专利名称：电力系统多稳定器的混合智能控制方法
技术领域：
本发明涉及一种电カ系统控制方法，尤其涉及一种电カ系统多稳定器的混合智能控制方法。
背景技术：
现有的电カ系统稳定器(PSS)，是基于电カ系统在某个合适的工作点下的线性化模型，主要由固定结构和參数的超前滞后环节组成，其參数经过整定后一般固定不变。而电力系统是ー个动态平衡的非线性复杂大系统，其运行方式、运行状态时刻都在改变，其相关因素如发电机稳态运行点的改变，有功功率、无功功率的改变，系统结构參数的改变，发电机、线路设备的投入和切除，发电机运行方式的改变，各种小干扰、大干扰(短路)、带负荷、甩负荷等等复杂因素。因此在电カ系统中，现有的固定參数的线性超前滞后稳定器一般难以适应各种运行状况的要求；目前，尚不能做到仅使用单ー控制方式的稳定器，就能够在各种不同大、中、小扰动下就能同时达到理想的稳定控制效果，特别是基于线性化小扰动稳定理论设计的线性超前滞后电カ系统稳定器，它不能很好地适应电力系统大扰动后的非线性特征，难以取得理想的阻尼控制效果。因此，研究一种当电力系统发生上述各种大、中、小扰动，均能较好地改善系统稳定性的稳定器是十分必要的。通常针对不同形式的大、中、小扰动，采用各种不同控制方式的稳定器各有所长如比例-积分(PI)控制能很好地抑制系统在平衡点附近出现的小振幅振荡，消除系统的稳态误差，特别适合于抗外部的小扰动；但其缺点是当电力系统遭受大干扰使实际的状态点偏离设计所选择的平衡点较远时，控制效果就会减弱。近年来，采用模仿人的思维方式和控制经验来实现控制的模糊稳定器，能加快响应速度，有效地阻尼电カ系统在较大扰动后的功率振荡，减小响应过程中的超调，故模糊稳定器适用于抗外部较大扰动及系统运行点发生较大范围变化的情況。吴小苗提出的三维相平面的强稳模糊稳定器，当在外部大扰动情况下，比普通模糊稳定器更能有效地抑制振荡过程，其自适应性和控制鲁棒性更强；但无论是普通模糊稳定器，还是强稳模糊稳定器都存在着一些缺点即在平衡点附近会出现小振荡，控制精度不高，不能改善电カ系统小扰动的稳定性以防止系统小扰动诱发的功率振荡，这些缺点影响了模糊稳定器的推广和应用。综上所述，在现有技术中，还没有仅使用单ー控制方式的稳定器，就能在各种不同形式扰动下同时达到最佳的稳定控制效果。
发明内容
针对背景技术中的问题，本发明提出了一种电カ系统多稳定器的混合智能控制方法，包括稳定器输出的信号作为自动励磁调节器的辅助输入信号，自动励磁调节器输出的信号作用于发电机，对发电机的运行状态进行控制，其特征在干该方法步骤为1)三种不同控制原理的稳定器输出的信号分别作为自动励磁调节器的辅助输入信号；将三种辅助输入信号独立作用条件(即将一个稳定器和一个自动励磁、调节器一一对应地组合，独立地完成对发电机的控制)下的自动励磁调节器输出的信号用于控制发电机，按时序获取发电机对应于三种辅助输入信号的三个转速值序列，同时按时序记录三种辅助输入信号各自的信号变化序列，三种稳定器即获得三个信号变化序列；对某ー稳定器而言，将其对应的转速值序列和信号变化序列用于对神经网络进行离线训练，得到该稳定器对应的神经网络预测模型，三个稳定器即得到三个神经网络预测模型；其中对神经网络进行离线训练的方法是针对某一稳定器对应的转速值序列和信号变化序列，将信号变化序列中，当前辅助输入信号的一、ニ级时延值和转速值序列中当前转速值的一、ニ级时延值，共计4个參数作为神经网络输入层的4个神经元，当前转速值作为神经网络的输出层神经元，对神经网络进行离线训练，建立4输入I输出的神经网络预测模型；2)将三个稳定器和它们各自对应的神经网络预测模型投入运行；实时采集三个稳 