电力系统智能控制_汤健

电力系统智能控制

汤　健

(佛山供电分公司)

摘　要　电力系统是由发电设备、变压器、输配电线路和用电设备等很多单元组成的复杂的非线性动态系统。人工智能技术应用于求解电力系统中的非线性问题,与传统方法相比有不可替代的优势。

关键词　电力系统;人工智能;

1　前言

智能控制[1]的概念主要是针对控制对象及其环境、目标和任务的不确定性和复杂性而提出来的。一方面,由于实现大规模复杂系统控制的要求,另一方面也是由于现代计算机技术、人工智能和微电子学等学科的高速发展,使控制的技术工具发生了革命性的变化。智能控制就是将人工智能与控制理论结合起来,完成一定的控制功能。主要是应用专家系统、模糊逻辑及神经网络理论来实现自学习或自组织控制。因而,实现智能控制有三条较有效的途径,即基于专家系统的专家控制、基于模糊集合理论的模糊控制、基于人工神经网络的神经控制。

专家系统是一个具有大量专门知识的智能程序,它应用人工智能技术,根据一个或多个人类专家提供的特殊领域知识进行推理,模拟人类专家作出决定的过程。专家系统的工作方式是运用专家知识进行推理,它由知识获取、知识库、推理机、解释部分等部分组成。其中知识库用来存贮专家的经验、知识以及现有该领域的知识,其是否完善决定了该专家系统性能。模糊控制是从行为上模拟人的模糊推理和决策过程的一种实用控制方法,它适于解决因过程本身的不确定性、不精确性以及噪声而带来的困难。它的控制形式简单,易于实现,其控制效果取决于能否将控制经验归纳为一系列的语言控制规则。

汽轮发电机基础施工为例。该基础设计长41.6m,宽16.8m,基底标高-7.5m,机座顶标高-4.5m,基础顶标高13.66m,中间设运转层平台标高6.88m。

施工前,由项目部总工组织编写了系统、严密、有针对性的施工组织设计,作出质量验评项目划分,确定该工程的质量控制点:Ν钢筋机械连接;Ο大模板支设与加固;Π预埋件(管)、直埋螺栓固定;Θ混凝土浇注。作业前对各作业班组从施工工艺、质量标准及施工顺序等方面作了针对性的书面技术交底。

施工过程中主要从影响质量的五大因素主动控制工序活动条件的质量。择优录用以往有经验的施工队伍,要求熟悉图纸,必要的作出模型,合理组织,严格考核,辅以必要的激励机制。材料采购、进厂检验、抽样检验严格按我公司程序文件的有关要求执行,模板采用大竹模板,10c m×10c m木方加固,水泥采用矿渣P32.5水泥,以减小大体积混凝土浇注中的水化热。施工机械现场设1.5m3搅拌站一座,配合一台汽车泵、两台80拖式泵、五辆运输混凝土罐车,保证大体积混凝土连续浇注;钢筋采用直罗纹机械连接,料场设两台套丝机加工,埋件采用整钢板现场下料制作。施工方法要求严格执行本施工组织设计,包括大模板的支设加固、埋件打孔用螺栓与模板固定、直埋螺栓(套管)的固定方案、预留空(洞)的固定,钢筋的绑扎、混凝土的浇注方法等。施工环境方面控制主要采用预测预防,提前了解气象变化情况,作好必要的紧急应对措施,保持现场良好的通风、照明及安全卫生防护设施。在每道工序施工中,加强质量检验工作,必要时采用数理统计方法进行统计分析,及时掌握质量动态。从钢筋套扣到连接绑扎,每道工序检查合格后进行下道工序。工序施工中跟踪检查,若下道工序施工完不易验收上道工序则及时请监理工程师、甲方负责人进行中间验收或隐蔽验收,对埋件、孔洞、预埋管、直埋螺栓全数检查验收,作好了记录,混凝土浇注中旁站检查,发现问题或隐患及时纠正。

内蒙古上都发电厂2×600MW机组2#机汽轮发电机基础工程施工,通过对工序质量事前的把关及过程中的监督检查,基础拆模后混凝土质量内实外光,经复测埋件(管)、螺栓的轴线、标高及相对位置均在标准范围内。目前,该基础正在顺利地进行设备安装。

