多机电力系统模糊自适应控制

发电机组的励磁控制对于提高电力系统的暂态稳定性起着至关重要的作用.针对多机电力系统励磁控制模型,设计模糊自适应控制器.考虑到电力系统的状态不可测及多变量、非线性等特点,设计状态观测器,而后根据多机电力系统互联的实际情况,运用蚁群算法的寻优功能优化模糊规则,一定程度上改善了多变量系统控制中模糊规则繁多的问题.此方法使系统在保证了良好暂态稳定性的同时,降低了控制器的设计难度.仿真结果表明所设计的控制器能够快速有效地改善系统在大干扰下的暂态稳定性.     

多机电力系统自适应模糊稳定器的协调

本文提出了一种多机系统模糊稳定器的逆调－顺调协调方法。受扰后，对频率偏移振幅大的机组采用逆调；而频率偏移振幅小的采用顺调。所提的自适应模糊稳定器使调节方式随着频率偏移振幅的变化而变化。仿真试验证明了所提方法的有效性。     

模糊自适应控制在电力系统中的应用初探

本文就模糊自适应控制在电力系统中的应用作了一些初探,并在此基础上采用了部分解耦控制,从而能实现有功,无功分别调节。对以上的研究,作者作了数字机模拟,其结果与设想基本吻合,并且证明了系统的抗干扰能力有所提高。     

多机电力系统间接自适应模糊分散 H∞ 控制研究

针对多机电力系统励磁控制模型,考虑到系统的多变量、强耦合非线性等特性,提出了基于模糊逼近的间接自适应模糊分散H∞跟踪控制方案。该方案通过构建模糊自适应系统来逼近未知函数,然后设计H∞补偿器来抵消外部扰动和模糊逼近误差,从而实现了对多机电力系统的稳定性控制并且具有H∞性能。仿真结果表明,当多机电力系统发生三相可恢复故障和三相不可恢复故障时,发电机的转子运行角趋于某一固定值,相对转速和跟踪误差都趋于零。所提方案与电力系统稳定器(PSS)方案对比可知,PSS方案虽然能使系统稳定,但是其超调量大、过渡时间长,而所提方案不仅可以使系统在故障之后迅速稳定,而且超调量更小。     

多机电力系统模糊稳定器的协调

本文提出一种新的控制方法，解决了多机电力系统模糊稳定器之间的协调问题，该法由逆调、顺调组成、对受扰后频率偏移振幅大的机组采用逆调，而频率偏移振幅小的采用顺调。仿真计算证明了所提方法的有效性。     

多机电力系统参数自适应控制的设计理论与方法

针对一般形式的多输入多输出（MIMO）非线性微分代数系统的跟踪和系统参数的不确定性，利用M导数和M括号及其MIMO反馈线性化技术，在当系统的M关系度小于系统的阶数及其满足某些指定的条件下，得到微分代数系统模型的标准形式。根据线性系统控制理论及其跟踪目标的要求，给出了一般非线性控制规律的表达式。考虑到实际系统中的参数不确定性或未知性，难以预先构造非线性反馈控制规律来保证整个系统的稳定性，对于微分代数系统中存在参数不确定时，运用Lyapunov稳定性理论方法，采用适当的参数自适应方法来估计未知的不确定的参数值并加以修正，很好地实现了系统跟踪的控制目的。     

多机电力系统参数自适应控制设计的模型与应用

针对具有非线性负荷的多机电力系统（MMEPS）励磁控制的跟踪和系统参数的不确定，采用非线性分代数系统（DNAS）的反馈线性化技术，得到相应的以电磁功率作为输入量的标准化控制方程，并给出相应的非线性控制规律的表达式，提出了参数自适应控制方程，并得到相应的非线性控制器的表达式，实现了具有非线性负荷的MMEPS的目标跟踪及其稳定性。     

模糊逻辑稳定器在多机电力系统环境下的应用

本文述了多机环境下基于模糊的电力系统稳定器应用。     

基于ESO-backstepping的多机电力系统非线性鲁棒励磁解耦控制

通过构造扩张状态观测器(extended state observer,ESO)对发电机励磁系统模型误差和不确定外扰进行动态补偿,并运用反步法对补偿后的模型设计非线性解耦控制律。由于该方法对系统模型的非线性部分有选择地利用ESO进行动态补偿,既避免了运用反步法设计时自适应参数的引入,又能充分利用系统的特性,减轻ESO的估计负担,有效地兼顾了控制器鲁棒性及控制精度这两方面的要求。仿真表明：该方法鲁棒性强,参数易于选取,与比例–积分–微分(proportion-integration- differentiation,PID)+电力系统稳定(power system stabilizer,PSS)控制器励磁控制器相比较,具有更为优秀的动态品质,方法简单有效。     

基于观测器的仿射型多机耦合电力系统H∞模糊跟踪控制

模型未知的仿射型多机耦合电力系统用一系列T-S模糊模型逼近,且模糊模型的结论部分具有常数偏差项.由于系统状态具有不可测性,采用模糊观测器来估计系统的状态.基于该系列模糊模型和观测器,考虑仿射模型固有的常数项偏差,提出一种新型模糊跟踪控制方法,并用线性矩阵不等式的凸优化方法求解控制器参数,实现了仿射型多机耦合电力系统的稳定跟踪控制.仿真验证了方案的有效性.     

