復(fù)雜不確定系統(tǒng)智能協(xié)調(diào)控制：配電網(wǎng)安全控制

前言

第1章 緒論

1．1 復(fù)雜不確定系統(tǒng)智能協(xié)調(diào)控制的背景及意義

1．2 配電網(wǎng)安全控制的背景

1．3 配電網(wǎng)安全性、穩(wěn)定性與系統(tǒng)脆弱性間的關(guān)系

1．4 電網(wǎng)安全控制的研究現(xiàn)狀

1．5 本書主要內(nèi)容

參考文獻(xiàn)

第2章 智能協(xié)調(diào)控制的理論基礎(chǔ)

2．1 多Agent系統(tǒng)

2．2 多Agent系統(tǒng)強(qiáng)化學(xué)習(xí)

2．3 蟻群算法

2．4 BP神經(jīng)網(wǎng)絡(luò)

2．5 粒子群算法

參考文獻(xiàn)

第3章 電網(wǎng)脆弱性預(yù)警指標(biāo)

3．1 引言

3．2 電網(wǎng)脆弱性及其影響因素

3．3 電網(wǎng)安全性預(yù)警指標(biāo)

3．4 各指標(biāo)的優(yōu)缺點(diǎn)及適用范圍

參考文獻(xiàn)

第4章 基于電壓穩(wěn)定的配電網(wǎng)脆弱性指標(biāo)推導(dǎo)

4．1 引言

4．2 電壓穩(wěn)定概述

4．3 電網(wǎng)電壓穩(wěn)定評(píng)估指標(biāo)L

4．4 指標(biāo)求取模型

4．5 算例分析

參考文獻(xiàn)

第5章 基于量子多Agent的配電網(wǎng)脆弱性評(píng)估

5．1 引言

5．2 基于量子理論的多Agent系統(tǒng)強(qiáng)化學(xué)習(xí)

5．3 基于QMAS的配電網(wǎng)脆弱性分析系統(tǒng)的設(shè)計(jì)

5．4 初級(jí)脆弱性評(píng)估功能的實(shí)現(xiàn)

5．5 配電網(wǎng)綜合脆弱性評(píng)估功能的實(shí)現(xiàn)

參考文獻(xiàn)

第6章 基于母線間脆弱信息協(xié)調(diào)的配電網(wǎng)低電壓風(fēng)險(xiǎn)評(píng)估

6．1 引言

6．2 孤立母線低電壓風(fēng)險(xiǎn)分析

6．3 母線間脆弱性相互影響關(guān)系的定量計(jì)算

6．4 配電網(wǎng)低電壓脆弱性綜合指標(biāo)

6．5 算例分析

參考文獻(xiàn)

第7章 基于方向協(xié)調(diào)蟻群算法及其在配電網(wǎng)重構(gòu)中的應(yīng)用

7．1 引言

7．2 基于方向性信息素的改進(jìn)蟻群算法

7．3 方向協(xié)調(diào)蟻群算法在配電網(wǎng)重構(gòu)中的應(yīng)用

參考文獻(xiàn)

第8章 機(jī)組檢修計(jì)劃模型的優(yōu)化與求解

8．1 引言

8．2 機(jī)組檢修計(jì)劃優(yōu)化模型建立

8．3 基于改進(jìn)蟻群算法機(jī)組檢修計(jì)劃的求解

8．4 算例分析

參考文獻(xiàn)

《復(fù)雜不確定系統(tǒng)智能協(xié)調(diào)控制：配電網(wǎng)安全控制》系統(tǒng)闡述了復(fù)雜不確定系統(tǒng)的智能協(xié)調(diào)控制問(wèn)題，建立了適用于復(fù)雜不確定系統(tǒng)的智能協(xié)調(diào)控制機(jī)理模型，為復(fù)雜控制系統(tǒng)研究中的難點(diǎn)問(wèn)題提供了有效的解決措施。并且以配電網(wǎng)安全控制為例，將所研究的控制模型加以應(yīng)用?！稄?fù)雜不確定系統(tǒng)智能協(xié)調(diào)控制：配電網(wǎng)安全控制》理論豐富，內(nèi)容先進(jìn)，還有應(yīng)用實(shí)例，可為復(fù)雜不確定大系統(tǒng)的控制理論發(fā)展提供新的思路，為我國(guó)配電網(wǎng)安全控制分析提供新的理論依據(jù)。

協(xié)調(diào)控制系統(tǒng)的復(fù)雜性主要體現(xiàn)在以下兒個(gè)方面:

