[論文關(guān)鍵詞] 電力系統(tǒng) 自動化 智能技術(shù)

[論文摘要] 簡單回顧模糊控制、神經(jīng)網(wǎng)絡(luò)控制、專家系統(tǒng)控制、線性最優(yōu)控制、綜合智能控制等典型智能技術(shù)在電力系統(tǒng)自動化中的運(yùn)用。

電力系統(tǒng)是一個巨維數(shù)的典型動態(tài)大系統(tǒng)，它具有強(qiáng)非線性、時變性且參數(shù)不確切可知，并含有大量未建模動態(tài)部分。電力系統(tǒng)地域分布廣闊，大部分元件具有延遲、磁滯、飽和等等復(fù)雜的物理特性，對這樣的系統(tǒng)實(shí)現(xiàn)有效控制是極為困難的。另一方面，由于公眾對新建高壓線路的不滿情緒日益增加，線路造價，特別是走廊使用權(quán)的費(fèi)用日益昂貴等客觀條件的限制，以及電力網(wǎng)的不斷增大，使得人們對電力系統(tǒng)的控制提出了越來越高的要求。正是由于電力系統(tǒng)具有這樣的特征，一些先進(jìn)的控制手段不斷地引入電力系統(tǒng)。本文回顧了模糊控制、神經(jīng)網(wǎng)絡(luò)控制、專家系統(tǒng)控制、線性最優(yōu)控制、綜合智能控制等五種典型智能技術(shù)在電力系統(tǒng)中的運(yùn)用。

一、模糊控制

模糊方法使控制十分簡單而易于掌握，所以在家用電器中也顯示出優(yōu)越性。建立模型來實(shí)現(xiàn)控制是現(xiàn)代比較先進(jìn)的方法，但建立常規(guī)的數(shù)學(xué)模型，有時十分困難，而建立模糊關(guān)系模型十分簡易，實(shí)踐證明它有巨大的優(yōu)越性。模糊控制理論的應(yīng)用非常廣泛。例如我們?nèi)粘Ｋ玫碾姛釥t、電風(fēng)扇等電器。這里介紹斯洛文尼亞學(xué)者用模糊邏輯控制器改進(jìn)常規(guī)恒溫器的例子。電熱爐一般用恒溫器(thermostat)來保持幾擋溫度，以供烹飪者選用，如60，80，100，140℃。斯洛文尼亞現(xiàn)有的恒溫器在100℃以下的靈敏度為±7℃，即控制器對±7℃以內(nèi)的溫度變化不反應(yīng);在100℃以上，靈敏度為±15℃。因此在實(shí)際應(yīng)用中，有兩個問題：

①冷態(tài)啟動時有一個越過恒溫值的躍升現(xiàn)象;

②在恒溫應(yīng)用中有圍繞恒溫擺動振蕩的問題。改用模糊控制器后，這些現(xiàn)象基本上都沒有了。

模糊控制的方法很簡單，輸入量為溫度及溫度變化兩個語言變量。每個語言的論域用5組語言變量互相跨接來描述。因此輸出量可以用一張二維的查詢表來表示，即5×5=25條規(guī)則，每條規(guī)則為一個輸出量，即控制量。

應(yīng)用這樣一個簡單的模糊控制器后，冷態(tài)加熱時躍升超過恒溫值的現(xiàn)象消失了，熱態(tài)中圍繞恒溫值的擺動也沒有了，還得到了節(jié)電的效果。在熱態(tài)控制保持100℃的情況下，33min內(nèi)，若用恒溫器則耗電0.1530kW·h，若用模糊邏輯控制，則耗電0.1285kW·h，節(jié)電約16.3%，是一個不小的數(shù)目。在冷態(tài)加熱情況下，若用恒溫器加熱，則能很快到達(dá)100℃，只耗電0.2144kW·h，若用模糊邏輯控制，達(dá)到100℃時需耗電0.2425kW·h。

但恒溫器振蕩穩(wěn)定到100℃的過程，耗電0.1719kW·h，而模糊邏輯控制略有微小的擺動，達(dá)到穩(wěn)定值只耗電0.083kW·h。總計達(dá)100℃恒溫的耗電量，恒溫器需用0.3863kW·h，模糊邏輯控制需用0.3555kW·h，節(jié)電約15.7%。

二、神經(jīng)網(wǎng)絡(luò)控制

人工神經(jīng)網(wǎng)絡(luò)從1943年出現(xiàn)，經(jīng)歷了六、七十年代的研究低潮發(fā)展到現(xiàn)在，在模型結(jié)構(gòu)、學(xué)習(xí)算法等方面取得了大量的研究成果。神經(jīng)網(wǎng)絡(luò)之所以受到人們的普遍關(guān)注，是由于它具有本質(zhì)的非線性特性、并行處理能力、強(qiáng)魯棒性以及自組織自學(xué)習(xí)的能力。神經(jīng)網(wǎng)絡(luò)是由大量簡單的神經(jīng)元以一定的方式連接而成的。神經(jīng)網(wǎng)絡(luò)將大量的信息隱含在其連接權(quán)值上，根據(jù)一定的學(xué)習(xí)算法調(diào)節(jié)權(quán)值，使神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)從m維空間到n維空間復(fù)雜的非線性映射。目前神經(jīng)網(wǎng)絡(luò)理論研究主要集中在神經(jīng)網(wǎng)絡(luò)模型及結(jié)構(gòu)的研究、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的研究、神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn)問題等。

