云模型理论在互联电力系统负荷频率控制中的应用

针对负荷频率控制系统具有不确定性问题,提出一种基于云模型理论的多区域互联电力系统负荷频率自适应PI控制方法。该方法以区域控制偏差量e作为云模型发生器的前件,PI控制器参数的整定值P和I作为云模型发生器的后件,建立适于负荷频率控制的一维云模型PI控制器。同时分别从频域和时域角度模拟不同情况下的负荷扰动,采用云模型控制器对PI控制器参数自调整,实现电力系统的负荷频率控制。仿真结果表明,在满足各种负荷扰动情况下,所提方法可有效地跟踪功率波动所引起的频率偏差,满足负荷频率控制指标,具有更强的抗干扰性和鲁棒性,其控制效果明显优于传统PI控制器。     

基于神经网络的数据驱动互联电力系统负荷频率控制

针对高度复杂的电力系统存在的建模误差和不确定性等问题,该文基于无模型自适应控制算法提出一种不依赖电力系统模型信息的负荷频率控制策略。首先将电力系统的动力学模型抽象为一般的非线性函数,在其I/O数据之间引入时变的伪偏导数,将非线性电力系统等效为动态线性数据模型;然后构建一个径向基神经网络在线估计系统的伪偏导数,并使用优化理论设计数据驱动的负荷频率控制方案,在理论上严格分析了闭环电力系统的稳定性和径向基神经网络估计方法的收敛性;最后在互联电力系统上验证该负荷频率控制方法在不利用模型信息的前提下,能够取得良好的跟踪性能。     

互联电力系统负荷频率分散次最优输出控制

本文探讨了一种适用于多区域互联电力系统负荷频率分散控制的设计方案。其中包括分散等值模型的辨识、新的最优输出控制方法的应用和一种循环设计方法。设计方案克服了以往分散等值模型不考虑外区域控制作用所带来的缺陷,取得了较满意的控制效果。     

小波神经网络与PID相结合的负荷频率控制

针对跨区域互联电力系统负荷频率控制的严重非线性,及传统PID控制稳定性差、超调严重、响应速度慢,提出了将小波神经网络与传统PID控制相结合的控制模型。PID完成区域电网内的二级负荷频率控制,区域控制偏差作为有2个小波神经元的神经网络输入,输出用于共同控制负荷频率稳定。网络还采用了负反馈提高学习收敛速度,网络参数采用梯度法结合遗传算法寻优确定。仿真实验结果表明,该方案具有较好的控制效果和鲁棒性。     

互联电力系统模糊负荷频率控制器的优化设计

通过建立一个改进了的带修正因子的模糊（ｆｕｚｚｙ）控制表的数学表达式和一个综合性能指标，提出了一种互联电力系统分散Ｆｕｚｚｙ负荷频率控制器的自动优化设计方法。对一个两区域互联电力系统的数字仿真结果表明：所设计的分散Ｆｕｚｚｙ负荷频率控制器具有良好的控制性能。     

两区域负荷频率的智能自适应PID控制

利用神经网络动态辨识电力系统的动态模型,并将模型逻辑技术与神经网络相结合,通过动态寻优确定最优性能指标下的ＰＩＤ控制器参数,具体设计了一种两区域负荷频率的神经模糊自适应ＰＩＤ控制器。使两区域负荷频率控制既有非线性控制作用和自学习自适应能力,又有ＰＩＤ控制的广泛适用性。     

电力系统负荷频率控制LFC的小波神经网络辨识

建立了非线性的电力系统负荷频率控制LFC模型,利用递归NARMA模型的小波网络的实现方法对LFC模型进行了辨识,利用Akaike's的最终预测误差准则FPE和信息准则AIC,进行了隐层节点数目和反馈阶次的计算,理论和仿真表明辨识模型可取得较好效果.     

电力系统负荷频率控制LFC的小波神经网络辨识

建立了非线性的电力系统负荷频率控制LFC模型,利用递归NARMA模型的小波网络的实现方法对LFC模型进行了辨识,利用Akaike's的最终预测误差准则FPE和信息准则AIC,进行了隐层节点数目和反馈阶次的计算,理论和仿真表明辨识模型可取得较好效果。     

互联系统分散的变结构负荷频率控制

本文利用变结构系统理论对互联电力系统的负荷频率控制提出了一个新方法，该方法根据关联项的形式选择了两种不同的开关超平面，一种是a1＝CiXi＋Cti∫－∞Xtidt，另一种是ai＝CiXi＋CtiXti。由此可形成互联系统的总体滑动模式，同时可对总体滑动模式进行极点配置来确定每个子系统的开关超平面参数，并导出了分散的变结构控制规律。通过对包括发电变化率约束和调速器死区的多区域电力系统的数字仿真表明所提出的变结构控制决策是非常有效的。     

基于自适应逆控制的系统噪声消除

提出了一种自适应逆控制消除系统噪声的方法,该方法利用神经网络建立系统的正向模型及逆模型,实现在线实时的计算,自适应调整参数,且灵活性大,有较强的鲁棒性和容错性,对于系统噪声的消除具有很好的效果。     

基于VSC-HVDC的多区互联电力系统负荷频率控制策略

针对传统的交流输电系统在功率传输方面存在的诸多弊端,提出一种应用电压源换流器-高压直流（VSC-HVDC）互联传输线路减小多区互联电力系统间频率振荡的方案.首先在VSC-HVDC的基础上提出系统模型,然后在此基础上确认对互联系统发生随机负荷扰动时的控制策略,提高频率控制的效率,增强互联系统的稳定性.仿真结果表明,相比于仅应用交流传输线路的情况,该控制方案对联络线的功率振荡具有良好的阻尼性能.     

