分析電力系統自動化的論文
電力系統是一個巨維數的典型動態大系統，它具有強非線性、時變性且參數不確切可知，并含有大量未建模動態部分。電力系統地域分布廣闊，大部分元件具有延遲、磁滯、飽和等等復雜的物理特性，對這樣的系統實現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，特別是走廊使用權的費用日益昂貴等客觀條件的限制，以及電力網的不斷增大，使得人們對電力系統的控制提出了越來越高的要求。正是由于電力系統具有這樣的特征，一些先進的控制手段不斷地引入電力系統。本文回顧了模糊控制、神經網絡控制、專家系統控制、線性最優控制、綜合智能控制等五種典型智能技術在電力系統中的運用。
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越性。建立模型來實現控制是現代比較先進的方法，但建立常規的數學模型，有時十分困難，而建立模糊關系模型十分簡易，實踐證明它有巨大的優越性。模糊控制理論的應用非常廣泛。例如我們日常所用的電熱爐、電風扇等電器。這里介紹斯洛文尼亞學者用模糊邏輯控制器改進常規恒溫器的例子。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℃。斯洛文尼亞現有的恒溫器在100℃以下的靈敏度為±7℃，即控制器對±7℃以內的溫度變化不反應；在100℃以上，靈敏度為±15℃。因此在實際應用中，有兩個問題：①冷態啟動時有一個越過恒溫值的躍升現象；②在恒溫應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條規則，每條規則為一個輸出量，即控制量。應用這樣一個簡單的模糊控制器后，冷態加熱時躍升超過恒溫值的現象消失了，熱態中圍繞恒溫值的擺動也沒有了，還得到了節電的效果。在熱態控制保持100℃的情況下，33min內，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，節電約16.3%，是一個不小的數目。在冷態加熱情況下，若用恒溫器加熱，則能很快到達100℃，只耗電0.2144kW·h，若用模糊邏輯控制，達到100℃時需耗電0.2425kW·h。但恒溫器振蕩穩定到100℃的過程，耗電0.1719kW·h，而模糊邏輯控制略有微小的擺動，達到穩定值只耗電0.083kW·h�？傆嬤_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，節電約15.7%。
二、神經網絡控制
人工神經網絡從1943年出現，經歷了六、七十年代的研究低潮發展到現在，在模型結構、學習算法等方面取得了大量的研究成果。神經網絡之所以受到人們的普遍關注，是由于它具有本質的非線性特性、并行處理能力、強魯棒性以及自組織自學習的能力。神經網絡是由大量簡單的神經元以一定的方式連接而成的。神經網絡將大量的信息隱含在其連接權值上，根據一定的學習算法調節權值，使神經網絡實現從m維空間到n維空間復雜的非線性映射。目前神經網絡理論研究主要集中在神經網絡模型及結構的研究、神經網絡學習算法的研究、神經網絡的硬件實現問題等。
三、專家系統控制
專家系統在電力系統中的應用范圍很廣，包括對電力系統處于警告狀態或緊急狀態的辨識，提供緊急處理，系統恢復控制，非常慢的狀態轉換分析，切負荷，系統規劃，電壓無功控制，故障點的隔離，配電系統自動化，調度員培訓，電力系統的短期負荷預報，靜態與動態安全分析，以及先進的人機接口等方面。雖然專家系統在電力系統中得到了廣泛的應用，但仍存在一定的局限性，如難以模仿電力專家的創造性；只采用了淺層知識而缺乏功能理解的深層適應；缺乏有效的學習機構，對付新情況的能力有限；知識庫的驗證困難；對復雜的問題缺少好的分析和組織工具等。因此，在開發專家系統方面應注意專家系統的代價/效益分析方法問題，專家系統軟件的有效性和試驗問題，知識獲取問題，專家系統與其他常規計算工具相結合等問題。
四、線性最優控制
最優控制是現代控制理論的一個重要組成部分，也是將最優化理論用于控制問題的一種體現。線性最優控制是目前諸多現代控制理論中應用最多，最成熟的一個分支。盧強等人提出了利用最優勵磁控制手段提高遠距離輸電線路輸電能力和改善動態品質的問題，取得了一系列重要的研究成果。該研究指出了在大型機組方面應直接利用最優勵磁控制方式代替古典勵磁方式。目前最優勵磁控制的控制效果。另外，最優控制理論在水輪發電機制動電阻的最優時間控制方面也獲得了成功的應用。電力系統線性最優控制器目前已在電力生產中獲得了廣泛的應用，發揮著重要的作用。但應當指出，由于這種控制器是針對電力系統的局部線性化模型來設計的，在強非線性的電力系統中對大干擾的控制效果不理想。
五、綜合智能系統
綜合智能控制一方面包含了智能控制與現代控制方法的結合，如模糊變結構控制，自適應或自組織模糊控制，自適應神經網絡控制，神經網絡變結構控制等。另一方面包含了各種智能控制方法之間的交叉結合，對電力系統這樣一個復雜的大系統來講，綜合智能控制更有巨大的應用潛力。現在，在電力系統中研究得較多的有神經網絡與專家系統的結合，專家系統與模糊控制的結合，神經網絡與模糊控制的結合，神經網絡、模糊控制與自適應控制的結合等方面。神經網絡適合于處理非結構化信息，而模糊系統對處理結構化的知識更有效。因此，模糊邏輯和人工神經網絡的結合有良好的技術基礎。這兩種技術從不同角度服務于智能系統，人工神經網絡主要應用在低層的計算方法上，模糊邏輯則用以處理非統計性的不確定性問題，是高層次（語義層或語言層）的推理，這兩種技術正好起互補作用。神經網絡把感知器送來的大量數據進行安排和解釋，而模糊邏輯則提供應用和挖掘潛力的框架。因此將二者結合起來的研究成果較多。
除了上述方法，在電力系統中還應用了自適應控制、變結構控制、H∞魯棒控制、微分幾何控制等其它方法�？傊�，智能技術的廣泛運用推動了電力系統的自動化進程。我們相信隨著人們對各種智能控制理論研究的進一步深入，它們之間的聯系也會更加緊密，相信利用各自優勢而組成的綜合智能控制系統會對電力系統起到更加重要的作用。
【分析電力系統自動化的論文】相關文章：
電力系統運行中電氣自動化的應用分析論文06-13
電力系統自動化技術應用及前景分析07-07
電力系統IT運維自動化的應用論文09-26
電力系統調度自動化系統技術論文05-16
電力系統配網自動化技術探索論文10-04
電力系統配電網自動化的應用分析08-24
配網自動化技術在農村電力系統的應用論文05-27
電氣工程自動化控制分析論文09-16
智能技術在電力系統自動化中的應用探討論文08-21