（电路与系统专业论文）基于网络化控制模型的无功优化问题研究.pdf

摘要 无功优化是电力系统控制与运行的一个传统经典课题，是提高电 能质量、降低网损、实现无功功率最优控制，保证电力系统安全经济 运行的重要措施。随着无功优化问题内涵的不断延伸，无功补偿装置 与调节控制方式的飞速进步，实时无功优化问题已成为当前电力系统 控制领域的一个热点和前沿课题。由于网络化控制系统目前是分布式 实时控制的趋势和研究热点，因此，本文将网络化控制系统理论引入 电力系统实时无功优化，并针对网络通道数据丢包对无功优化算法影 响的不同情况，提出相应的优化改进策略，为解决电力系统无功优化 的实时控制提供了一条崭新的途径。 首先，本文将网络化控制系统理论应用于电力无功优化的实时控 制，阐述了无功优化和网络化控制系统的研究现状以及网络化控制系 统在无功优化中的应用；介绍了网络化控制系统的基本模型、特点以 及无功优化的数学模型；实现了基于网络化控制模型的无功优化问题 建模；并在传统无功优化控制的基础上，着重分析了网络化控制模型 中数据丢包对其造成的影响。 其次，针对网络化控制模型中前向通道数据丢包导致无功优化某 些控制量不可控，提出利用历史控制量进行去冗一保持处理的改进优 化方法；并针对i e e e3 0 、i e e e5 7 标准节点系统进行仿真实验，证 明了所提方法不仅能保证系统达到近似的最优状态，而且其收敛性和 求解速度都将得到提高。 第三，针对反馈回路数据丢包造成系统无法接收到完整的量测信 息，提出利用状态估计方法获取电网真实的运行状态，为无功优化计 算提供准确可靠的输入数据；进而针对i e e e3 0 、i e e e5 7 标准节点 系统进行仿真实验，验证了状态估计方法的可行性与有效性。 最后，当前向通道与反馈回路同时存在数据丢包时，结合去冗一 保持处理与状态估计方法对无功优化算法进行改进；并针对i e e e3 0 、 i e e e5 7 标准节点系统进行仿真实验，证明了所提方法能有效减少数 据丢包对无功优化控制的不利影响，为最终实现实时无功优化奠定了 重要基础。 关键字：网络化控制系统，无功优化，数据丢包，去冗一保持处理， 遗传算法，状态估计 a b s t r a c t r e a c t i v ep o w e ro p t i m i z a t i o n ( r p o ) i sat r a d i t i o n a la n dc l a s s i c a l s u b j e c ti np o w e rs y s t e mc o n t r o la n do p e r a t i o n i ti sa ni m p o r t a n tm e a s u r e t oi m p r o v et h ev o l t a g eq u a l i t y ，r e d u c et h et r a n s m i s s i o nl o s s ，a c h i e v e o p t i m a lc o n t r o l o fr e a c t i v ep o w e ra n de n s u r ep o w e rs y s t e mo p e r a t e s s e c u r e l ya n de c o n o m i c a l l y w i t ht h ee x t e n d i n gc o n t i n u o u s l yo fr p 0 a n d t h er a p i dp r o g r e s so fr e a c t i v ep o w e rc o m p e n s a t i o nd e v i c e sa n dr e g u l a t i n g c o n t r o lm o d e t h er e a l - t i m ec o n t r o io fr p oh a sb e c o m eaf r o n t i e ra n dh o t i s s u ei np o w e rc o n t r o ls y s t e m a n dn e t w o r k e dc o n t r o ls y s t e m ( n c s ) h a s b e e nt h et r e n da n dr e s e a r c hh o t p o to fd i s t r i b u t e dr e a l t i m ec o n t r o ln o w t h e r e f o r e ，n c si si n t r o d u c e dt or e a l t i m ec o n t r o lo fr p oi nt h i sp a p e r , a n dt h ei m p r o v e dm e t h o d sa r ep r o p o s e dw h e