以合理的方式描述出来是十分困难的。 模糊控制是从行为上模拟人的模糊推理和决策过程的一种实用控制方法，它适于解决因过程本身的不确定性、不精确性以及噪声而带来的困难。它的控制形式简单，易于实现，其控制效果取决于能否将控制经验归纳为一系列的语言控制规则。目前设计模糊控制器应用得最广泛的方法是基于模糊控制表的设计方法，这种方法把人们的控制经验归纳为用定性描述的一组条件语句，用模糊集理论将其定量化，使控制器能够模仿人的操作策略。系统的状态反馈和控制输出量被离散化成几个区段，应用控制规则，通过模糊推理，采用离线计算的方法形成控制表，在线工作时进行查表操作。模糊控制的最大优点是不依赖于被控对象的精确数学模型，并且能够克服非线性因素的影响，对调节对象的参数不敏感，即具有强的鲁棒性。 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。单个神经元的作用是实现输入到输出的一个非线性函数关系，它们之间广泛的连接组合就使得整个神经网络具有了复杂的非线性特性。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。神经元控制器具有结构简单，自学习、自组织能力强，可以调和动态和稳态性能之间的矛盾，对对象模型精度要求不高以及抗干扰能力强。基于神经网络控制方案是一种非线性优化调节过程，无须系统的精确建模，鲁棒性强，能够在模型参数变化下具有高稳态精度，其快速性可达到极限状态。 无论何种形式，都是用解决非线性因素及参数变化的影响，从而满足高速、高精度定位和跟踪的要求。但是，每一种先进的智能控制技术都并非十分完美，各自有着自身的长处与不足，它们虽然能在某些方面某种程度上提高系统的性能，但往往会在系统设计或实现过程中又存在一些难以解决的问题。如何综合这些智能控制技术，使之能够体现出各自的优势而尽量避免各自的不足，目前已成为研究人员所关注的问题。 2 智能控制在电力系统中的应用 电力系统中分布着大量的自动控制和手动控制装置，如继电器、断路器、隔离开关等。由这些相对简单的局部控制的协同作用构成整个电力系统复杂的实时控制。 2.1 继电保护 电力系统继电保护的运行问题一直没有得到很好的解决，主要表现在：后备保护整定时间过长；固定的保护定值无法适应系统的动态变化；保护的故障检测手段有限；故障判断和定位困难。专家系统在继电保护领域中应用已经有一段时间，但由于继电保护对时间的严格要求，使其应用受到了限制现有成果主要局限在那些对时间要求不太严格的场所，例如，继电保护整定、协调、高阻接地故障探测、故障定位、故障诊断等。 人工神经网络在继保领域的研究工作仅在电力系统故障诊断方面有一些应用，目前的趋势是将专家系统与人工神经元网络结合起来，充分利用ES的推理能力和ANN的学习功能，建造神经网络专家系统[5]。 Agent较适合解决空间分布的、需要并行协作的、具有不确定性的问题，可以作为快速、可靠的分布问题的求解单元。在继电保护领域，保护的智能化、不同分区的保护之间的配合、同一设备不同原理的保护之间的配合、同一保护不同环节之间的配合、保护定值的实时调整、保护方案的在线配置、异常状态下的应急动作等问题，都可以利用Agent实现[6]。在基于MAS的保护系统中，利用Agent之间的协作可以提高保护动作的可靠性；多种原理的保护之间的协调和综合可以提高保护系统的容错能力，防止保护拒动或误动；通过协调整定，可以降低保护动作门槛，从而加快保护的动作速度；通过不同地点之间的保护的信息交互和协作，可以缩短后备保护动作时间，从而提高远后备保护性能。与常规保护相比，基于MAS的保护系统在保护的配合和整体性能上更具适应性、灵活性、可靠性和容错能力。 2.2 无功电压控制 作为电力系统自动化的一个重要组成部分，电力系统无功电压控制具有电力系统控制所固有的复杂性、非线性、不精确性及实时性强等特性，其中有些方面难以用传统的数学模型和常规的控制方法来描述和实现。人工智能技术由于具有传统方法所不具备的智能特性，因而在无功电压控制中得到了广泛的关注，并取得了大量的研究成果[7-8]。 