定器的输出信号和发电机实际转速，将各个稳定器当前输出信号的一、ニ级时延值和发电机实际转速的一、ニ级时延值输入对应的神经网络预测模型，神经网络预测模型的输出量即为在时序上与当前输出信号对应的转速值，该转速值定义为预测值，三个稳定器即得到三个预测值；实时采集发电机的实际转速值，将时序上具备对应关系的实际转速值和预测值进行比较，获得三个稳定器各自对应的预测值与实际转速值的误差；3)根据误差，按如下三个式子分别计算三个稳定器各自的输出信号与发电机运行状态的匹配度
权利要求
1.一种电カ系统多稳定器的混合智能控制方法,包括稳定器输出的信号作为自动励磁调节器的辅助输入信号，自动励磁调节器输出的信号作用于发电机，对发电机的运行状态进行控制，其特征在于 该方法步骤为1)三种不同控制原理的稳定器输出的信号分别作为自动励磁调节器的辅助输入信号；将三种辅助输入信号独立作用条件下的自动励磁调节器输出的信号用于控制发电机，按时序获取发电机对应于三种辅助输入信号的三个转速值序列，同时按时序记录三种辅助输入信号各自的信号变化序列，三种稳定器即获得三个信号变化序列；对某一稳定器而言，将其对应的转速值序列和信号变化序列用于对神经网络进行离线训练，得到该稳定器对应的神经网络预测模型，三个稳定器即得到三个神经网络预测模型； 其中对神经网络进行离线训练的方法是针对某一稳定器对应的转速值序列和信号变化序列，将信号变化序列中，当前辅助输入信号的一、ニ级时延值和转速值序列中当前转速值的一、ニ级时延值，共计4个參数作为神经网络输入层的4个神经元，当前转速值作为神经网络的输出层神经元，对神经网络进行离线训练，建立4输入I输出的神经网络预测模型； 2)将三个稳定器和它们各自对应的神经网络预测模型投入运行；实时采集三个稳定器的输出信号和发电机实际转速，将各个稳定器当前输出信号的一、ニ级时延值和发电机实际转速的一、ニ级时延值输入对应的神经网络预测模型，神经网络预测模型的输出量即为在时序上与当前输出信号对应的转速值，该转速值定义为预测值，三个稳定器即得到三个预测值；实时采集发电机的实际转速值，将时序上具备对应关系的实际转速值和预测值进行比较，获得三个稳定器各自对应的预测值与实际转速值的误差； 3)根据误差，按如下三个式子分别计算三个稳定器各自的输出信号与发电机运行状态的匹配度
2.根据权利要求I所述的电力系统多稳定器的混合智能控制方法，其特征在于所述三个稳定器分别采用PI稳定器、模糊稳定器和强稳模糊稳定器。
3.根据权利要求I所述的电力系统多稳定器的混合智能控制方法，其特征在于所述e! (k)的计算方法为
全文摘要
本发明公开了一种电力系统多稳定器的混合智能控制方法，为不同稳定器分别建立神经网络预测模型，通过神经网络预测模型对稳定器的控制效果进行在线预测，根据预测值与实际转速的匹配度进行筛选，将预测效果较好的两个控制器进行加权处理求得混合控制信号，混合控制信号作为自动励磁调节器的辅助输入信号，对发电机的运行状态进行控制；本发明的有益技术效果是控制策略灵活，充分利用稳定器自身性能特性，使系统达到较好运行效果；克服了采用单一线性超前滞后电力系统稳定器，难以适应大扰动后非线性特征的缺点，提供理想的阻尼控制，减小暂态过渡时间和振荡次数；具有良好的综合动态性能和较强的鲁棒性，显著改善系统在各种扰动下的稳定性。
文档编号H02P21/00GK102664580SQ20121015059
公开日2012年9月12日 申请日期2012年5月16日 优先权日2012年5月16日
发明者徐凯, 徐文轩, 徐果薇, 许强 申请人:重庆交通大学