三、專家系統(tǒng)控制

專家系統(tǒng)在電力系統(tǒng)中的應(yīng)用范圍很廣，包括對電力系統(tǒng)處于警告狀態(tài)或緊急狀態(tài)的辨識，提供緊急處理，系統(tǒng)恢復(fù)控制，非常慢的狀態(tài)轉(zhuǎn)換分析，切負(fù)荷，系統(tǒng)規(guī)劃，電壓無功控制，故障點(diǎn)的隔離，配電系統(tǒng)自動化，調(diào)度員培訓(xùn)，電力系統(tǒng)的短期負(fù)荷預(yù)報，靜態(tài)與動態(tài)安全分析，以及先進(jìn)的人機(jī)接口等方面。雖然專家系統(tǒng)在電力系統(tǒng)中得到了廣泛的應(yīng)用，但仍存在一定的局限性，如難以模仿電力專家的創(chuàng)造性;只采用了淺層知識而缺乏功能理解的深層適應(yīng);缺乏有效的學(xué)習(xí)機(jī)構(gòu)，對付新情況的能力有限;知識庫的驗(yàn)證困難;對復(fù)雜的問題缺少好的分析和組織工具等。因此，在開發(fā)專家系統(tǒng)方面應(yīng)注意專家系統(tǒng)的代價/效益分析方法問題，專家系統(tǒng)軟件的有效性和試驗(yàn)問題，知識獲取問題，專家系統(tǒng)與其他常規(guī)計算工具相結(jié)合等問題。

四、線性最優(yōu)控制

最優(yōu)控制是現(xiàn)代控制理論的一個重要組成部分，也是將最優(yōu)化理論用于控制問題的一種體現(xiàn)。線性最優(yōu)控制是目前諸多現(xiàn)代控制理論中應(yīng)用最多，最成熟的一個分支。盧強(qiáng)等人提出了利用最優(yōu)勵磁控制手段提高遠(yuǎn)距離輸電線路輸電能力和改善動態(tài)品質(zhì)的問題，取得了一系列重要的研究成果。該研究指出了在大型機(jī)組方面應(yīng)直接利用最優(yōu)勵磁控制方式代替古典勵磁方式。目前最優(yōu)勵磁控制的控制效果。另外，最優(yōu)控制理論在水輪發(fā)電機(jī)制動電阻的最優(yōu)時間控制方面也獲得了成功的應(yīng)用。電力系統(tǒng)線性最優(yōu)控制器目前已在電力生產(chǎn)中獲得了廣泛的應(yīng)用，發(fā)揮著重要的作用。但應(yīng)當(dāng)指出，由于這種控制器是針對電力系統(tǒng)的局部線性化模型來設(shè)計的，在強(qiáng)非線性的電力系統(tǒng)中對大干擾的控制效果不理想。

五、綜合智能系統(tǒng)

綜合智能控制一方面包含了智能控制與現(xiàn)代控制方法的結(jié)合，如模糊變結(jié)構(gòu)控制，自適應(yīng)或自組織模糊控制，自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制，神經(jīng)網(wǎng)絡(luò)變結(jié)構(gòu)控制等。另一方面包含了各種智能控制方法之間的交叉結(jié)合，對電力系統(tǒng)這樣一個復(fù)雜的大系統(tǒng)來講，綜合智能控制更有巨大的應(yīng)用潛力。現(xiàn)在，在電力系統(tǒng)中研究得較多的有神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)的結(jié)合，專家系統(tǒng)與模糊控制的結(jié)合，神經(jīng)網(wǎng)絡(luò)與模糊控制的結(jié)合，神經(jīng)網(wǎng)絡(luò)、模糊控制與自適應(yīng)控制的結(jié)合等方面。神經(jīng)網(wǎng)絡(luò)適合于處理非結(jié)構(gòu)化信息，而模糊系統(tǒng)對處理結(jié)構(gòu)化的知識更有效。因此，模糊邏輯和人工神經(jīng)網(wǎng)絡(luò)的結(jié)合有良好的技術(shù)基礎(chǔ)。

這兩種技術(shù)從不同角度服務(wù)于智能系統(tǒng)，人工神經(jīng)網(wǎng)絡(luò)主要應(yīng)用在低層的計算方法上，模糊邏輯則用以處理非統(tǒng)計性的不確定性問題，是高層次(語義層或語言層)的推理，這兩種技術(shù)正好起互補(bǔ)作用。神經(jīng)網(wǎng)絡(luò)把感知器送來的大量數(shù)據(jù)進(jìn)行安排和解釋，而模糊邏輯則提供應(yīng)用和挖掘潛力的框架。因此將二者結(jié)合起來的研究成果較多。

除了上述方法，在電力系統(tǒng)中還應(yīng)用了自適應(yīng)控制、變結(jié)構(gòu)控制、H∞魯棒控制、微分幾何控制等其它方法。總之，智能技術(shù)的廣泛運(yùn)用推動了電力系統(tǒng)的自動化進(jìn)程。我們相信隨著人們對各種智能控制理論研究的進(jìn)一步深入，它們之間的聯(lián)系也會更加緊密，相信利用各自優(yōu)勢而組成的綜合智能控制系統(tǒng)會對電力系統(tǒng)起到更加重要的作用。