收稿日期:2005年6月28日

72

　2005年第7期 内蒙古石油化工

模糊控制的最大优点是不依赖于被控对象的精确数学模型,并且能够克服非线性因素的影响,对调节对象的参数不敏感,即具有强的鲁棒性。

神经网络是由大量简单的神经元以一定的方式连接而成的。单个神经元的作用是实现输入到输出的一个非线性函数关系,它们之间广泛的连接组合就使得整个神经网络具有了复杂的非线性特性。神经网络将大量的信息隐含在其连接权值上,根据一定的学习算法调节权值,使神经网络实现从m维空间到n维空间复杂的非线性映射。神经元控制器具有结构简单,自学习、自组织能力强,可以调和动态和稳态性能之间的矛盾,对对象模型精度要求不高以及抗干扰能力强。基于神经网络控制方案是一种非线性优化调节过程,无须系统的精确建模,鲁棒性强,能够在模型参数变化下具有高稳态精度,其快速性可达到极限状态。

无论何种形式,都是用解决非线性因素及参数变化的影响,从而满足高速、高精度定位和跟踪的要求。但是,每一种先进的智能控制技术都并非十分完美,各自有着自身的长处与不足,它们虽然能在某些方面某种程度上提高系统的性能,但往往会在系统设计或实现过程中又存在一些难以解决的问题。如何综合这些智能控制技术,使之能够体现出各自的优势而尽量避免各自的不足,目前已成为研究人员所关注的问题。

2　智能控制在电力系统中的应用[2-4]

电力系统中分布着大量的自动控制和手动控制装置,如继电器、断路器、隔离开关等。由这些相对简单的局部控制的协同作用构成整个电力系统复杂的实时控制。

2.1　继电保护

电力系统继电保护的运行问题一直没有得到很好的解决,主要表现在:后备保护整定时间过长;固定的保护定值无法适应系统的动态变化;保护的故障检测手段有限;故障判断和定位困难。专家系统在继电保护领域中应用已经有一段时间,但由于继电保护对时间的严格要求,使其应用受到了限制现有成果主要局限在那些对时间要求不太严格的场所,例如,继电保护整定、协调、高阻接地故障探测、故障定位、故障诊断等。

人工神经网络在继保领域的研究工作仅在电力系统故障诊断方面有一些应用,目前的趋势是将专家系统与人工神经元网络结合起来,充分利用专家系统的推理能力和人工神经元网络的学习功能,建造神经网络专家系统。[5]

神经网络专家系统较适合解决空间分布的、需要并行协作的、具有不确定性的问题,可以作为快速、可靠的分布问题的求解单元。在继电保护领域,保护的智能化、不同分区的保护之间的配合、同一设备不同原理的保护之间的配合、同一保护不同环节之间的配合、保护定值的实时调整、保护方案的在线配置、异常状态下的应急动作等问题,都可以利用神经网络专家系统实现。[6]

2.2　无功电压控制

作为电力系统自动化的一个重要组成部分,电力系统无功电压控制具有电力系统控制所固有的复杂性、非线性、不精确性及实时性强等特性,其中有些方面难以用传统的数学模型和常规的控制方法来描述和实现。人工智能技术由于具有传统方法所不具备的智能特性,因而在无功电压控制中得到了广泛的关注,并取得了大量的研究成果。[7-8]

专家系统在无功电压控制中的典型应用是将已有无功电压控制的经验或知识用规则表示出来,形成专家系统的知识库,进而根据上述的规则由无功电压实时变化值求取电压调节的控制手段。

神经网络用于电压无功控制的决策,输入包括通过主变压器的有功、无功,高压侧和低压侧的实时电压等,输出包括并联电容器开关状态和主变压器分接头位置,训练样本为电站监控系统中与之相关的历史数据。该方法已在电站中实际应用,应用结果表明能够较好地实现电压和功率因数的控制,并减少了电容器投切和主变压器分接头的调节次数。

电力系统实际运行中电压和无功控制并不是一成不变的,容许少量的越限这一情况,将电压限值模糊化,应用模糊线性规划方法,目标是确定维持电压所需增加的最少无功功率。该方法比通常的线性规划方法更具实用性。根据对故障点控制强的那些节点组成一个无功电压局部控制域的要求,考虑到控制强与弱本身具有一定的模糊性,用隶属度来表征控制强弱,应用模糊数学聚类分析法进行紧急状态下无功电压局部控制。

2.3　切负荷

切负荷是另一种离散控制。系统元件的突然丢失(如发电机因故障突然停机),会造成系统容量的急剧变化。当负荷超出系统供应容量,就必须降低负荷以避免大范围的供电中断。这时,需通过对负荷需求和系统行为的分析和启发式知识来控制继电器及时动作。如果将故障后系统的暂态稳定问题用故障

后系统微分方程的解来描述,则故障与暂态稳定之间存在着某种数学映射。人工神经网络具有对函数82内蒙古石油化工 2005年第7期