智能控制技术在无功电压控制中的应用.doc

智能控制技术在无功电压控制中的应用摘要：本文介绍了几种主要的人工智能技术，如专家系统(Expert System，ES)、人工神经网络(Artificial Neural Network，ANN)、模糊理论(Fuzzy Theory，FT)等的基本概念，并在此基础上对近年来文献中提出的相关方法在电压无功控制中的应用进行综述，分析比较了它们的应用特点，提出还存在的问题，希望对进一步的研究有所启示。关键词：专家系统(Expert System，ES)、人工神经网络(Artificial Neural Network，ANN)、模糊理论(Fuzzy Theory，FT)自从1966年J.M.Mendel提出将人工智能用于飞船控制系统的设计以来，智能控制技术日趋成熟，1971年，著名学者K.S.Fu（傅京逊）从发展学习控制的角度首次提出智能控制这一概念1，至此以后，智能控制技术越来越多地被应用到各种生产过程中，本文仅对该技术在无功电压控制中的应用作以下探讨。在无功电压控制中，主要应用到了智能控制技术中的专家系统(Expert System，ES)、人工神经网络(Artificial Neural Network，ANN)、模糊理论(Fuzzy Theory，FT)等的智能控制技术，现分别进行一一的论述。1专家系统在无功电压控制中的应用专家系统(ES)是发展较早、也是比较成熟的一类人工智能技术。专家系统主要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，模拟人类专家作出决策的过程，提供具有专家水平的解答。目前，电力系统运行和控制由有经验的调度人员借助自动化技术完成。这是由于一方面传统数值分析方法缺乏启发性推理的能力，同时也无法进行知识积累，另一方面电力系统自身的复杂性使一些必要的数学模型及状态量难以获取，单纯的数值方法难以满足电力系统的要求，因此，在电力自动化系统中引入电力专家的经验知识是十分必要的2。专家系统在电力系统应用范围很广，在无功电压控制中也有较多的应用成果312。专家系统在无功电压控制中的典型应用是将已有无功电压控制的经验或知识用规则表示出来，形成专家系统的知识库，进而根据上述的规则由无功电压实时变化值求取电压调节的控制手段39。文献3提出了利用静态网络等效和专家系统进行大范围电力系统无功电压控制的方法，该专家系统知识库包括每条母线电压上限和下限、每一控制器控制量上限和下限、每条母线电压和控制量灵敏度以及控制潮流的逻辑规则等信息，推理机则按照知识库描述的各条规则，依次寻求和选择消除母线电压偏差最有效的控制器，直至该母线电压恢复为设定值。文献6介绍了一种用于电力系统电网电压控制的专家决策支持系统。该系统采用集中控制策略，控制措施包括调节PV 节点电压、变压器分接头和并联电容器等，根据不同控制措施对相关母线电压的灵敏度及其控制裕度选择控制步骤，可以修正电网中异常的电压状况。文中的试验结果表明，该方法比分散控制法更加准确，而且所需的控制步骤更少。文献7和文献8将常规方法和专家系统启发式方法相结合实现系统电压无功控制。其中文献7介绍了一种辅助运行人员进行无功电压调度的综合方法，该方法利用数值法和专家系统各自的优势求取控制变量，可以有效地消除电压偏移、改善电压特性并使有功损耗最小。文中根据电压对控制变量和电流电压曲线的灵敏度测定了该方法的有效性，并阐述了其在控制中心的实际应用情况。文献11对较为先进的电力系统电压分层优化控制模式下的系统分区方法进行研究，在提出一种基于电气距离概念的向上分级归类的分区算法基础上，又基于电力系统的专家知识对算法自动分区结果进行调整和优化，进一步保证了系统分区的合理性和子区域电压的可控性。针对大型变电站的电压控制，文献12设计了一个适用于变电站电压和无功自动控制的专家系统。该系统基于分层思想将整个控制过程分为多个层次，其知识也相应分层存储于规则库之中。其推理机和知识库各自形成模块，针对不同的变电站只需对相应的规则库、目标库进行修改即可，因而具有通用性。此外，文献10还介绍了一个对配电系统进行无功控制的专家系统。