(1)多變量的強(qiáng)烈耀合。協(xié)調(diào)控制系統(tǒng)的壓力控制回路和負(fù)荷控制回路相互關(guān)聯(lián)，存在著強(qiáng)烈的摧合特性。這種特性還存在著一類病態(tài)的結(jié)構(gòu)，那就是汽輪機(jī)側(cè)具有快速響應(yīng)特性，而鍋爐側(cè)則具有相對(duì)較慢的響應(yīng)特性，由于這種特性，如果在系統(tǒng)動(dòng)態(tài)解藕時(shí)未充分考慮“量’一時(shí)間’的平衡關(guān)系.很容易造成能量的累積，從而使系統(tǒng)不穩(wěn)定。這給協(xié)調(diào)控制系統(tǒng)的解藕設(shè)計(jì)帶來(lái)了困難；

(2)多目標(biāo)相互關(guān)聯(lián)。在不同的任務(wù)約束情況下。協(xié)調(diào)控制系統(tǒng)需要滿足不同的優(yōu)化目標(biāo)。由于優(yōu)化目標(biāo)的相互關(guān)聯(lián)，在滿足某一優(yōu)化目標(biāo)時(shí)，需要充分考慮其它目標(biāo)的次優(yōu)化問(wèn)題。因此協(xié)調(diào)控制系統(tǒng)除了解決多變量解藕?jiǎn)栴}以外、還需在最優(yōu)目標(biāo)與次優(yōu)目標(biāo)之間協(xié)調(diào)、平衡。

(3)機(jī)組動(dòng)態(tài)從本質(zhì)上說(shuō)是非線性的。由于機(jī)組存在著非線性特性，現(xiàn)有協(xié)調(diào)控制系統(tǒng)的分析與設(shè)計(jì)通常將其在某一工作點(diǎn)線性化，而忽略其高頻非線性。這種高頻非線性常常會(huì)被控制器激發(fā)而使調(diào)節(jié)過(guò)程振蕩，

(4)機(jī)組動(dòng)態(tài)是時(shí)變的。機(jī)組動(dòng)態(tài)特性是時(shí)變的、因此根據(jù)某一工作點(diǎn)下的線性化模型來(lái)設(shè)計(jì)的協(xié)調(diào)控制系統(tǒng)，未必能保證系統(tǒng)在其它工作點(diǎn)下的適應(yīng)性‘這實(shí)際上涉及到模型的自動(dòng)適應(yīng)性以及控制算法的魯棒性。

(5)系統(tǒng)存在著不確定干擾。系統(tǒng)存在的不確定干擾，例如燃煤的煤質(zhì)變化‘給煤量的擾動(dòng)等，使機(jī)爐協(xié)調(diào)控制系統(tǒng)存在著較大的不確定因素，在設(shè)計(jì)協(xié)調(diào)控制系統(tǒng)時(shí)，需要考慮系統(tǒng)的抗干擾性能。

(6)能量平衡指標(biāo)‘熱經(jīng)濟(jì)指標(biāo)難以直接、準(zhǔn)確、實(shí)時(shí)地得到。如果能量平衡指標(biāo)的準(zhǔn)確性、適應(yīng)性和實(shí)時(shí)性能夠得到充分的保證，那么能量平衡方法就是設(shè)計(jì)協(xié)調(diào)控制系統(tǒng)的一種較好的方法二一些熱經(jīng)濟(jì)指標(biāo)也是很重要的，例如煤質(zhì)/發(fā)熱量校正系數(shù)，如果能保證指標(biāo)的有效性，將會(huì)大大提高協(xié)調(diào)控制系統(tǒng)抗煤質(zhì)擾動(dòng)的能力。

(7)鍋爐側(cè)存在著很大的純時(shí)延:鍋爐側(cè)的大時(shí)延實(shí)際上反映了管道純遲延以及大慣性產(chǎn)生的相對(duì)遲延，常規(guī)的FLD控制器很難解決這個(gè)問(wèn)題，尤其是PID控制器的積分作用常使系統(tǒng)過(guò)調(diào)而積聚能量、使系統(tǒng)產(chǎn)生振蕩。工程上最常見(jiàn)的前饋算法是為了解決在一類可測(cè)擾動(dòng)下控制系統(tǒng)的品質(zhì)問(wèn)題。即使擾動(dòng)是可測(cè)的.通常也較難以掌握前饋的“量”以及“時(shí)間”問(wèn)題。

(8)運(yùn)行的安全性要求二協(xié)調(diào)控制系統(tǒng)在滿足某一特定任務(wù)約束的前提下、還需保證一切變量不超限、包括被控量、狀態(tài)量和控制量。系統(tǒng)還需處理諸如RUNBACK, RUNDOWN等與機(jī)組安全運(yùn)行相關(guān)的實(shí)際問(wèn)題，

