基于最小二乘支持向量机的电力系统混沌振荡控制_谭文.pdfVIP

第25 卷第3 期 湖南科技大学学报（自然科学版） Vol.25 No.3 2010 年 9 月 Journal of Hunan University of Science Technology （Natural Science Edition） Sept. 2010 基于最小二乘支持向量机的电力系统混沌振荡控制 谭文，李志攀，张敏 （湖南科技大学 信息与电气工程学院，湖南湘潭411201） 摘 要：电力系统在周期性负荷扰动的作用下会发生混沌振荡，甚至由此而失去稳定.为抑制这种情况下的混沌振荡对电力系统的 影响，利用支持向量机良好的非线性函数逼近和泛化能力，提出了最小二乘支持向量机（LS- SVM）的电力系统混沌振荡控制方法.运用 最小二乘支持向量机对电力系统的动力学特性进行学习，得到训练好的电力系统LS- SVM 模型，进而实现对电力系统混沌振荡的控制. 该方法不需要被控混沌系统的解析模型，数值仿真结果表明该方法的可行性. 关键词：混沌控制；最小二乘支持向量机；电力系统 中图分类号：TM712 ；O231.2 文献标识码：A 文章编号：1672- 9102（2010）03- 0059- 04 混沌是非线性系统所表现出来的一种无规则且 来机器学习领域最有影响的成果之一，在训练过程中 不完全随机的运动形式，普遍存在于自然界及社会科 能够根据学习样本自动确定结构参数，无过拟合现 [1- 3] 象，通过求解一个线性约束的二次规划问题可以得到 学各领域 . 目前，混沌控制和同步方法的研究已经引起了国 全局最优解. 无疑，SVM 有效弥补了神经网络的不足. [4- 6] 虽然关于SVM 用于电力系统的辨识与预测有过报道 内外学术界的广泛关注 ，诸如反馈控制、逆系统方 法控制、模糊观测器控制、滑模控制、自适应控制、鲁 [10]，但利用SVM 实现电力系统混沌控制还鲜见.运用最 棒控制、无源化控制、神经网络控制、同步控制等方法 小二乘支持向量机（LS- SVM）对简单电力系统的动力 [7- 9] 学特性进行学习，得到训练好的电力系统LS- SVM 模 相继被推广到电力系统的混沌控制中 .其中文献[7] 利用延时反馈控制方法消除了电力系统混沌振荡；文 型，然后对其中的混沌振荡进行控制.该方法无需了解 献[8]利用逆系统方法研究了电力系统的混沌控制；文 被控对象的解析模型，便可以对其实行有效控制. 献[9]采用神经网络实现了电力系统的混沌现象控制. 1 简单电力系统在周期性负荷扰动下 虽然通过训练神经网络可以得到较为准确的电力系 统动力学模型，进而对其混沌振荡进行控制.但由于神 的动力学行为 经网络存在过拟合、易陷入局部极小点以及网络结构 1.1 简单电力系统在周期性负荷扰动下的数学学模型 的选择过分依赖设计者的经验，这些因素直接影响了 简单电力互联系统的接线如图1 所示. 电力系统混沌控制的可靠性与精度. 如何克服神经网 络固有缺陷，将其应用于电力系统混沌控制仍是未获 解的难题.因此，寻求更为有效的方法以消除电力系统 的混沌振荡是非常必要的. 支持向量机（support vector machines，SVM）是近年 收稿日期：2010- 05- 20 基金项目：湖南省自然科学基金资助项目（09JJ3117）；湖南省高校青年骨干教师培养对象资助项目；湖南省优秀博士论文资助项目；湖南科技大 学研究生创新基金资助项目（S080107） 通信作者：谭文（1968-），男，湖南益阳人，博士，教授，主要