基于Hopfield神经网络的直流传动系统模型参考自适应控制

本文将Hopfield神经网络引入直流传动系统的模型参考自适应控制,通过神经网络模型参考自适应控制器来给出常规双闭环调速系统的速度控制器外环动态输出,使速度控制具有对某些参数变化的一定程度的鲁棒性     

基于MVO算法与改进目标函数的电力系统负荷频率控制

针对风电并网时的随机波动功率、负荷频率控制(load frequency control, LFC)系统参数变化所引起的电力系统频率稳定问题,提出了一种基于智能优化算法与改进目标函数的互联电网LFC系统最优PID控制器设计方法。首先,分析了基于PID控制的含风电互联电力系统LFC闭环模型。其次,在时间乘误差绝对值积分(integral of time multiplied absolute error, ITAE)性能指标的目标函数中考虑了区域控制器的输出信号偏差,对优化目标函数进行改进。采用性能优良的多元宇宙优化(multi-verse optimizer, MVO)算法先计算后验证的思路,寻优获得最优PID控制器参数。最后,以两区域4机组互联电力LFC系统为例,仿真验证了基于MVO算法结合改进目标函数所获得的PID控制器,比基于MVO算法所获得的PID控制器,对阶跃负荷扰动、随机负荷扰动、风电功率偏差扰动以及系统的参数变化,具有相对较好的鲁棒性能。并且,对控制器参数也具有相对较好的非脆弱性指标。     

两电机调速系统神经网络广义逆在线调整控制

针对多输入多输出(MIMO)非线性强耦合的两电机变频调速系统,对系统数学模型进行广义逆存在性分析,推导出系统的广义逆数学表达式,进一步构造神经网络广义逆系统串联在两电机系统之前,组成基于广义逆的伪线性复合系统,实现MIMO系统的线性化与解耦。在神经网络逆系统离线训练的基础上提出在线训练的控制方法,在电机的运行过程中对网络进行在线训练,不断修正网络权值,使网络适应环境的变化,增强其鲁棒性,更精确地逼近其逆系统。实验证明在用PLC作为主控制器的控制过程中,神经网络不断进行自我调整,增强了神经网络的适应性,提高了系统的稳定性和鲁棒性。     

一种神经网络变结构电力系统稳定器的设计

在变结构控制理论的基础上 ,设计了一种基于神经网络的电力系统稳定器 (NNPSS)。利用BP神经网络对系统的状态进行辨识 ,通过对网络的训练 ,使神经网络能对不同的运行状态及扰动产生相对应的附加励磁控制。仿真实验证实了神经网络电力系统稳定器的可行性 ,所设计的NNPSS有效改善了电力系统的稳定性。     

基于卷积神经网络的电力系统暂态稳定预防控制方法

为了更好地实现电力系统暂态稳定预防控制,提出了基于卷积神经网络(Convolutional Neural Network, CNN)的电力系统暂态稳定预防控制方法。通过CNN模型输出变量灵敏度选择控制发电机并确定控制量,然后采用CNN和时域仿真相结合的暂态稳定评估方法进行控制方案校核,得到使系统在预想故障下稳定的控制方案。采用某省级电网算例进行预防控制效果验证。结果表明,采用所提出的预防控制方法,可以找到使系统恢复稳定的预防控制策略。     

基于神经网络逆系统方法的链式STATCOM线性化解耦控制

针对链式STATCOM补偿负载无功电流以及稳定电网电压的控制问题,建立了链式STATCOM动态数学模型,得出了双变量δ、M(移相角与调制比)和电流的关系式,提出了一种基于神经网络逆系统控制方法,通过对该链式STATCOM系统可逆的验证、神经网络的构建以及控制系统的设计,实现了链式STATCOM输出的有功-无功电流的线性化解耦控制。仿真结果表明,在感性负载与容性负载进行切换以时,该控制策略取得了良好的动态效果以及稳态效果,使得装置具有较好的抗参数变化、抗负载扰动性能,从而验证了该控制策略的有效性及可行性。     

基于PDNN的含风电互联电网负荷频率Tube-RMPC设计

随着新能源大规模接入电网,为应对新能源随机性和波动性给互联系统负荷频率控制(Load Frequency Control, LFC)带来的不确定问题,实现新能源电力系统多约束条件下的优化运行,建立了含风电机组的LFC多胞模型,以减少模型参数不确定对控制系统的影响。设计了基于原对偶神经网络(Primal-Dual Neural Network, PDNN)的Tube鲁棒模型预测控制(Tube-Robust Model Predictive Control, Tube-RMPC)策略。将标称模型预测控制器与辅助反馈控制器结合,通过PDNN实时求解标称模型预测控制器以保证为LFC系统产生最优状态轨迹。设计辅助反馈控制器抵消外部干扰,使实际系统的状态维持在以标称轨迹为中心的Tube内。最后,对含风电的三区域负荷频率控制系统进行仿真研究,结果表明所提出的Tube-RMPC控制策略,不仅能够有效提高控制精度,还能增强系统鲁棒性,提高实时优化效率。