nt h e r ei sd a t ap a c k e tl o s si n n e t w o r kc h a n n e l ，w h i c hw i l lp r o v i d ean o v e ls o l u t i o nt ot h ep r o b l e mo f r e a l - t i m ec o n t r o lo fp r 0 f i r s t l y ，t h et h e o r yo fn c s i sa p p l i e dt or e a l - t i m ec o n t r o lo fr p 0i n p o w e rs y s t e mi nt h i sp a p e r r e s e a r c h s t a t u so fr p oa n dn c si s e x p o u n d e d b a s i cm o d e la n dc h a r a c t e r i s t i c so fn c s a r ei n t r o d u c e d ，a n d b a s i cm a t h e m a t i c a lm o d e lo fr p 0a r ee l a b o r a t e d m o d e lo fr p ob a s e d o nn c si sr e a l i z e d a n dn e g a t i v ei n f l u e n c ec a u s e db yd a t ap a c k e tl o s si n n csi sa n a l y z e do nt h eb a s i so ft r a d i t i o n a li 冲o s e c o n d l y ，i m p r o v e do p t i m i z a t i o n m e t h o di s p u t f o r w a r d b y a r e d u n d a n c y - r e m o v a la n dm a i n t a i n i n gp r o c e s s i n g w h i c hs o l v e ss o m e c o n t r o lv a r i a b l ei su n c o n t r o l l e du t i l i z i n gt h eh i s t o r i c a lv o l u m e sw h e n t h e r ei sd a t ap a c k e tl o s si nt h ef o r w a r dc h a n n e lo fn c s a n dn u m e r i c a l s i m u l a t i o n so nt h ei e e e30a n di e e e57t e s t s y s t e ms h o wt h a tt h e p r o p o s e dm e t h o dc a ng u a r a n t e ec l o s ea p p r o x i m a t i o no ft h eo p t i m a l i i i s y s t e m s t a t ew i t hb e t t e rg l o b a lc o n v e r g e n c ea n df a s t e ro p t i m i z a t i o n s p e e d t h i r d l y ，a i m i n ga tt h em e a s u r e dd a t ac a nn o tb ec o m p l e t e l yr e c e i v e d b ys y s t e mw h e nt h e r ei sd a t ap a c k e tl o s si nf e e d b a c kc h a n n e l ，am e t h o d o fu s i n gs t a t ee s t i m a t i o nt og a i nt h er e a lo p e r a t i o ns t a t u so fp o w e rg d d a n dp r o v i d ea c c u r a t ea n dr e l i a b l ei n p u td a t af o rc a l c u l a t i o no fr p oi s p r o p o s e d a n da d o p t i n gt h ei m p r o v e dm e t h o dt os i m u l a t e ，i e e e3 0a n d i e e e5 7s t a n d a r dn o d es y s t e me x a m p l e sp r o v e dt