智能技术在电力系统自动化中应用分析.docVIP

智能技术在电力系统自动化中应用分析 　　摘要：电力系统的自动化一直都是我国电力行业所追求的发展目标，目前智能技术在电力系统自动化中的应用主要包括：模糊控制、专家系统控制、神经网络控制、线性最优控制、综合智能系统控制等智能控制系统。这些控制系统使电力系统自动化更好地无人值班的生产模式，使电力系统的运转更加有效率，更加智能化。 　　关键词：电力系统；自动化；智能枝术；控制系统 　　中图分类号：F407.61 文献标识码：A 文章编号： 　　 　　前言 　　随着我国电力系统市场化的逐步深入，对电力行业的投资也越来越大，各种智能化设备和高科技技术的运用也越来越多。各个电力设备的连接复杂紧密，各个电力系统的自动化运行也互相联系和互相制约。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。智能技术的开发以及在电力系统自动化中的应用，必然会推动电力系统自动化的发展。整个电力系统自动化未来的发展趋势也会越来越依赖智能技术系统。 　　1、模糊控制 　　模糊理论(FT)是将语言变量和近似推理的模糊逻辑引入进来，具有完整推理体系的智能技术。模糊控制在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。这种智能技术在电力系统自动化控制中非常实用，它能够对人的模糊推理和决策过程进行有效的模拟。通过已经存在的控制规则和数据，模糊理论可以对模糊输入量进行推导，得到模糊控制输出，输出结果的组成部分是：模糊化、模糊推理与模糊判决。模糊理论在电力系统自动化控制中的应用越来越广泛，这种智能技术的优势在于对于那些具有不确定性、不精确性的问??能够进行有效的处理，也能够处理由于噪声而造成的问题；专家的经验通过模糊知识的语言变量进行表达，与人的表达方式更接近，知识的抽取和表达更加容易完成；鲁棒性强，提高了自学习能力和容错能力，如果电力系统出现问题或者改变了网络拓扑图和环境变量的设置等，那么通过模糊理论的应用，能够进行及时应对并且给出完全正确的解决方法。 　　2、专家系统控制 　　专家控制系统(ES)在电力系统中的应用发展比较早，应用较为广泛，技术相对比较成熟。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。同时，专家控制系统中还存在以下几点问题： 　　（1）当系统规模较大、规则较多时，完成推理的速度受到限制，然而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，而在实时控制方面的应用还处于起步阶段。 　　（2）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、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。 　　（3）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。 　　因此，对于以上几点问题，还是有必要对其进行研究和探索，同时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，才能准确完成校核。 　　3、神经网络控制 　　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。作为人工神经网络理论与控制理论相结合的产物，神经网络控制是智能控制的一个全新的分支，它在电力系统自动化中的应用也具有十分重要的意义。神经网络控制和最优线性控制不同，它具有非线性的特征，很强的处理能力。神经网络控制中的人工智能系统、数学系统、计算机科学理论以及自动控制系统，都能很好运用到电力系统中，比如，自动化设备管理中数据库的统计，分析和计算电力系统的总能耗和各个设备的能量消耗，以及根据数据自行分析设备的耗损情况。在电力系统自动化中，神经网络系统目前主要集中研究神经网络结构和模型、神经网络的硬件相关问题等。 　　4、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。在提高远