探究电力系统自动化中智能技术运用

摘要：分析了模糊控制、专家系统控制、线性最优控制、神经网络控制、综合智能控制等典型智能控制技术在电力系统自动化中的运用和影响。
关键词：电力系统；自动化；智能枝术；应用

0 引言
电力系统是一个巨维数的典型动态大系统，它具有强非线性和时变性，同时其参数亦不确切可知，且包含有大量末建模动态部分。由于电力系统地域分布较为广阔，大多数元件显示出磁滞、延迟、饱和等复杂的物理特征，因此要对这样的系统进行有效控制必将面临较大的困难。实际生活中，随着新建高压线路的日益增加、电力网的不断扩大以及线路造价尤其是走廊使用权的费用逐渐趋于昂贵等，人们开始对电力系统的控制提出了新的要求。同时也正是由于电力系统中存在以上的问题，先进的控制手段才能源源不断地引入到电力系统当中。下面笔者对模糊控制、专家系统控制、线性最优控制、神经网络控制、综合智能控制等 5 种典型智能技术在电力系统中的运用进行了回顾。

1 模糊控制

模糊控制法是一种简单而又易于掌握的控制方法。其原理是模糊化处理经典的集成理论，将模糊逻辑中的语言变量与近似推理引入其中，形成整体性综合智能推理体系。1974 年英国学者 Mamdani 首次将模糊理论应用于工业控制，经过近 30 年的研究，模糊控制在理论、方法和应用上都取得了重大成就。因此，在家用电器中也体现出了其独特的优越性。现代工业中采用的方法具有复杂性、不确定性，系统结构和参数的高维、时变、高度非线性以及系统内部的位置和不确定因素导致了模糊控制系统产生的必然性。模糊控制并不需要对象精确地数学模型，其鲁棒性强，适用于非线性、质变、大滞后系统控制。只要具备相关的控制经验和知识，根据专家经验或者熟练工人的经验便可建立控制对象的模糊模型。行业内为了有效实现对电力系统短期负荷进行高效预测，于是编制了众多计算机控制程序，然而实践证明，编制再完备的程序也不能与调度员自身的主体估计相比较。调度员对这种短期负荷的预测估计采用参考日的相关技术标准，这一条件与待测日较为接近。检测设正确的日子是星期三，那么上星期三可作为其中一个参考日。这样一来，我们可以对负荷曲线中的关键点进行积累以此进行负荷估计，根据参考日曲线将这些估计值相连接，于是便构建了当日的负荷
模型。与其他的非线性建模方法相比而言，模糊系统更能逼近精度与复杂性的平衡。目前，已经对模糊系统和模糊控制器进行了充分地研究，证明了它的万能逼近性。虽然在实际操作中，模糊控制系统还存在许多先天不严谨性、不确定性和其他局限性，这是模糊控制不成熟的表现，但模糊控制在处理面向任务的问题时比传统的处理更为有效。模糊控制的整个过程都是“定义”而来的，它的每一种“定义”都有其特点和优势，但是也有很大的差异和随意性，不同的“定义”会带来不一样的结果，这使得一般性的理论分析很难进展下去。这就需要我们深入分析模糊系统的结构特性、逼近最大精度，从而建立一套完整的控制体系，使人们在应用中做到心中有数。同时也应注意模糊控制和非模糊控制的互相借鉴，相互结合，以达到共同进步，为电力控制系统的完善而埋下伏笔。

2 专家系统控制

专家系统控制在电力系统中的应用发展较早，应用较为广泛，技术相对来说也比较成熟
。该系统控制对电力系统是处于警告状态下还是紧急状态下进行辨识，并提出紧急处理方法，
以全面恢复系统控制。它由状态转换分析、系统规划、切负荷、故障点的隔离、调度员培训、电压无功控制、电力系统的短期负荷预报、配电系统自动化、静态与动态安全分析以及先进的人机接口等多个方面组成。但是该方式缺乏科学的启发推理性能，且无法同步实现知识的积累。同时专家控制系统中还存在诸多问题，如难以模仿专家们的创造性思路；又如采用了浅层知识但缺乏功能理解的深层适应；再者缺乏正规有效的专业学习机构，导致其对付新情况的能力降低、知识库的验证产生一定的困难，面临复杂问题缺少良好的分析思路和方法等。因此，我们必须将专家控制系统与模糊控制系统或者其他智能系统相互融合，在保证较长周期的运行的同时，也能准确完成校核。

3 线性最优控制

最优控制是现代控制理论的一个主要组成部分，也是将最优化理论用于控制问题的一种体现。线性最优控制是目前诸多现代控制理论中应用最多、最成熟的一个分支。卢强等人提出了利用最优励磁控制手段提高远距离输电线路输电能力和改善动态品质的问题，取得了一系列重要的研究成果。该研究指出，在大型机组方面应直接利用最优励磁控制方式代替古典励磁方式。另外，最优控制理论在水轮发电机制动电阻的最优时间控制方面也获得了成功的应用。电力系统线性最优控制器目前已在电力生产中获得了广泛的应用，并发挥着重要的作用。但应当指出，由于这种控制器是针对电力系统的局部线性化模型来设计的，因此在强非线性的电力系统中对大干扰的控制效果并不理想。

4 神经网络控制

从1943年人工神经网络出现至今，神经网络控制已经历了六七十年的研究，从发展的低潮期延伸到现在，已经在模型结构的构造、学习算法的改进等方面取得了丰硕的成果。神经网络之所以受到人们的普遍关注，是由于它具有本质的非线性特征、强鲁棒性、并行处理能力以及自组织自学习的能力。神经网络用于对相关信息的传递和处理进行综合模拟，利用人工方式对最简单的神经元进行大量仿制，以一定规范的方式连接组成。这种类似智能的方案在电力系统自动化控制中的合理应用，能达到使各类优势信息实现分布存储的效果，因而具有较强的综合容错能力和学习能力，可以科学实现对各类优势知识的自动化组织，并适应用户对信息处理的不同需求。目前神经网络理论研究主要集中在神经网络学习算法的研究、神经网络模型的研究、神经网络结构的研究、神经网络的硬件实现的研究等方面。

5 综合智能系统

综合智能控制包含了两方面的控制方法。一方面是现代控制方法与智能控制相结合，比如模糊结构控制、自适应或自组织模糊控制、自适应神经网络控制、神经网络变结构控制等。另一方面是各种智能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，综合智能控制更具有强大的应用潜力。如今，电力系统中深入研究颇多的是神经网络、模糊控制与自适应控制的结合，神经网络与专家系统的结合，神经网络与模糊控

摘自：学术论文格式www.udooo.com

制的结合，专家系统与模糊控制的结合等方面。神经网络控制比较适合处理非结构化的各种信息，而模糊系统对处理结构化的知识存在优势，因此模糊逻辑和人工神经网络相结合，便具有良好的技术基础和发展前景。这两种技术从不同角度怎么写作智能系统，人工神经网络主要应用于低层的计算方法上，模糊逻辑则用于处理非统计性中出现的不确定性问题，是高层次（语义层或语言层）的推理；神经网络把感知器送来的大量数据进行安排和解释，模糊逻辑则相应地提供应用和挖掘潜力的框架，这两种技术在某种程度上正好起互补作用。
6 结语
各类智能化、创新方式在电力控制系统中的应用，大大提高了电力供应的质量和效率。智能技术的广泛应用必将推动整个电力系统的自动化的进程。随着人们对各种智能控制的深入研究，电力系统智能化方案的完善指日可待。我们深信，这将为人类电力系统的应用带来更多的成果。