智能控制技術(shù)在無功電壓控制中的應(yīng)用-文庫吧資料
2024-08-12 06:43本頁面
【正文】 種情況下，模糊理論被引入電壓無功控制的研究。隨著模糊理論的發(fā)展和完善，模糊控制的一些優(yōu)點得到了廣泛的肯定，如：適于處理不確定性、不精確性以及噪聲帶來的問題；模糊知識使用語言變量來表述專家的經(jīng)驗，更接近人的表達方式，易于實現(xiàn)知識的抽取和表達；具有較強的魯棒性，被控對象參數(shù)的變化對模糊控制的影響不明顯等。3 模糊理論在無功電壓控制中的應(yīng)用模糊理論(FT)是將經(jīng)典集合理論模糊化，并引入語言變量和近似推理的模糊邏輯，具有完整推理體系的智能技術(shù)?？傊?，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。此外，ANN的工作過程是一個黑箱，因此盡管ANN具有一定的容錯能力，但不能提供相關(guān)信息幫助運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。一些研究人員致力于改進學(xué)習(xí)算法，使其收斂性能大為改善。文中的仿真結(jié)果與基于常規(guī)方法的現(xiàn)場控制結(jié)果相比，優(yōu)越性非常明顯。文獻[16]除了ANN 用于電壓無功控制決策外，考慮到變電站無功負荷不象有功負荷那樣穩(wěn)定，還將ANN 用于無功負荷預(yù)測，提出了一種基于ANN 的無功預(yù)測和優(yōu)化策略相結(jié)合的變電站電壓無功綜合自動控制方案。文獻[13]和文獻[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)的實時電壓等，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)。文獻[17]用ANN 中的Hopfield連續(xù)模型求解無功電源最優(yōu)分布和經(jīng)濟調(diào)度，并用算例作了驗證。為了加速樣本訓(xùn)練收斂速度，文中還提出一種加速BP 算法。文獻[17]提出利用兩級ANN進行系統(tǒng)無功電壓控制。正是由于ANN 有極強的非線性擬合能力和自學(xué)習(xí)能力，且具有聯(lián)想記憶、魯棒性強等性能，使ANN 對于電力系統(tǒng)這個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。單個人工神經(jīng)元實現(xiàn)輸入到輸出的非線性關(guān)系，它們之間的連接組合使得ANN 具有了復(fù)雜的非線性特性。如何與ANN、模糊推理等其它人工智能方法結(jié)合以提高專家系統(tǒng)的自學(xué)習(xí)能力和容錯能力是值得研究的課題；③大型專家系統(tǒng)的建造周期長，知識的獲取和校核比較困難，要建立完備的知識庫，維護難度比較大，在建造專家系統(tǒng)之前必須充分考慮這些問題。此外，文獻[10]還介紹了一個對配電系統(tǒng)進行無功控制的專家系統(tǒng)。該系統(tǒng)基于分層思想將整個控制過程分為多個層次，其知識也相應(yīng)分層存儲于規(guī)則庫之中。文獻[11]對較為先進的電力系統(tǒng)電壓分層優(yōu)化控制模式下的系統(tǒng)分區(qū)方法進行研究，在提出一種基于電氣距離概念的向上分級歸類的分區(qū)算法基礎(chǔ)上，又基于電力系統(tǒng)的專家知識對算法自動分區(qū)結(jié)果進行調(diào)整和優(yōu)化，進一步保證了系統(tǒng)分區(qū)的合理性和子區(qū)域電壓的可控性。其中文獻[7]介紹了一種輔助運行人員進行無功電壓調(diào)度的綜合方法，該方法利用數(shù)值法和專家系統(tǒng)各自的優(yōu)勢求取控制變量，可以有效地消除電壓偏移、改善電壓特性并使有功損耗最小。文中的試驗結(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。文獻[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)。專家系統(tǒng)在無功電壓控制中的典型應(yīng)用是將已有無功電壓控制的經(jīng)驗或知識用規(guī)則表示出來，形成專家系統(tǒng)的知識庫，進而根據(jù)上述的規(guī)則由無功電壓實時變化值求取電壓調(diào)節(jié)的控制手段[3~9]。這是由于一方面?zhèn)鹘y(tǒng)數(shù)值分析方法缺乏啟發(fā)性推理的能力，同時也無法進行知識積累，另一方面電力系統(tǒng)自身的復(fù)雜性使一些必要的數(shù)學(xué)模型及狀態(tài)量難以獲取，單純的數(shù)值方法難以滿足電力系統(tǒng)的要求，因此，在電力自動化系統(tǒng)中引入電力專家的經(jīng)驗知識是十分必要的[2]。專家系統(tǒng)主要由知識庫和推理機構(gòu)成，它根據(jù)某個領(lǐng)域的專家提供的特殊領(lǐng)域知識進行推理，模擬人類專家作出決策的過程，提供具有專家水平的解答。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)、模糊理論(Fuzzy Theory，
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1