由于工業(yè)過(guò)程控制中存在著高頻非線性、不確定干擾、大純時(shí)延等特性，而且這些特性往往具有不能良好建模的問(wèn)題，因此，純粹意義上基于狀態(tài)空間模型的控制算法的實(shí)現(xiàn)總存在著理論意義上的魯棒性和實(shí)踐意義上的魯棒性的差距。按照觀點(diǎn)，智能控制是控制、運(yùn)籌和人工智能的有機(jī)結(jié)合?？紤]到系統(tǒng)的復(fù)雜性，純粹采用不考慮系統(tǒng)機(jī)理模型以及卷積模型的算法(例如模糊算法，神經(jīng)網(wǎng)絡(luò)算法)總存在調(diào)整參數(shù)過(guò)多，人為因素太重等問(wèn)題。智能化的協(xié)調(diào)機(jī)制實(shí)際上需要解決的是系統(tǒng)動(dòng)態(tài)性能和魯棒性能的平衡與協(xié)調(diào)關(guān)系。也就是說(shuō)，它是在多變量控制的基礎(chǔ)上尋求一個(gè)多目標(biāo)的優(yōu)化問(wèn)題，而這個(gè)多目標(biāo)優(yōu)化機(jī)制是以協(xié)調(diào)控制系統(tǒng)的任務(wù)約束為激勵(lì)的。

這種智能化機(jī)制的主要內(nèi)容包括:任務(wù)約束轉(zhuǎn)換，’‘方’、“胖”、’‘瘦"3種結(jié)構(gòu)的有機(jī)轉(zhuǎn)換，數(shù)學(xué)模型的靜態(tài)和動(dòng)態(tài)適應(yīng).被控制變量超限的快速返回等。任務(wù)約束的轉(zhuǎn)換是將一些“實(shí)”的目標(biāo)轉(zhuǎn)換成一些一虛“的控制目標(biāo)，這種轉(zhuǎn)換過(guò)程需要相應(yīng)的數(shù)學(xué)模型支持，實(shí)際L，它是在數(shù)學(xué)模型以及當(dāng)前運(yùn)行工況的基礎(chǔ)上，得到一種協(xié)調(diào)控制系統(tǒng)內(nèi)部運(yùn)行的方式。它體現(xiàn)了一方”1’·胖一、”瘦03種結(jié)構(gòu)的有機(jī)轉(zhuǎn)換和有機(jī)協(xié)調(diào)。當(dāng)系統(tǒng)在這3種結(jié)構(gòu)之間轉(zhuǎn)換時(shí)，系統(tǒng)結(jié)構(gòu)變?yōu)榉蔷€性、可能出現(xiàn)不穩(wěn)定。這種多變量協(xié)調(diào)策略實(shí)際上是在約束限制內(nèi)的實(shí)時(shí)優(yōu)化策略。數(shù)學(xué)模型的靜態(tài)和動(dòng)態(tài)適應(yīng)是為了在模型的精確性意義上提高算法的魯棒性:靜態(tài)適應(yīng)是為了體現(xiàn)靜態(tài)增益的平衡，因此可以通過(guò)在穩(wěn)態(tài)時(shí)求取抿合變量的相對(duì)增益來(lái)得到。動(dòng)態(tài)適應(yīng)的方法可選用濾波器以及最小方差估計(jì)法而得到模型之間的幅值和相位的偏差。被控變量的快速返回可研究動(dòng)態(tài)微分的作用?？紤]到數(shù)學(xué)模型的非精確描述，協(xié)調(diào)這個(gè)概念成為一個(gè)模糊的概念。本文研究的算法是在多變量控制的基礎(chǔ)上、尋求一種模糊的實(shí)時(shí)優(yōu)化策略問(wèn)題。

該方法應(yīng)用于協(xié)調(diào)系統(tǒng)中，主要基于以下幾種觀點(diǎn):

(1)主要參數(shù)的變化趨勢(shì)實(shí)際上反映了機(jī)組輸入/輸出能量平衡的動(dòng)態(tài)過(guò)程:

(2)對(duì)于鍋爐對(duì)象，由于其具有強(qiáng)烈的時(shí)間遲延和較大的慣性，因此施加作用強(qiáng)烈的階躍作用往往比施加較慢的積分作用效果明顯.因?yàn)榉e分作用無(wú)法判斷誤差的方向，如果掌握不好，容易造成鍋爐側(cè)能量的累積，而導(dǎo)致系統(tǒng)的過(guò)調(diào);

(3)基于規(guī)則的智能控制方法應(yīng)用于前饋控制中，著力反映系統(tǒng)的動(dòng)態(tài)過(guò)程。而系統(tǒng)的穩(wěn)態(tài)偏差山并聯(lián)的PID控制器解決;

(4)基于規(guī)則的智能控制方法對(duì)于克服協(xié)調(diào)控制系統(tǒng)中存在的強(qiáng)烈的不確定干擾以及未建模動(dòng)態(tài)具有顯著的效果。