近年来，在国外和国内都有不少与电力系统电压无功控制相关的专家系统投入试运行或进入实用化推广阶段，并取得了不错的效果，但是仍然存在着一些问题值得研究和探索：当系统规模较大、规则较多时，完成推理的速度受到限制，因此目前已有的专家系统大多是用于离线，或者在线解决属于系统分析方面的问题，而在无功电压实时控制方面的应用还刚刚起步，有待进一步的研究；现有的专家系统缺乏有效的学习机制，对付新情况的能力有限，而且容错能力较差，当系统发生故障或网络结构、系统参数、无功电压设备控制器配置等发生变化的情况下，将有可能得不到结果或给出错误的结果。如何与ANN、模糊推理等其它人工智能方法结合以提高专家系统的自学习能力和容错能力是值得研究的课题；大型专家系统的建造周期长，知识的获取和校核比较困难，要建立完备的知识库，维护难度比较大，在建造专家系统之前必须充分考虑这些问题。2 人工神经网络在无功电压控制中的应用人工神经网络(ANN)是模拟人类传递和处理信息的基本特性，由人工仿制大量简单的神经元以一定的方式连接而成。单个人工神经元实现输入到输出的非线性关系，它们之间的连接组合使得ANN 具有了复杂的非线性特性。与ES 相比，ANN的特点是用神经元和它们之间的有向权重来隐含处理问题的知识并具有以下的优点：信息分布存储，有较强的容错能力；学习能力强，可以实现知识的自我组织，适应不同信息处理的要求；神经元之间的计算具有相对独立性，便于并行处理，执行速度较快。正是由于ANN 有极强的非线性拟合能力和自学习能力，且具有联想记忆、鲁棒性强等性能，使ANN 对于电力系统这个存在着大量非线性的复杂大系统来说有很大的应用潜力。目前，ANN 在无功电压自动控制中已得到较好的应用1318。文献17提出利用两级ANN进行系统无功电压控制。第一级ANN 用于检测系统中无功电压越限的节点，第二级ANN 给出校正策略。为了加速样本训练收敛速度，文中还提出一种加速BP 算法。对一个34 节点50 条支路的简化系统进行测试表明，结果是令人满意的。文献17用ANN 中的Hopfield连续模型求解无功电源最优分布和经济调度，并用算例作了验证。文1316将ANN用于变电站电压自动控制，也取得了不错的效果。文献13和文献15构造前馈神经网络用于电压无功控制的决策，该神经网络的输入包括通过主变压器的有功、无功，高压侧和低压侧的实时电压等，输出包括并联电容器开关状态和主变压器分接头位置，训练样本为电站监控系统中与之相关的历史数据。该方法已在电站中实际应用，应用结果表明能够较好地实现电压和功率因数的控制，并减少了电容器和主变压器分接头的调节次数。文献16除了ANN 用于电压无功控制决策外，考虑到变电站无功负荷不象有功负荷那样稳定，还将ANN 用于无功负荷预测，提出了一种基于ANN 的无功预测和优化策略相结合的变电站电压无功综合自动控制方案。预测ANN 输入为前三周的无功负荷，输出为预测的无功负荷。文中的仿真结果与基于常规方法的现场控制结果相比，优越性非常明显。目前，ANN的应用仍然存在着一些问题，如学习算法速度一般比较慢，训练时间较长，而且不易收敛或可能收敛到局部极小点等。一些研究人员致力于改进学习算法，使其收敛性能大为改善。但是，ANN的一些固有缺陷仍没有完全弥补，例如，ANN模型的建立缺乏充分的理论指导，当系统结构发生变化时需要增加新的样本重新学习等。此外，ANN的工作过程是一个黑箱，因此尽管ANN具有一定的容错能力，但不能提供相关信息帮助运行人员推断不正常的数据，也不利于理解其输出结果。如何利用ANN的优点并克服其缺点，达到更好的效果，是ANN应用的重要研究方向之一。总之，ANN在电力系统无功电压控制域的应用研究还处于初步阶段，有很多具有特色的人工神经网络模型与算法还没有得到很好的利用。随着对ANN理论研究的进一步深入，其在无功电压控制领域将会有更为广阔的应用前景。3 模糊理论在无功电压控制中的应用模糊理论(FT)是将经典集合理论模糊化，并引入语言变量和近似推理的模糊逻辑，具有完整推理体系的智能技术。模糊控制是模拟人的模糊推理和决策过程的一种实用控制方法，它根据已知的控制规则和数据，由模糊输入量推导出模糊控制输出主要包括模糊化、模糊推理与模糊判决三部分。随着模糊理论的发展和完善，模糊控制的一些优点得到了广泛的肯定，如：适于处理不确定性、不精确性以及噪声带来的问题；模糊知识使用语言变量来表述专家的经验，更接近人的表达方式，易于实现知识的抽取和表达；具有较强的鲁棒性，被控对象参数的变化对模糊控制的影响不明显等。近年来，模糊理论在电力系统应用的研究不断增加，并取得了令人鼓舞的研究成果，显示了模糊理论在解决电力系统问题上的潜力。