h ef e a s i b i l i t ya n d e f f e c t i v e n e s so fs t a t ee s t i m a t i o n f i n a l l y ，n u m e r i c a ls i m u l a t i o n s o nt h ei e e e3 0a n di e e e5 7t e s t s y s t e m sa r ed o n eu s i n gt h ep r o p o s e dt w om e t h o d sw h e nt h e r ei s d a t a p a c k e tl o s s i nf o r w a r da n df e e d b a c kc h a n n e la t t h es a m et i m e i ti s d e m o n s t r a t e dt h a tt h ep r o p o s e dm e t h o dc a ne f f e c t i v e l yr e d u c en e g a t i v e e f f e c t so nr p oc a u s e db yd a t ap a c k e tl o s s a n di ti sl a i da ni m p o r t a n t f o u n d a t i o nf o rr e a l i z i n gr e a l t i m er p o f i n a l l y k e yw o r d s ：n c s ，r p o ，d a t ap a c k e tl o s s ，r e d u n d a n c y - r e m o v a l a n d m a i n t a i n i n gp r o c e s s i n g ，g e n e t i ca l g o r i t h m ，s t a t ee s t i m a t i o n i v 目录 中文摘要i 英文摘要i i i 第1 章绪论1 1 1 课题研究目的和意义1 1 2 无功优化研究现状2 1 2 1无功优化研究方法概述2 1 2 2 无功优化的发展5 1 3 网络化控制系统研究现状一7 1 4网络化控制系统在无功优化中的应用9 1 5 论文主要研究内容和创新点1o 1 6 本章小结12 第2 章基于网络化控制模型的无功优化问题建模1 3 2 1网络化控制系统的基本模型及特点。1 3 2 1 1 网络化控制系统的基本模型1 3 2 1 2 网络化控制系统的特点1 4 2 2 无功优化的数学模型15 2 3 基于网络化控制模型的无功优化问题描述17 2 3 1 基于网络化控制模型的无功优化基本结构1 7 2 3 2 数据丢包对无功优化算法影响的分析18 2 4 本章小结2 0 第3 章具有前向数据丢包的无功优化改进方法及实现2 1 3 1 去冗一保持处理2 1 3 1 1 去冗一保持处理的基本思路2 1 3 1 2 去冗一保持处理的具体实现2 2 3 2 无功优化的遗传算法2 4 3 2 1 遗传算法的原理及特点2 4 3 2 2 遗传算法的应用2 5 3 3 具有前向数据丢包的无功优化改进算法具体实现2 7 3 4 算例仿真与结果分析2 9 3 5本章小结3 3 第4 章具有反馈数据丢包的无功优化改进方法及实现3 4 4 1 电力系统状态估计3 4 4 1 1 状态估计的定义及功能3 4 4 1 2 状态估计的数学模型及实现3 6 4 1 3 不良数据的处理3 8 4 1 3 1 残差方程3 9 4 1 3 2 加权残差检测法3 9 4 1 3 3 残差搜索辨识法一4 0 4 2 状态估计在实时无功优化中的应用4 0 4 3 具有反馈数据丢包的无功优化改进算法具体实现。4 2 4 4 算例仿真及结果分析一4 2 4 5本章小结4 5 第5 章具有前向一反馈数据丢包的无功优化改进方法及实现4 6 5 1 具有前向一反馈数据丢包的无功优化改进方法基本原理4 6 5 1 1 状态估计方法4 6 5 1 2 去冗一保持处理4 8 5 2 具有前向一反馈数据丢包的无功优化改进算法具体实现4 9 5 3 算例仿真与结果分析5l 5 4 本章小结5 4 第6 章论文总结与展望5 6 6 1 主要研究成果5 6 6 2 后续研究展望5 7 参考文献5 8 附录1 ie e e3 0 节点系统的无功优化数据6 3 附录2ie e e5 7 节点系统的无功优化数据：6 7 附录3 攻读硕士学位期间发表论文及科研工作情况7 3 致谢。7 3 基于网络化控制模型的无功优化问题研究 第1 章绪论 1 1 课题研究目的和意义 无功优化是电力系统安全、经济运行的一个传统经典问题。自从 上个世纪6 0 年代j p e s c h o n 等提出无功最优潮流的概念以来，不断 有各种优化方法被提出，国内外相关研究文献也不断发表n 。