kongzhikexue.docVIP

1 2 3模糊控制 自1965年美国教授LAZadeh开创了模糊集合论与1974年Mamdini成功的将模糊理论运用于锅炉与汽轮机控制后，1978年在国际上开始发行Fuzzy Sets and Systems专业杂志. 1984年IFSA成以（Intemation Fuzzy Systems Assocition），随后，模糊理论在二十世纪八十年代后得到了飞速的发展。模糊控制在控制方法上应用了模糊数学，它的主要思想就足把得到的精确量模糊化，然后根据语言控制规则进行模糊推理判决．在将其转化为精确量进行输出，因此一个简单模糊控制系统最起码包括三个环节：输入量模糊化、模糊推理、输出量精确化（如H 1-2）。 模糊化处理主要处理输入量与控制系统输出量的差值，把此差值经过量化网子映射到相应的论域范围内。之后会得到一个适当的语言值。模糊推理是模糊控制的核心，它包括两个部分知阻库（由数据库与规则库组成）、推理机。数据库一般由隶属度函数构成，规则库一般存放模糊规则，一般采用“IF…THEN…”主要是用语言变量模拟人的思维。当隶属度函数与模糊规则确定时候，根据输入量就可以进行模糊推理，模糊推理包括Zade1推理、Mamdani推理分析等，常用Mamdani推理。反模糊化主要是将模糊推理得到的模糊量精确化，解模糊的过程中常用的方法有重心法、最大值法、中心平均法，常用的一般是重心法。 图1-2模糊控制器基本结构 近年来，模糊控制在电力系统的应用是非常迅速的，包括电压与无功控制、继电保护、故障辨识、励磁控制、自动发电控制等，可模糊控制在发展过程 充满了争议，如众多学者发现模糊控制在稳态精度上控制并不高，我国学者于1996年李洪兴教授证明了常规模糊控制器是一种插值器，并由此发州了变论域模糊控制器，此控制器很好的缩小了常规模糊控制器中的稳态精度误差，它的主要思想是在规则不变的前提下，论域随着误筹的变小而收缩。由此带给了研究若另外一个思路，优化常规模糊控制器不但可以从模糊控制规则入于，也可以从论域入手。本文正是从后者出发，对变论域模糊控制器做了进一步改进，这将是本文讨论的一个重点。 1 .2. 4遗传算法 遗传算法是由美国教授JolmH. Holland教授于 1975年提出，是一类借鉴生物界自然选择与自然遗传的具有广泛适用性的随机的搜索算法。主要包括以下几个步骤： 基因编码：用二进制将待优化参数编码0或l组成的基冈码链，每个码链代表一个个体。 (2)生成初始种群：随机的一定数量的个体组成了种群，其个体数目称为群体规模，群体规模也是遗传算法的一个控制参数，它的选取对遗传算法的性能有很大的影响。而遗传算法就是从这些群体出发，进行优化，得出优秀的群体个体。 (3)适应度函数：为了执行自然者“适者生存，不适者被淘汰”原则，遗传算法必须对每个个体适应性进行评价。根据适应度函数对每个个体的适应评价，为进化提供了依据。适应度函数可以根据设计者的目标函数转化而来。 (4)复制：根据适应度函数对每个个体给出的评价，按照一定的原则，复制父代中优秀的基冈，且遗传给下一代，而那些适应值差的个体则很有可能被淘汰，即适应于生存环境的优良个体将有更多繁殖后代的机会，从而使优良特性得以遗传。复制是遗传算法的关键，它不断改善着群体，引领着群体向最优方向前进。 (5)交叉：对于复制下来的个体，按照一定的原则，随机选取形成新的个体，因此，交叉是产生新的个体主要手段。交叉推动了向最优解的靠近，体现了生物界的信息交换。 (6)变异：变异主要是模拟白然界的基因突变，通过取反某些个体染色休的基因形成新的个体，它可以通过复制来引导变异的进行，以致它更能跟最优解接近，这样做的目的可以避免复制与交叉中引起某些信息丢失，保证了算法的有效性。 (7)循环迭代：对新产生的个体进行新的评价、复制、交叉等操作，循环反复， 保证了个体的适应度值不断提高。其操作流程可以参照图1-3。 遗传算法在电力系统应用的领域土要包括：无功优化、发电规划、故障诊断、停电恢复等领域。学者也在研究中发现，遗传算法容易产生早熟、局部收敛，于是很多专家学者对遗传算法做出了改进，如在文献[61]对遗传算法的选择、交哭、变异算子进行了改进，采用自适应罚网子，提高了收敛速度。对IEEE6节点系统进行了无功优化，证明了该方法的有效性与实用性。文献[62]针对遗传算法的早熟和稳定性问题，作者设计了与进化代数相关的改进灾变算子，为了兼顾算法的全局性能和收敛速度，设计了与进化代数相关的交差概率和与个体适应度相关的变异概率。并把改进后的遗传算法用于IEEE14节点和IEEE30节点无功优化算例。结果表明，该改进算法具有良好的全局性能和收敛速度，适合求解电力系统的无功优化问题。 1 2 5粒子群算法