电力系统电压无功控制受电力系统时变性、运行条件和网络参数经常变化等特点以及许多条件下无功负荷不能精确给定的影响，很难建立精确的数学模型，在这种情况下，模糊理论被引入电压无功控制的研究。目前模糊技术在无功规划方面有很多很好的应用19，在系统电压无功控制方面也有不少相关的研究报告2029。文献20和文献21考虑到在电力系统实际运行中电压和无功限制并不是一成不变的，容许少量的越限这一情况，将电压限值模糊化，提出一种模糊线性规划方法，目标是确定维持电压所需增加的最少无功功率。算例表明该方法比通常的线性规划方法更具实用性。文献27根据对故障点控制强的那些节点组成一个无功电压局部控制域的要求，考虑到控制强与弱本身具有一定的模糊性，提出了一种用隶属度来表征控制强弱，用模糊数学聚类分析法进行紧急状态下无功电压局部控制分域的方法。在变电站电压控制方面，文献28提出了一种用于综合控制并联电容器投切和有载调压变压器分接头切换的模糊控制算法，给出了模糊化、模糊推理和模糊判决的具体实现方法。与传统控制算法比较表明，该算法计算量小，便于用单片机实现实时控制，不但能有效维持电压在一定范围内，且有利于迅速恢复故障系统电压稳定，提高系统的同步稳定性。为了解决系统无功优化控制问题，文献26将无功损耗最小、 提高电压质量、减少控制次数等多个目标加以平衡，把这些目标和电压等状态变量的限制模糊化，提出了模糊多目标优化控制方法。在实际地区电网模型中采集实时数据进行数字测试证明了该方法的有效性和灵活性。文献29则采用线性规划结合模糊数学的寻优原理综合处理方法，给出了无功优化问题的线性规划及有关各目标函数的最优隶属函数，从而得出了多目标问题令人满意的结果。模糊技术存在着自学习能力等问题，为了克服这些不足，目前有许多研究将模糊理论与其它人工智能技术结合起来，取得了较好的效果。文献22考虑无功负荷不能精确确定的情况，将模糊理论与ANN、专家系统结合实现无功优化控制。文中应用模糊神经网络确定各控制变量的隶属度，神经网络的输入为模糊化的无功负荷，输出为模糊化的控制变量，然后通过专家系统的启发式知识求取使控制变量调节量最小的控制方式，使该方法具有更好的实时性能。数字仿真结果证明该方法能够适用于在线的系统电压无功控制。应用模糊技术进行无功电压控制存在的主要问题有：信息简单的模糊处理将导致系统的控制精度降低，若要提高精度则必然增加量化级数，从而导致规则搜索范围扩大，降低决策速度；缺乏系统的设计方法，难以定义精确的控制目标；控制规则的选择、论域的选择、模糊集的定义、量化因子的选取等多采用试凑法，这对复杂系统有时是难以奏效的。将模糊技术与专家系统、神经网络、遗传算法以及传统控制方法融合，可以增强处理不确定性问题的能力，在一定程度上解决单纯模糊控制存在的问题，这是近年来的研究热点之一,也给模糊理论应用于电力系统电压无功控制带来了新的活力。随着对模糊控制理论研究的进一步深入，相关的研究成果会逐步走向实用。此外，模糊系统的结构辨识还未形成完善的理论，如何在无功电压控制中选择适当的模糊系统结构也是值得研究的课题，目前较好的方法是将模糊控制与优化理论相结合。结合本文的论述可以看出，作为电力系统自动化的一个重要组成部分，电力系统无功电压控制具有电力系统控制所固有的复杂性、非线性、不精确性及实时性强等特性，其中有些方面难以用传统的数学模型和常规的控制方法来描述和实现。人工智能技术由于具有传统方法所不具备的智能特性，因而在无功电压控制中得到了广泛的关注，并取得了大量的研究成果。参考文献1师宝山.智能控制技术及其应用G.中国科学技术出版社，2006年8月2 吴捷，陈巍，等. 现代控制技术在电力系统中的应用(二)J. 中国电机工程学报，1998，18(6)3 T. Babaie, R. Karimizandi and C. Lucas，Learning based brain emotional intelligence as a new aspect for development of an alarm system，Soft Computing - A Fusion of Foundations, Methodologies and Applications, Volume 12, Number 9 / 2008年7月4 Mas Sahidayana Mohktar, F. Ibrahim and N. A Ismail，Expert System for Non-Invasive