基于改进蚁群算法的无功优化研究

建立了网损最小的数学模型,对蚁群算法的缺陷进行改进,包括对蚁群搜索到的路径进行排序,自适应调节路径上释放的信息素.同时又在信息素更新机制里引入微分进化算法的发散项,提高算法的收敛速度和全局寻优能力.通过IEEE-30节点的仿真计算,验证了改进蚁群算法在电力系统无功优化领域的可行性和有效性.     

基于扰动观测器的电力系统鲁棒滑模控制器设计

针对多机电力系统中的励磁系统,设计一种基于扰动观测器的滑模控制(Perturbation Observer based Sliding-mode Control, POSMC)以提高系统稳定性。首先,将系统的非线性、参数不确定性、未建模动态和外部时变扰动聚合为一个扰动,同时由一个滑模状态扰动观测器(Sliding-mode State and Perturbation Observer, SMSPO)对该扰动进行实时快速估计。随后,通过滑模控制器对该扰动估计进行在线完全补偿以实现全局一致的控制能力。POSMC具备结构简单、可靠性高、不依赖系统精确模型以及仅需测量发电机功角一个状态量等优点。最后,基于机械功率阶跃变化、三相短路以及发电机参数不确定性三个算例验证了POSMC的有效性和鲁棒性,其能在各种工况下实现最佳的动态性能,有利于电力系统发生故障后恢复稳定运行。     

同步发电机最优非线性自适应励磁控制器设计

设计了一款最优非线性自适应励磁控制器(Optimal Nonlinear Adaptive Excitation Controller,ONAEC)用于多机电力系统以提升系统故障恢复能力.首先,通过一个高增益扰动观测器(High-Gain Perturbation Observer,HGPO)对由发电机的非线性、不确定...     

带杂交、变异因子的自适应蚁群算法在电力系统无功优化中的应用

蚁群算法是一种通用仿生算法 ,可求解传统方法难以解决的非凸、非线性、非连续的优化问题。本文针对基本算法的缺点 ,结合遗传算法和自适应思想对其进行改进 ,并应用于电力系统无功优化问题。通过IEEE6结点算例和某地区一个实际配电网算例 ,验证了算法的有效性     

基于蚁群算法的配电网故障定位与隔离

蚁群算法是一种求解组合最优化问题的新型通用启发式方法,该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点。通过建立适当的数学模型,基于故障过电流的配电网故障定位变为一种非线性全局寻优问题。该文将蚁群算法用于配电网故障定位方面的研究,并通过实例证明了该算法的可行性和高效性。     

基于蚁群算法的电源设计

就计算机电源系统的应用进行设计分析,一个良好的计算机电源系统应当具备合理的电源架构、稳定可靠的DC-DC电源及良好的运行智能控制系统。在构造合理电源系统架构的基础上,提出了基于蚁群算法的电源管理系统,利用软件内嵌的蚁群算法来增强系统切换时间的精确性,从而实现了在保证电源基本功能的前提下,有效地减小系统运行的故障切换时间,提高了系统稳定性。     

基于蚁群算法的无功优化方法的研究

介绍了蚁群算法用于求解无功优化的步骤,在满足发电机无功功率、负荷节点电压等网络性能要求的前提下,以系统网损最小为目标函数,将发电机机端电压、变压器分接头和无功补偿设备出力为控制变量,建立求解无功优化问题的模型。最后通过仿真试验,验证了所提出方法的可行性。     

智能新算法在无功优化中的应用

动态无功优化是个十分复杂的时空分布非线性优化问题,全局寻优十分困难。为了解决电力系统无功优化的求解问题,提出了一种新的智能算法,即把蚁群算法和免疫算法相结合,利用两种算法优点的互补,以解决约束优化问题。该算法将免疫算法和蚁群算法相结合,把用蚁群算法解决的问题看作抗原,通过免疫算法产生抗体给参数赋值,并应用于具体问题的求解,将得到的结果作为当前抗体的适应度值,然后通过免疫算法的交叉、变异、亲和度选择等操作,将适应度好的抗体保留,淘汰适应度差的抗体,经过多次迭代,最终得到较优的抗体,改善了单一搜索机制易陷入局部最小的不足,克服了处理复杂边界问题的多种不足之处。通过算例比较了遗传算法、简单蚁群算法以及改进算法的结果,验证了改进算法的正确性和有效性。     

模糊遗传算法和蚁群算法相结合的配电网络重构

通过开关的优化组合可以提高配电系统运行的可靠性、电能质量和经济性。为改善配电网络重构模糊遗传算法的优化速度,提出了一种模糊遗传算法和蚁群算法相结合的方法。该方法将总的种群分为两部分进行搜索,一方面通过选择算子寻找总的种群中较优个体作为模糊遗传算法的子种群进行交叉、变异操作;另一面通过设定适应度函数阈值筛选总的种群中优秀个体,并将其适应度函数值对网络信息矩阵进行全局更新,用蚁群搜索另一部分子种群。该方法设定适应度函数阈值改进了蚁群算法的信息素更新机制;把模糊遗传算法和蚁群算法的子种群融合构成总的新种群,并用