4 3 。电力 无功优化控制的发展阶段大致可分为：设备级就地分散控制阶段、厂 站级就地协调控制阶段、区域级协调控制阶段、全局协调控制阶段。 以实时无功优化、集安全性和经济性于一体的全局协调优化控制为最 高目标。由于实时无功优化问题在理论建模与求解上比较复杂，全局 实时信息的获取以及自动调控设备研发方面的要求较高，基于全局协 调的实时无功优化控制在实际应用中尚不多见。但随着无功优化问题 内涵的不断延伸，无功补偿装置与调节控制方式的飞速进步，实时无 功优化问题也已成为当前电力系统控制领域的一个热点和前沿课题。 随着自动控制、网络通信和计算机技术的飞速发展，管理与监控 要求的不断增加，控制系统的设计越来越重视分布式网络化的解决方 案。网络与计算机技术在控制领域的不断应用，产生了面向分布式控 制应用的网络化控制系统( n e t w o r k e dc o n t r o ls y s t e m ，n c s ) 5 - 7 。 网络化控制系统具有成本低、适应性强、易于重构、扩展性好等优点， 近年来已经广泛应用在生产过程自动化、航空航天、机器人控制、智 能楼宇、军事指挥等大型复杂分布式控制应用中。 由于电力系统本身是一个大型分布式系统，具有规模大、地理位 置分散、对控制性能要求高等特点，其全局无功优化控制本质上必然 是一种分布式实时控制；而网络化控制系统当前是分布式实时控制的 硕士学位论文 发展趋势和研究热点哺1 。因此，将网络化控制系统应用于电力系统无 功优化的实时控制，具有理论发展的必然性和应用技术上的可行性， 对于实现电网安全经济运行具有重大意义。目前，电力系统无功优化 问题的研究主要集中在考虑更符合实际情况的系统建模以及不同优 化算法的快速求解，而将n c s 与电力无功优化紧密结合的研究却很 少。从目前国内文献来看，华中科技大学何飞跃、段献忠等首先提出 了将n c s 理论应用于电力系统的控制随、9 1 。华北电力大学朱永利探讨 了基于广域网的电力远动系统的控制n 们。山东大学曹立霞对大型互联 电力系统分布式并行无功优化进行了研究。但是还未见专门展开n c s 与实时无功优化相结合的系统性研究工作，没有直接探讨和分析数据 丢包、网络时滞、信息调度等因素对实时无功优化算法及控制的影响。 因此，本文尝试基于n c s 系统来建立电力无功优化控制的模型，并从 数据丢包对无功优化算法的影响方面进行研究和探索。 本文将网络化控制系统理论引入电力系统无功优化实时控制，为 电力系统分布式控制开辟了新的研究分支、提供了新的设计方法与分 析手段，其研究成果将成为分布式全局无功优化的现实技术手段，并 能够直接应用于指导实时无功优化控制的工程设计和开发，将对我国 电力系统自动化水平的提高起到良好的促进作用。 1 2 无功优化研究现状 1 2 1 无功优化研究方法概述 无功优化是指当电力系统的结构参数以及负荷情况给定时，通过 对某些控制变量的优化，在满足各种约束条件的前提下，使系统的一 个或多个性能指标( 如有功网损最小、电压质量最优、年支出费用最 少等) 达到最优的无功调节手段。无功优化是一个多约束的非线性规 基于网络化控制模型的无功优化问题研究 划问题，具有非线性、离散性、不确定性、复杂性等特点n 。几十年 来，国内外许多专家学者对无功优化的求解开展了大量的研究工作， 提出了很多算法。到目前为止，无功优化的求解方法大致可分为两类： 常规优化算法和智能优化算法n 引。 ( 1 ) 常规优化算法 求解电力无功优化的常规方法是从某个初始点出发，按照一定的 轨迹不断改进当前解，最终收敛于最优解。这类优化算法主要包括非 线性规划法、线性规划法、混合整数规戈0 法和动态规划法等。 非线性规划法就是设定一个目标函数，以节点功率平衡为等式约 束条件，利用引入松弛变量的方法将不等式约束条件转换为等式约束 条件，然后运用拉格朗日乘数法构造一个增广的目标函数，根据 k u h n t u c k e r 条件，将问题转变为求解非线性代数方程组n 。非线性 规划化的数学模型能比较精确地反映电力系统的实际情况，计算机精 度较高，但其方法需要大量的求导、求逆运算，占用内在多，解题规 模受到限制n 刳。最具代表性的有简化梯度法、共轭梯度法、牛顿法和 二次规划法。 线性规划法就是把目标函数和约束条件全部用泰勒公式展开，略 去高次项，使非线性问题在初始点处转化为线性规划问题，用逐次线 性逼近的方法来进行解空间的寻优。线性规划法物理概述清晰，数学 计算简单，计算机速度快，计算规模限制约束较少。存在的主要问题 是：一方面，由于从某个方向单路径寻优就近收敛，容易出现收敛于 一个局部最优解的情况；另一方面，由于算法基于导数理论，要求目 标函数可导和变量连续。比较典型的算法是灵敏度法和内点法n 引。 混合整数规划法的原理是先确定整数变量，再与线性或非线性规 划法协调处理连续变量，分两步进行优化，提高了计算精度，其数学 硕士学位论文 模型也比较准确的体现了无功优化的实际。