對于學術論文的科學性，要求作者在立論上不得帶有個人好惡的偏見，不得主觀臆造，必須切實地從客觀實際出發(fā)，從中引出符合實際的結論。下面小編為大家分享電力系統(tǒng)自動化論文，歡迎大家參考借鑒。

　　[論文關鍵詞]電力系統(tǒng)自動化智能技術

　　[論文摘要]簡單回顧模糊控制、神經(jīng)網(wǎng)絡控制、專家系統(tǒng)控制、線性最優(yōu)控制、綜合智能控制等典型智能技術在電力系統(tǒng)自動化中的運用。

　　電力系統(tǒng)是一個巨維數(shù)的典型動態(tài)大系統(tǒng)，它具有強非線性、時變性且參數(shù)不確切可知，并含有大量未建模動態(tài)部分。電力系統(tǒng)地域分布廣闊，大部分元件具有延遲、磁滯、飽和等等復雜的物理特性，對這樣的系統(tǒng)實現(xiàn)有效控制是極為困難的。另一方面，由于公眾對新建高壓線路的不滿情緒日益增加，線路造價，特別是走廊使用權的費用日益昂貴等客觀條件的限制，以及電力網(wǎng)的不斷增大，使得人們對電力系統(tǒng)的控制提出了越來越高的要求。正是由于電力系統(tǒng)具有這樣的特征，一些先進的控制手段不斷地引入電力系統(tǒng)。本文回顧了模糊控制、神經(jīng)網(wǎng)絡控制、專家系統(tǒng)控制、線性最優(yōu)控制、綜合智能控制等五種典型智能技術在電力系統(tǒng)中的運用。

　　一、模糊控制

　　模糊方法使控制十分簡單而易于掌握，所以在家用電器中也顯示出優(yōu)越性。建立模型來實現(xiàn)控制是現(xiàn)代比較先進的方法，但建立常規(guī)的數(shù)學模型，有時十分困難，而建立模糊關系模型十分簡易，實踐證明它有巨大的優(yōu)越性。模糊控制理論的應用非常廣泛。例如我們日常所用的電熱爐、電風扇等電器。這里介紹斯洛文尼亞學者用模糊邏輯控制器改進常規(guī)恒溫器的例子。電熱爐一般用恒溫器(thermostat)來保持幾擋溫度，以供烹飪者選用，如60，80，100，140℃。斯洛文尼亞現(xiàn)有的恒溫器在100℃以下的靈敏度為±7℃，即控制器對±7℃以內的溫度變化不反應;在100℃以上，靈敏度為±15℃。因此在實際應用中，有兩個問題：①冷態(tài)啟動時有一個越過恒溫值的躍升現(xiàn)象;②在恒溫應用中有圍繞恒溫擺動振蕩的問題。改用模糊控制器后，這些現(xiàn)象基本上都沒有了。模糊控制的方法很簡單，輸入量為溫度及溫度變化兩個語言變量。每個語言的論域用5組語言變量互相跨接來描述。因此輸出量可以用一張二維的查詢表來表示，即5×5=25條規(guī)則，每條規(guī)則為一個輸出量，即控制量。應用這樣一個簡單的模糊控制器后，冷態(tài)加熱時躍升超過恒溫值的現(xiàn)象消失了，熱態(tài)中圍繞恒溫值的擺動也沒有了，還得到了節(jié)電的效果。在熱態(tài)控制保持100℃的情況下，33min內，若用恒溫器則耗電0.1530kW·h，若用模糊邏輯控制，則耗電0.1285kW·h，節(jié)電約16.3%，是一個不小的數(shù)目。在冷態(tài)加熱情況下，若用恒溫器加熱，則能很快到達100℃，只耗電0.2144kW·h，若用模糊邏輯控制，達到100℃時需耗電0.2425kW·h。但恒溫器振蕩穩(wěn)定到100℃的過程，耗電0.1719kW·h，而模糊邏輯控制略有微小的擺動，達到穩(wěn)定值只耗電0.083kW·h�？傆嬤_100℃恒溫的耗電量，恒溫器需用0.3863kW·h，模糊邏輯控制需用0.3555kW·h，節(jié)電約15.7%。

　　二、神經(jīng)網(wǎng)絡控制

　　人工神經(jīng)網(wǎng)絡從1943年出現(xiàn)，經(jīng)歷了六、七十年代的研究低潮發(fā)展到現(xiàn)在，在模型結構、學習算法等方面取得了大量的研究成果。神經(jīng)網(wǎng)絡之所以受到人們的普遍關注，是由于它具有本質的非線性特性、并行處理能力、強魯棒性以及自組織自學習的能力。神經(jīng)網(wǎng)絡是由大量簡單的神經(jīng)元以一定的方式連接而成的。神經(jīng)網(wǎng)絡將大量的信息隱含在其連接權值上，根據(jù)一定的學習算法調節(jié)權值，使神經(jīng)網(wǎng)絡實現(xiàn)從m維空間到n維空間復雜的非線性映射。目前神經(jīng)網(wǎng)絡理論研究主要集中在神經(jīng)網(wǎng)絡模型及結構的研究、神經(jīng)網(wǎng)絡學習算法的研究、神經(jīng)網(wǎng)絡的硬件實現(xiàn)問題等。

