基于大规模电力系统自动化非线性最优控制中的新型智能技术方法研究

来源:用户上传      作者:

　　摘要:随着我国的劳动生产力及科学技术快速发展,促进电力系统自动化快速发展,从尔提出了越来越高的非线性最优控制处理方法,促使引入一些先进新型智能技术的运用,它是电力系统自动化非线性最优控制应用的核心组成部分。
　　关键词:电力自动化非线性最优控制;智能技术;应用
　　
　　 随着IT技术应用快速发展,在电力系统自动化最优控制系统是在先进的自组织模糊自动识别技术与计算机技术、计算机传感器网络通讯技术、软件工程技术、自组织人工神经传感器网络关键技术、自动化最优控制、微机继电保护技术快速发展与应用,为用户提供现代化的设备监视控制管理和远程监测,确保电力系统稳定可靠供应的系统结构,在电力系统自动化非线性最优控制中的引入运用,解决了传统方法难以解决的复杂系统的非线性最优控制问题,从而有效提高电力系统自动化非线性最优控制的适应性,降低非线性最优控制系统的造价成本。
　　1 基于电力系统自动化目标描述
　　 为确保电力系统安全、平稳、健康的运行,对电力系统的各个元件、局部、全系统,采用具有自动检测、决策和非线性最优控制功能的装置,通过信号和数据传输的系统,就地或远距离进行自动监视、调节和非线性最优控制等,从而达到合格的电能质量。在一般的情况下,电力系统自动化系统主要构成有,调度自动化、变电站自动化和配电网自动化。
　　2 基于大规模电力系统自动化自组织控制中的新型智能技术方法研究
　　2.1 基于大规模物联网关键技术与智能电网融合应用研究
　　 大规模智能电网是物联网关键技术,物联网也是智能电网的核心关键技术。物联网关键技术应用于智能电网,可实现将先进可靠、接入灵活、标准统一的通信信息进行感知和接入,实现分布式的智能信息传输、计算和控制。智能感应器把各种设备、设施连接到一起,从而形成一个统一信息的服务总线,不但可对信息进行整合分析,还可以此来降低成本,并使电网运行和管理达到最优。物联网的三层参考体系即感知层、传感器网络层、应用层,在智能电网中应用,转变为智能电网感知层、智能电网传感器网络层、智能电网应用层。智能电网中物联网由无线传感器网络构成的感知层。智能电网传感器网络层主要有光缆、光端机组成,采用分级控制,网调、省调、地调、变电站或集控站可以调用和获取自己所需的信息,并会根据责任的不同处理不同的信息。在智能电网的应用层,根据智能电网的实际需要,运用物联网关键技术能够实现电网智能化和信息关键技术与智能电网关键技术的彻底融合,以实现智能电网精确供电、保障用电、互补供电及保障用电安全和提高能源的利用效率。
　　2.2 基于专家系统非线性最优控制技术研究
　　 专家系统应用于电力系统是一种基于组织感知知识的系统,用于智能协调融合、组织和决策,激励相应的非线性最优控制器完成非线性最优控制规律的实现。主要针对各种非结构化问题,处理定性的、启发式或不确定的知识信息。如:电力系统恢复非线性最优控制、故障点的隔离、电力系统调度员培训、处于警告或紧急状态的辨识、配电系统自动化等。以智能技术方式求得受控系统尽可能地优化和实用化,并经过各种推理过程达到系统的任务目标。虽然取得到广泛应用,但存在如难以模仿电力专家的创造性等局限性。
　　2.3 基于自组织模糊神经传感器网络逻辑非线性最优控制技术研究