专家系统在无功电压控制中的典型应用是将已有无功电压控制的经验或知识用规则表示出来，形成专家系统的知识库，进而根据上述的规则由无功电压实时变化值求取电压调节的控制手段。 神经网络用于电压无功控制的决策，输入包括通过主变压器的有功、无功，高压侧和低压侧的实时电压等，输出包括并联电容器开关状态和主变压器分接头位置，训练样本为电站监控系统中与之相关的历史数据。该方法已在电站中实际应用，应用结果表明能够较好地实现电压和功率因数的控制，并减少了电容器投切和主变压器分接头的调节次数。 电力系统实际运行中电压和无功控制并不是一成不变的，容许少量的越限这一情况，将电压限值模糊化，应用模糊线性规划方法，目标是确定维持电压所需增加的最少无功功率。该方法比通常的线性规划方法更具实用性。根据对故障点控制强的那些节点组成一个无功电压局部控制域的要求，考虑到控制强与弱本身具有一定的模糊性，用隶属度来表征控制强弱，应用模糊数学聚类分析法进行紧急状态下无功电压局部控制。 电力系统中的电压控制器是按地域分散配置的，控制器之间的相互协调和协作是需要研究和解决的重要理论和实际问题。 基于MAS的控制系统在电力系统中已有一些应用。基于多Agent协调的二级电压控制，将Agent技术应用于电力系统电压控制,把发电机自动电压调节器(AVR)、静止无功补偿器(SVC)、静止无功发生器(STATCOM)等无功电压设备的控制器作为Agent，各Agent一方面根据自身的环境信息(如电压、有功、无功等)自主完成其特定的调压任务，另一方面可接受其他Agent的调压任务请求和反馈任务执行信息，整个多Agent系统共同的目标是维持区域内的电压水平。该方案较好地解决了二级电压调节的分散协调控制问题。 2.3 切负荷 是另一种离散控制。系统元件的突然丢失(如发电机因故障突然停机)，会造成系统容量的急剧变化。当负荷超出系统供应容量，就必须降低负荷以避免大范围的供电中断。这时，需通过对负荷需求和系统行为的分析和启发式知识来控制继电器及时动作。如果将故障后系统的暂态稳定问题用故障后系统微分方程的解来描述，则故障与暂态稳定之间存在着某种数学映射。ANN具有对函数映射的逼近功能和并行处理能力，因而用ANN进行电力系统的切负荷控制有着良好的适应性和实用性。对输入特征量的选取和获得足以描述函数映射的样本，是用神经网络进行切负荷控制的关键问题。 2.4 励磁控制 励磁控制是控制发电机端电压和无功功率的重要组成部分，是重要的实时连续控制系统，对维持电力系统稳定性起主要作用，完成该功能的部分又称为电力系统稳定器(PSS)。由于大容量机组的投入和快速励磁系统的应用，系统的动态稳定性问题愈来愈突出，如将模糊集理论用于励磁控制系统，较传统基于线性系统理论的PSS有更好的控制效果。 2.5 自动发电控制(AGC) 是互联电力系统运行中的集中化实时计算机控制功能，保持系统出力和系统负荷相匹配。通过控制互联系统之间的能源交换，实现机组(电厂)间的负荷经济分配。由于工业负荷的高度变化性，采用常规的控制方法存在较大的局限，如采用kohonen自组织神经网络进行可控信号的模式识别针对长期扰动响应，可有效地提高了AGC控制质量。 2.6 系统恢复 故障后的系统恢复是个有次序的协调过程，即在最短时间内将断开的系统重新配置，平稳地恢复供电，不恰当的恢复顺序可能会引起新的事故。正确的恢复动作关键在于恢复次序的选择，应用启发式搜索则可以有效地减少搜索空间。智能化的恢复技术是电力系统中的重要研究方向之一，如综合智能式恢复专家系统结合了启发式搜索(遗传算法)和模糊集理论，作了有益的探索。 3 结论 智能技术被广泛地应用于求解非线性问题，与传统方法相比有不可替代的优势。目前国内外已开发了多种人工智能工具，包括专家系统(ES)、人工神经网络(ANN)、模糊集(FS)和启发式搜索(HS)等。电力系统是由发电设备、变压器、输配电线路和用电设备等很多单元组成的复杂的非线性动态系统，智能技术在继电保护、无功电压控制、切负荷、励磁控制、自动发电控制和系统恢复等方面具有广阔的应用空间。

济南万能试验机厂

液压试验机生产厂家

济南压力试验机厂