智能控制技術(shù)在無功電壓控制中的應(yīng)用-免費(fèi)閱讀
【正文】 此外，模糊系統(tǒng)的結(jié)構(gòu)辨識(shí)還未形成完善的理論，如何在無功電壓控制中選擇適當(dāng)?shù)哪：到y(tǒng)結(jié)構(gòu)也是值得研究的課題，目前較好的方法是將模糊控制與優(yōu)化理論相結(jié)合。文獻(xiàn)[29]則采用線性規(guī)劃結(jié)合模糊數(shù)學(xué)的尋優(yōu)原理綜合處理方法，給出了無功優(yōu)化問題的線性規(guī)劃及有關(guān)各目標(biāo)函數(shù)的最優(yōu)隸屬函數(shù)，從而得出了多目標(biāo)問題令人滿意的結(jié)果。目前模糊技術(shù)在無功規(guī)劃方面有很多很好的應(yīng)用[19]，在系統(tǒng)電壓無功控制方面也有不少相關(guān)的研究報(bào)告[20~29]。如何利用ANN的優(yōu)點(diǎn)并克服其缺點(diǎn)，達(dá)到更好的效果，是ANN應(yīng)用的重要研究方向之一。該方法已在電站中實(shí)際應(yīng)用，應(yīng)用結(jié)果表明能夠較好地實(shí)現(xiàn)電壓和功率因數(shù)的控制，并減少了電容器和主變壓器分接頭的調(diào)節(jié)次數(shù)。目前，ANN 在無功電壓自動(dòng)控制中已得到較好的應(yīng)用[13~18]。其推理機(jī)和知識(shí)庫各自形成模塊，針對(duì)不同的變電站只需對(duì)相應(yīng)的規(guī)則庫、目標(biāo)庫進(jìn)行修改即可，因而具有通用性。該系統(tǒng)采用集中控制策略，控制措施包括調(diào)節(jié)PV 節(jié)點(diǎn)電壓、變壓器分接頭和并聯(lián)電容器等，根據(jù)不同控制措施對(duì)相關(guān)母線電壓的靈敏度及其控制裕度選擇控制步驟，可以修正電網(wǎng)中異常的電壓狀況。1．專家系統(tǒng)在無功電壓控制中的應(yīng)用專家系統(tǒng)(ES)是發(fā)展較早、也是比較成熟的一類人工智能技術(shù)。專家系統(tǒng)主要由知識(shí)庫和推理機(jī)構(gòu)成，它根據(jù)某個(gè)領(lǐng)域的專家提供的特殊領(lǐng)域知識(shí)進(jìn)行推理，模擬人類專家作出決策的過程，提供具有專家水平的解答。文中的試驗(yàn)結(jié)果表明，該方法比分散控制法更加準(zhǔn)確，而且所需的控制步驟更少。此外，文獻(xiàn)[10]還介紹了一個(gè)對(duì)配電系統(tǒng)進(jìn)行無功控制的專家系統(tǒng)。文獻(xiàn)[17]提出利用兩級(jí)ANN進(jìn)行系統(tǒng)無功電壓控制。文獻(xiàn)[16]除了ANN 用于電壓無功控制決策外，考慮到變電站無功負(fù)荷不象有功負(fù)荷那樣穩(wěn)定，還將ANN 用于無功負(fù)荷預(yù)測(cè)，提出了一種基于ANN 的無功預(yù)測(cè)和優(yōu)化策略相結(jié)合的變電站電壓無功綜合自動(dòng)控制方案。總之，ANN在電力系統(tǒng)無功電壓控制域的應(yīng)用研究還處于初步階段，有很多具有特色的人工神經(jīng)網(wǎng)絡(luò)模型與算法還沒有得到很好的利用。文獻(xiàn)[20]和文獻(xiàn)[21]考慮到在電力系統(tǒng)實(shí)際運(yùn)行中電壓和無功限制并不是一成不變的，容許少量的越限這一情況，將電壓限值模糊化，提出一種模糊線性規(guī)劃方法，目標(biāo)是確定維持電壓所需增加的最少無功功率。模糊技術(shù)存在著自學(xué)習(xí)能力等問題，為了克服這些不足，目前有許多研究將模糊理論與其它人工智能技術(shù)結(jié)合起來，取得了較好的效果。結(jié)合本文的論述可以看出，作為電力系統(tǒng)自動(dòng)化的一個(gè)重要組成部分，電力系統(tǒng)無功電壓控制具有電力系統(tǒng)控制所固有的復(fù)雜性、非線性、不精確性及實(shí)時(shí)性強(qiáng)等特性，其中有些方面難以用傳統(tǒng)的數(shù)學(xué)模型和常規(guī)的控制方法來描述和實(shí)現(xiàn)。隨著對(duì)模糊控制理論研究的進(jìn)一步深入，相關(guān)的研究成果會(huì)逐步走向?qū)嵱谩Ｔ趯?shí)際地區(qū)電網(wǎng)模型中采集實(shí)時(shí)數(shù)據(jù)進(jìn)行數(shù)字測(cè)試證明了該方法的有效性和靈活性。電力系統(tǒng)電壓無功控制受電力系統(tǒng)時(shí)變性、運(yùn)行條件和網(wǎng)絡(luò)參數(shù)經(jīng)常變化等特點(diǎn)以及許多條件下無功負(fù)荷不能精確給定的影響，很難建立精確的數(shù)學(xué)模型，在這種情況下，模糊理論被引入電壓無功控制的研究。此外，ANN的工作過程是一個(gè)黑箱，因此盡管ANN具有一定的容錯(cuò)能力，但不能提供相關(guān)信息幫助運(yùn)行人員推斷不正常的數(shù)據(jù)，也不利于理解其輸出結(jié)果。文獻(xiàn)[13]和文獻(xiàn)[15]構(gòu)造前饋神經(jīng)網(wǎng)絡(luò)用于電壓無功控制的決策，該神經(jīng)網(wǎng)絡(luò)的輸入包括通過主變壓器的有功、無功，高壓側(cè)和低壓側(cè)的實(shí)時(shí)電壓等，輸出包括并聯(lián)電容器開關(guān)狀態(tài)和主變壓器分接頭位置，訓(xùn)練樣本為電站監(jiān)控系統(tǒng)中與之相關(guān)的歷史數(shù)據(jù)。正是由于ANN 有極強(qiáng)的非線性擬合能力和自學(xué)習(xí)能力，且具有聯(lián)想記憶、魯棒性強(qiáng)等性能，使ANN 對(duì)于電力系統(tǒng)這個(gè)存在著大量非線性的復(fù)雜大系統(tǒng)來說有很大的應(yīng)用潛力。該系統(tǒng)基于分層思想將整個(gè)控制過程分為多個(gè)層次，其知識(shí)也相應(yīng)分層存儲(chǔ)于規(guī)則庫之中。文獻(xiàn)[6]介紹了一種用于電力系統(tǒng)電網(wǎng)電壓控制的專家決策支持系統(tǒng)。在無功電壓控制中，主要應(yīng)用到了智能控制技術(shù)中的專家系統(tǒng)(Expert System，ES)、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)、模
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1