它是通过分支定界法不断 定界来缩小可行域，逐步逼近全局最优解。但它存在优化过程过于复 杂、计算量大、收敛慢、易发生振荡、发散的缺点，削弱了总体最优 性。比较有代表性的是凑整数法、割平面法、分支定界法和拉格朗日 松弛方法n 引。 动态规划法是研究多阶段决策过程最优解的一种有效方法，它按 时间或空间顺序将问题分解为若干互相联系的阶段，依次对它每一阶 段做出决策，最后获得整个过程的最优解。动态规划法的缺陷在于， 它需要某些假设条件，因而可能丢失最优解，若初值选取不当则会获 得局部最优解而不是全局最优解。同时，随状态变量个数增加出现的 “维数灾”问题和难以构成一个实际问题的动态数学规划模型，这些 都限制了它在更广泛范围内的推广应用n 副。 ( 2 ) 智能优化算法 随着科学技术领域中多学科的交叉和渗透，优化计算领域出现了 一系列智能优化方法，比较有代表性的是专家系统、模拟退火算法、 人工神经网络、粒子群算法和遗传算法等。这些智能优化算法能以较 大概率收敛于全局最优解，且能方便地处理离散变量，这是常规优化 方法所不及的，因此在无功优化领域中得到了广泛应用n 副。 专家系统是模拟人类专家做出决策的过程，提供具有专家水平的 解答，特别适合于所研究对象没有确切的数学模型、算法，而又需要 该领域专家的经验、知识来解决问题的场合n 引。专家系统主要是由知 识库和推理机构成，它根据某个领域的专家提供的特殊领域知识进行 推理，模拟人类专家做出决策的过程，提供具有专家水平的解答。但 其存在接口不够友好、知识表示方法不完备以及知识获取方法不灵活 等问题n 6 1 。 基于网络化控制模型的无功优化问题研究 模拟退火法是通过模拟加热熔化金属的退火技术来寻找全局最 优解的有效方法。该方法基于金属的退火过程与一般组合优化问题之 间的相似性，利用m e t r o p o lis 随机接收准则，有限度地接收可能包 含优良解基因片的恶化解，同时逐步减小接受恶化解的概率，保证算 法的收敛性并避免陷入局部最优n 引。不过该算法的参数选取较为复 杂，其所得到的最终解的质量和计算收敛速度受退火方案选取的影 响。若选取不当，则需要大量的随机迭代和计算量，得到的解与最优 解相差甚远n 羽。 神经网络是由神经元以一定的拓扑结构和连接关系组成的信息 表现、存储、变换系统。以人工模拟的神经元构成的神经网络称为人 工神经网络，它是对自然界中生物体神经系统进行抽象和改造，并模 拟生物体神经系统功能的产物。人工神经网络具有分布式存储信息、 集体运算和自适应学习的能力，有指导性、预测性和灵活性特点。该 方法收敛特性好，但不足之处是自我学习周期较长，在训练过程中容 易陷入局部极小点，不利于多节点系统的在线快速实时控制n 引。 粒子群算法源于自然界鸟群觅食行为的原理，通过自身的记忆和 周围同伴得到的经验来更新自己，最终达到最优的目的n9 | 。该算法中 每个粒子就是解空间的一个解，它根据自己的飞行经验和同伴的飞行 经验来调整自己的飞行，每个粒子在飞行过程中所经历的最好位置， 就是粒子本身找到的最优解。整个群体所经历过的最好位置，就是整 个群体目前找到的最优解n 羽。该方法具有待定参数少、快速收敛、实 现相对容易的优点，但还存在有陷入局部最优的危险。 1 2 2 无功优化的发展 电力无功优化控制的发展阶段大致呈现出如下几个阶段性： 硕士学位论文 ( 1 ) 设备级就地分散控制阶段。它主要利用发电机、有载调压 变压器、调相机、自动投切电容或电感、s v c 、s t a t c o m 等全自动或 半自动无功补偿装置实现单个设备对于所在母线电压和无功的局部 控制。 ( 2 ) 厂站级就地协调控制阶段。它由变电站无功自动控制装置 或自动调节软件模块来协调控制同一变电站内的无功补偿设备，从而 控制该厂站母线的电压和无功。 ( 3 ) 区域级协调控制阶段。其代表为法国、意大利等国实施的 二级电压控制，它是通过协调控制一个区域内的一系列发电机及补偿 设备的无功出力来优化控制该区域无功潮流。 ( 4 ) 全局协调控制阶段。这是指利用s c a d a 和e m s 的全局信息， 对全电网内的无功控制设备( 包括区域协调控制器) 进行协调控制， 它尤以实时优化、集安全性和经济性于一体的全局协调优化控制为最 高目标n 羽。 目前，电力系统无功优化问题的研究一直以来主要集中在两个方 面，即考虑更符合实际情况的系统建模以及针对不同优化算法的快速 求解。 在系统建模与优化问题描述方面，由于电力负荷实时特性的不 同，可以分为无功的静态优化和动态优化；从不同优化目标的角度出 发，可以包含有功网损最小、电压稳定性最好、系统投资最小、设备 调节次数最少等单目标或多目标的优化模型乜蚴1 ；另外由于上述不同 的负荷和优化目标，也会出现含有控制、状态、潮流、设备调节次数 等不同的约束条件情况乜3 。2 6 3 。这方面的发展趋势是寻求建立更加符合 实际需求、负荷实时性更强、综合性能更好的无功优化模型。 在不同优化算法的快速求解方面，目前主要有基于导数的数学规 基于网络化控制模型的无功优化问题研究 划方法和智能优化算法两大类求解方法乜7 1 。