　　 基于自组织模糊神经传感器网络方法是一种对系统宏观的非线性最优控制系统工程,十分简单而易于掌握,为随机、非线性和不确定性系统的非线性最优控制,提供了良好的最优路径。将人的操作经验用自组织模糊神经传感器网络关系来表示,通过自组织模糊神经传感器网络推理和决策方法,来对复杂过程对象进行有效非线性最优控制。自组织模糊神经传感器网络非线性最优控制技术的应用非常广泛,与常规非线性最优控制相比,自组织模糊神经传感器网络非线性最优控制技术在提高自组织模糊神经传感器网络非线性最优控制的非线性最优控制品质,如:稳态误差、超调等问题,自身的学习能力还不完善,要求系统具有完备的知识,这对工业智能系统的设计是困难的。如自组织模糊神经传感器网络变结构非线性最优控制,自适应或自组织自组织模糊神经传感器网络非线性最优控制,自适应自组织人工神经传感器网络非线性最优控制,自组织人工神经传感器网络变结构非线性最优控制等。另一方面包含了各种智能非线性最优控制方法之间的交叉结合,对电力系统这样一个复杂的大系统来讲,综合智能非线性最优控制更有巨大的应用潜力。现在,在电力系统中研究得较多的有自组织人工神经传感器网络与专家系统的结合,专家系统与自组织模糊神经传感器网络非线性最优控制的结合,自组织人工神经传感器网络与自组织模糊神经传感器网络非线性最优控制的结合,自组织人工神经传感器网络、自组织模糊神经传感器网络非线性最优控制与自适应非线性最优控制的结合等方面应用。
　　2.4 基于自组织人工神经传感器网络非线性最优控制技术研究
　　 自组织人工神经传感器网络是一种介于符号推理与数值计算之间,适合用作智能非线性最优控制的数学工具。自组织人工神经传感器网络从m维空间到n维空间,复杂的非线性映射、学习能力为解决复杂的非线性系统非线性最优控制问题,提供了有效的途径。在自组织人工神经传感器网络中,知识是通过学习例子分布存储,当个别处理单元损坏时,不会影响整个系统的正常工作,是对非线性系统具有最好的非线性最优控制性能。
　　2.5 基于综合智能非线性最优控制技术研究
　　 综合智能非线性最优控制重要的技术发展方向是智能集成化。一方面,可将多项智能技术相互结合于一体,不在单独运用,各取优势。如自组织模糊神经传感器网络技术和自组织人工神经传感器网络的结合,自组织人工神经传感器网络与自组织模糊神经传感器网络非线性最优控制的结合,自组织人工神经传感器网络与专家系统的结合等,这些都在电力系统自动化非线性最优控制中研究的较多,如可用自组织人工神经传感器网络与自组织模糊神经传感器网络逻辑良好结合的技术基础,去处理同一系统内的问题,自组织人工神经传感器网络处理非结构化信息,自组织模糊神经传感器网络系统处理结构化的知识等。另一方面,自动化非线性最优控制智能技术与传统的自适应非线性最优控制的结合,如:自组织模糊神经传感器网络非线性最优控制与自适应非线性最优控制的结合等。目前,国内已有非线性最优控制专家已着手发展研究,既能有效处理自组织模糊神经传感器网络知识又能有效学习的自组织模糊神经传感器网络与自组织人工神经传感器网络集成技术,这必将为电力系统智能非线性最优控制的发展提供新的途径。
　　3、结束语
　　 随着IT技术快速发展,智能电网中的电力系统是复杂的不确定性工业工程,对其有效非线性最优控制,关键在于自动化非线性最优控制智能技术应具有较强的知识处理能力,包含知识学习和利用,推理和决策等方面。在未来电力系统的发展进程中,非线性最优控制技术的深入研究,自动化非线性最优控制智能技术将朝着全面智能化的方向发展。从而实现智能性工作环境,同时,也有效的促进与提高电力系统平稳、安全和经济的运行。
　　参考文献:
　　[1]沈君奕.电气自动化非线性最优控制中自组织人工智能的探讨分析[J].科技资讯,2009.
　　[2]梁宁波.浅析自组织人工智能在电气自动化控制中的应用[J].黑龙江科技信息,2008.5.
　　[3]孙增圻等编著.智能非线性最优控制理论与技术[M].北京:清华大学出版社,1997.
　　

转载注明来源:https://www.xzbu.com/2/view-562293.htm