　　三、專家系統(tǒng)控制

　　專家系統(tǒng)在電力系統(tǒng)中的應用范圍很廣，包括對電力系統(tǒng)處于警告狀態(tài)或緊急狀態(tài)的辨識，提供緊急處理，系統(tǒng)恢復控制，非常慢的狀態(tài)轉換分析，切負荷，系統(tǒng)規(guī)劃，電壓無功控制，故障點的隔離，配電系統(tǒng)自動化，調度員培訓，電力系統(tǒng)的短期負荷預報，靜態(tài)與動態(tài)安全分析，以及先進的人機接口等方面。雖然專家系統(tǒng)在電力系統(tǒng)中得到了廣泛的應用，但仍存在一定的局限性，如難以模仿電力專家的創(chuàng)造性;只采用了淺層知識而缺乏功能理解的深層適應;缺乏有效的學習機構，對付新情況的能力有限;知識庫的驗證困難;對復雜的問題缺少好的分析和組織工具等。因此，在開發(fā)專家系統(tǒng)方面應注意專家系統(tǒng)的代價/效益分析方法問題，專家系統(tǒng)軟件的有效性和試驗問題，知識獲取問題，專家系統(tǒng)與其他常規(guī)計算工具相結合等問題。

　　四、線性最優(yōu)控制

　　最優(yōu)控制是現(xiàn)代控制理論的一個重要組成部分，也是將最優(yōu)化理論用于控制問題的一種體現(xiàn)。線性最優(yōu)控制是目前諸多現(xiàn)代控制理論中應用最多，最成熟的一個分支。盧強等人提出了利用最優(yōu)勵磁控制手段提高遠距離輸電線路輸電能力和改善動態(tài)品質的問題，取得了一系列重要的研究成果。該研究指出了在大型機組方面應直接利用最優(yōu)勵磁控制方式代替古典勵磁方式。目前最優(yōu)勵磁控制的控制效果。另外，最優(yōu)控制理論在水輪發(fā)電機制動電阻的最優(yōu)時間控制方面也獲得了成功的應用。電力系統(tǒng)線性最優(yōu)控制器目前已在電力生產(chǎn)中獲得了廣泛的應用，發(fā)揮著重要的作用。但應當指出，由于這種控制器是針對電力系統(tǒng)的局部線性化模型來設計的，在強非線性的電力系統(tǒng)中對大干擾的控制效果不理想。

　　五、綜合智能系統(tǒng)

　　綜合智能控制一方面包含了智能控制與現(xiàn)代控制方法的結合，如模糊變結構控制，自適應或自組織模糊控制，自適應神經(jīng)網(wǎng)絡控制，神經(jīng)網(wǎng)絡變結構控制等。另一方面包含了各種智能控制方法之間的交叉結合，對電力系統(tǒng)這樣一個復雜的大系統(tǒng)來講，綜合智能控制更有巨大的應用潛力�，F(xiàn)在，在電力系統(tǒng)中研究得較多的有神經(jīng)網(wǎng)絡與專家系統(tǒng)的結合，專家系統(tǒng)與模糊控制的結合，神經(jīng)網(wǎng)絡與模糊控制的結合，神經(jīng)網(wǎng)絡、模糊控制與自適應控制的結合等方面。神經(jīng)網(wǎng)絡適合于處理非結構化信息，而模糊系統(tǒng)對處理結構化的知識更有效。因此，模糊邏輯和人工神經(jīng)網(wǎng)絡的結合有良好的技術基礎。這兩種技術從不同角度服務于智能系統(tǒng)，人工神經(jīng)網(wǎng)絡主要應用在低層的計算方法上，模糊邏輯則用以處理非統(tǒng)計性的不確定性問題，是高層次(語義層或語言層)的推理，這兩種技術正好起互補作用。神經(jīng)網(wǎng)絡把感知器送來的大量數(shù)據(jù)進行安排和解釋，而模糊邏輯則提供應用和挖掘潛力的框架。因此將二者結合起來的研究成果較多。

　　除了上述方法，在電力系統(tǒng)中還應用了自適應控制、變結構控制、H∞魯棒控制、微分幾何控制等其它方法�？傊�，智能技術的廣泛運用推動了電力系統(tǒng)的自動化進程。我們相信隨著人們對各種智能控制理論研究的進一步深入，它們之間的聯(lián)系也會更加緊密，相信利用各自優(yōu)勢而組成的綜合智能控制系統(tǒng)會對電力系統(tǒng)起到更加重要的作用。

[電力系統(tǒng)自動化論文]