前者以内点法为最新发 展，后者以遗传算法为典型代表，两者各有优缺点。前者计算速度快， 但理论上容易陷入局部极小点，且在处理离散变量与不可行问题方面 存在困难n 3 _ 引；后者能以较大概率找到全局最优解，便于处理离散变 量和不可行问题，但容易陷入早熟，计算速度较慢瞳引。针对优化算法 的改进上，国内外当前正努力研究的方向有： ( 1 ) 利用内点法以及各种智能优化算法的互补性来构造混合优 化算法，提高优化性能； ( 2 ) 运用电力系统分析和运行方面的经验知识来简化计算过 程； ( 3 ) 利用相关的并行计算方法来加速运算乜毗 。 1 3 网络化控制系统研究现状 随着控制、计算机、网络技术的发展，监控与管理要求的不断增 加，控制系统经历了模拟控制、集中数字控制、集散控制、现场总线 控制，发展到当前的开放式网络化控制阶段，控制系统的设计越来越 重视分布式网络化的解决方案。网络与计算机技术在控制领域的不断 应用，产生了面向分布式控制应用的网络化控制系统。网络化控制系 统可以定义为：控制系统中的传感器、控制器及执行机构之间的信息 全部或者部分地通过网络传递而实现；也即是系统的前向通道、反馈 回路中分别或均存在通信网络的一类新型控制系统。 网络化控制系统具有成本低、适应性强、易于重构、扩展性好、 便于安装维护、信息集成度高等许多优点，近年来已经广泛应用在生 产过程自动化、计算机集成制造、航空航天控制、机器人控制、智能 楼宇、军事指挥等大型复杂分布控制应用中。目前，网络化控制系统 硕士学位论文 已经成为国内外控制领域学术和工程界的研究及应用热点。i e e e 会刊 于2 0 0 4 年、2 0 0 5 年和2 0 0 7 年分别出版了专辑，专题讨论该领域内目前 存在的关键问题和研究进展，i f a c 、a u t o m a t i c 等刊物也不定期发表 n c s 方面的研究文献；国内自动化学报、中国电机工程学报等 顶级期刊也有很多的相关研究报告副。 目前，国外对于n c s 系统的理论研究主要集中在以下几方面： ( 1 ) 针对n c s 系统的理论建模以及系统的稳定性分析。 w i t t e n m a r k 等研究了反馈回路中具有网络时滞的系统建模问题； h a l e v i 和r a y 针对具有时变时滞的n c s 系统，通过系统状态空间增广 法，得到了有限维的离散系统模型及离散控制器0 | 。 ( 2 ) n c s 系统的状态估计分析。g o o d w i n 讨论了信息由传感器到 控制器传输时滞未知的情形；c h a n 等人针对网络半回路系统，提出了 l 种新的状态估计方法m 1 。 ( 3 ) n c s 系统中网络时滞的分析与归类，及不同网络协议服务性 能( q o s ) 的对比。f l l i a n 等分析了n c s 系统中网络时滞的构成，对 比了r o c k w e l l - - 层n c s 网络中不同协议的o o s 性能；g r i m b l e 研究了对 角型时延系统，引入输入一输出型时滞算子。 ( 4 ) n c s 系统中网络调度算法及协议改进的研究。j a f o n s e c a 等分析了总线网络调度算法与单处理器实时任务调度算法的异同； s v i t t u r i 等研究了对控制网络m a c 层协议的改进方法引。 ( 5 ) 基于n c s h 艮务性能q o s 与控制性能q o p 的协同控制方法研究。 z h a n g 等研究了满足网络可调度性和系统稳定性双重约束条件下，使 系统动态性能最优的采样周期m 3 ；w a l s h 等提出基于循环服务的多回 路采样调度算法，建立了系统q o p 与q o s 性能之间的约束关系口引。 国内网络化控制系统的研究工作稍晚于国外。最早是同济大学于 基于网络化控制模型的无功优化问题研究 之训、陈堂辉等人，基于随机理论进行了n c s 的时滞建模与稳定性分 析等工作刮；南京航空航天大学朱其新等人对具有长时滞的n c s 系统 进行了分析与设计d 引：清华大学姜培刚等、西北工业大学傅垒等利用 鲁棒理论进行 n c s 系统控制器设计嘞删；而华中科技大学方华京等 针对时延型n c s 系统的故障检测和诊断做了开拓性工作h 引。从网络技 术的角度出发，清华大学吴秋峰、顾洪军等对网络化控制系统进行了 研究n ；东南大学刘怀等提出了n c s 系统网络协议的改进算法h 2 1 ；上 海交通大学许晓鸣等对现场总线控制系统( f c s ) 互连模型和方法进 行了研究；东北大学赵海等对基于n c s 体系的数据融合思想进行了探 讨。 网络化控制系统仍处于不断飞速发展的过程中。目前，n c s 的分 析与研究还未形成一个理论体系完善、实现技术多元化、仿真与实验 平台有效的学术领域，仍有许多理论问题与实践技术亟待深入研究和 解决。 