Classification of Total Cholesterol Level Using Bioelectrical Impedance，IFMBE Proceedings, 3rd Kuala Lumpur International Conference on Biomedical Engineering 20065 Le T L，Negnevitsky M et alExpert system application for voltage controland VAR compensationJEngineering Intelligent System，1995，3(2)6 Singh S P et alSensitivity based expert system for voltage control in powersystemJInternational Journal of Electric Power & Energy Systems，1995，17(6)7 Martinez J LA hybrid tool to assist the operator in reactive power/voltagecontrol optimizationJIEEE Transon Power Sys-tems，1995，10(2)8 Hsu Y Y，Ho K L et alVoltage control using a combined integer linearprogramming and rule-based approachJIEEE Transon Power Systems，1992，7(2)9 Keyhani A et alA rule based approach to construction of local networkmodel for decentralized voltage controlJ Electric Power SystemsResearch，1989，16(1)10 Salama M M A，Chikhani A YAn expert system for reactive powercontrol of a distribution systemsJIEEE Transon Power Deli-very，1992，7(2)11 王耀瑜，张伯明一种基于专家知识的电力系统电压无功控制分级分布式优化控制分区方法J中国电机工程学报，1998，18(3)12 孙淑信，李晖，等大型变电站电压和无功自动控制装置专家系统的研究C全国高校电自专业第十一届学术年会，199513 Volodymyr Turchenko， Computational Grid vs. Parallel Computer for Coarse-Grain Parallelization of Neural Networks Training，Lecture Notes in Computer Science, On the Move to Meaningful Internet Systems 2005: OTM Workshops14 A. V. Kalach ，Using artificial neural networks for prediction of organic acid partition coefficients，Russian Chemical Bulletin, Volume 55, Number 2 / 2006年2月15 杨争林，孙雅明. 基于ANN 的变电站电压和无功综合自动控制J电力系统自动化，1999，23(13)16 杜红卫，孙雅明，等. 智能型变电站电压无功综合自动控制装置C全国高校电自专业第十五届学术年会，199517 岑文辉，李国有，等应用人工神经网络进行无功电压控制J， 中国电机工程学报，1992，12(3)18 文福拴，韩祯祥人工神经元网络模型的无功电源最优分布及经济调度J中国电机工程学报，1992，12(3)19 Abdul-Rahman K HShahidehpour S MApplication of fuzzy sets tooptimal reactive power planning with security constraintsJIEEETranson Power Systems，199