1 4 网络化控制系统在无功优化中的应用 由无功优化和网络化控制系统的发展过程分析可以看出：电力系 统的无功优化控制与网络化控制系统在发展阶段上呈现出某种相似 性。事实上，由于电力系统本身是一个大型分布式系统，其全局无功 优化控制本质上必然是一种分布式实时控制：而网络化控制系统当前 是分布式实时控制的发展趋势。因此，网络化控制系统能够而且应用 于电力系统无功优化的实时控制，两者具有技术发展上的统一性及相 似性。 由于n c s 是一种较新的控制系统模式，近十几年才飞速发展起来； 因此，目前国内外尚很少出现将网络化控制理论与电力无功优化紧密 硕士学位论文 相结合的研究报告。近期，华中科技大学段献忠、山东大学厉吉文、 浙江大学曹一家等均在文献中提出了运用分区与m u l t i a g e n t 概念来 进行全局分布式无功协同优化的思想h 、2 7 1 ；华南大学张勇军、任震也 分析了通过简单分层分区方法和电力通信系统，来协同优化若干分布 式子网的无功乜钔；而r e h t a n zc 和清华大学谢小荣等人则探索基于广 域测量系统( w a m s ) 来实现闭环的电网区间阻尼控制或电压稳定控制 一朝；华北电力大学朱永利探讨了基于广域网的电力远动系统n 引。从目 前文献来看，华中科技大学何飞跃、段献忠等首先明确提出了将n c s 理论应用于电力系统的控制，并针对a g c 、水电机组、t c s c 系统等进 行了探讨。这些研究者已开始涉及将n c s 系统及理论应用于电力系统 控制方向，但到目前为止，还未见专门展开n c s 与实时无功优化相结 合的系统性研究工作，没有直接探讨和分析数据丢包、网络时滞、信 息调度等因素对于实时无功优化算法及控制的影响。 1 5 论文主要研究内容和创新点 本文将网络化控制系统理论引入电力无功优化实时控制，实现了 基于网络化控制模型的无功优化问题建模，分析了网络数据丢包对无 功优化算法的影响；进而针对网络前向通道与反馈回路中存在数据丢 包的三种不同情况，分别提出了无功优化的改进策略；并以无功优化 中遗传算法为例，针对i e e e3 0 、i e e e5 7 节点系统进行仿真分析。 本文分为六章，主要内容包括如下： 第一章阐述了本文研究的目的及意义，并分析无功优化和网络化 控制系统的研究现状及网络化控制系统在无功优化中的应用。 第二章介绍了网络化控制系统的基本模型与特点，以及无功优化 的数学模型，进而建立了基于n c s 的无功优化控制模型，并分析了三 基于网络化控制模型的无功优化问题研究 种不同情况的数据丢包及其对无功优化算法的影响。 第三章详细阐明了去冗一保持处理方法的基本原理及具体实现 方式，该方法用于解决前向通道存在数据丢包对无功优化算法造成的 不利影响：同时，简单介绍了无功优化的遗传算法，并采用引入了去 冗一保持处理的无功优化遗传算法对i e e e 标准节点系统进行仿真实 验。 第四章详细阐述了状态估计方法的基本原理及实现步骤，用于解 决反馈回路存在数据丢包对无功优化算法造成的不利影响；同时利用 引入了状态估计的无功优化遗传算法对i e e e 标准节点系统进行仿真 验证。 第五章，针对前向通道与反馈回路同时存在数据丢包的情况，叙 述了将去冗一保持处理与状态估计两种方法结合运用的思路，并通过 对i e e e 标准节点系统的仿真实验证明了所提方法的可行性与有效 性。 第六章对全文进行总结，并给出论文研究中的不足以及对未来研 究工作的展望。 本文创新之处在于，提出了将网络化控制系统理论引入电力系统 无功优化的实时控制，建立了基于网络化控制的无功优化控制模型， 为电力无功优化实时控制提供了新的设计方法与分析手段；其次，解 决了网络化控制模型中数据丢包对无功优化算法的影响，其解决方案 可以直接用于指导实时无功优化控制的工程设计和软件开发。最后， 本文研究成果将对实时无功优化的后续研究提供重要的理论支撑，为 最终实现实时无功优化奠定基础。 硕士学位论文 本章首先简明阐述了将网络化控制理论引入电力系统无功优化 的目的与实际意义，然后分别介绍了电力系统无功优化和网络化控制 系统的研究现状，并分析了将网络化控制系统理论应用于电力系统无 功优化的必然性与可行性，最后给出了本论文的主要研究内容及创新 点。 基于网络化控制模型的无功优化问题研究 第2 章基于网络化控制模型的无功优化问题建模 2 1 网络化控制系统的基本模型及特点 2 1 1 网络化控制系统的基本模型 传统控制系统中，被控对象、传感器、控制器与执行器等系统组 件是通过导线直接相连来进行控制传输的，是一种基于点对点的连接 方式。而网络化控制系统中所包含的设备均可视为网络节点，所有节 点通过网络来传输数据，它是一种全网络化、分布式、实时反馈控制 系统阴1 。网络化控制系统中控制器两端的数据均通过数字通讯网络来 传输，由传感器对被控对象的当前状态进行数据采集，将其转换和处 理后通过网络发送给控制器，控制器采用适宜的控制算法求取输出控 制量，再通过网络传送给执行器。其基本模型如图2 - 1 所示。 ，恒 恒巫h 圈- l - l - - - - - - 4 控制器| ： 连续信号l 一j离散信号 图2 1 网络化控制系统的基本模型 网络化控制系统中的传输网络主要存在于控制器与执行器以及 传感器与控制器之间，可以是支持特定协议的局域网络，如以太网、 f i r e w a r e 网络以及其它现场总线网络，也可以是基于t c p i p 协议的 i n t e r n e t 网随1 。与传统控制模式相比，网络化控制中的反馈信号与控 制信号均以数字量的形式，通过通讯网络传输；因此具有布线少、易 硕士学位论文 于安装和维护、系统扩展性好等多种优点。但也正是由于网络化控制 模型在前向通道和反馈回路中引入了通讯网络，这必然给系统的分析 与设计带来新问题，主要有：数据丢包、网络时延、系统稳定性、通 讯调度策略等问题。 2 1 2 网络化控制系统的特点 网络化控制系统是自动控制理论、计算机技术和网络通信等多种 技术融合的产物，是通过一个实时网络构成的闭环控制系统。从技术 角度来看，网络化控制系统兼具有网络技术与自动控制技术的特点 r 4 4 ( 1 ) 具有数据传输的高实时性和快响应。 ( 2 ) 网络协议简单实用，工作效率高。 ( 3 ) 信息交换频繁，传输的信息既有控制型的短帧信息也有决 策或监控信息。 ( 4 ) 网络结构高度分散，易于实现与信息网络的集成，安全性 能好。具有控制设备的智能化和控制功能的自治性等特点。 同时，基于网络的控制具有以下几个方面的优点： ( 1 ) 以数字信号取代模拟信号在数字网络上传输，实现控制设 备间的数字化互连，并能以较小的信息传输代价实现远程操作和远程 控制。 ( 2 ) 可实现决策管理层、调度层到现场控制设备层的全系统控 制和全过程优化。 ( 3 ) 互操作性，即不同厂商的产品在同一网络中可以相互兼容， 互相通信。由此便可以不同程度地减少中间环节的信息处理设备，降 低控制成本。 基于网络化控制模型的无功优化问题研究 ( 4 ) 开放性，系统扩展容易，增加或减少节点比较简单，可维 护性强引。 2 2 无功优化的数学模型 电力系统的无功优化是一个复杂的非线性规划问题。无功优化的 基本思路是在电力系统有功负荷、有功电源及有功潮流分布已经给定 的情况下，以发电机端电压、无功补偿电源容量和可调变压器分接头 位置作为控制变量，而以发电机无功出力、负荷节点电压幅值作为状 态变量，应用优化技术，在满足电力系统无功负荷的需求下，谋求合 理的无功补偿点和最佳补偿容量，使电力系统安全、经济地向用户供 电刚 。 无功优化的目标函数有很多种，主要包括： ( 1 ) 从经济方面考虑，最常用的是最小化系统的网损；也可采 用计及无功发电成本及无功补偿设备的运行成本的目标函数。 ( 2 ) 从系统安全性角度出发，以最大化发电机的无功储备，或 最小化发电机的无功出力以及系统电压稳定裕度最大为目标函数。 ( 3 ) 从无功电压运行质量方面考虑，以最小化节点电压或线路 潮流与相应设定值的偏差为目标函数。 ( 4 ) 实用性方面的目标函数主要包括最小化控制设备的动作次 数。 ( 5 ) 多目标函数用于解决单目标不足以完整表达电力系统实际 控制目标的优化问题，它将几类单目标函数结合起来使用，形成多目 标无功优化。因此，它也使得无功优化模型更加复杂，求解更加困难 2 7 0 本文从经济方面考虑，以有功网损最小为目标构造无功优化模 硕士学位论文 型。其中，等式约束为潮流平衡约束，即各节点有功和无功的平衡方 程；不等式约束包括发电机电压、有载变压器档位、电容器无功补偿 容量的控制变量约束( 以u 表示) 以及发电机无功功率、p q 节点电压 的状态变量约束( 以x 表示) 乜7 1 。 r a i nf 式( 2 - i ) s ，矿h ( u ，x ) = 0式( 2 2 ) um i n u u m a x 式( 2 3 ) x m i n x x m 觚式( 2 4 ) 上述式( 2 1 ) 中r 为系统有功网损，式( 2 2 ) 为系统潮流方程，式 ( 2 - 3 ) 为控制变量不等式约束，式( 2 - 4 ) 为状态变量不等式约束。 1 、目标函数2 7 1 m i n 兄= n lg 圳棚( u ，2 + u ，2 2 u ，u i c o s0 盯) 式( 2 5 ) k = l 式( 2 - 5 ) 为以有功网损最小的目标函数，式中刀，为支路数， g 州是以f 节点和节点为首末端点的第七条支路的电导。 2 、等式约束4 8 1 f 鼻= ( qc o s o 驴+ b o s i n o f ) 1q = 兰( qs i n 够一b i j c o n ) 式( 2 6 ) l _ ，7 式( 2 6 ) 中：u 。和分为节点f 和的电压；0 ，为节点，和j f 的电 压相位差；只和q j 分别为节点蹦e 入的有功和无功功率；g 。和岛为节 点导纳矩阵中元素的实部和虚部； 3 、不等式约束伯1 控制变量约束： 基于网络化控制模型的无功优化问题研