复杂不确定系统智能协调控制：配电网安全控制

前言

第1章 绪论

1．1 复杂不确定系统智能协调控制的背景及意义

1．2 配电网安全控制的背景

1．3 配电网安全性、稳定性与系统脆弱性间的关系

1．4 电网安全控制的研究现状

1．5 本书主要内容

参考文献

第2章 智能协调控制的理论基础

2．1 多Agent系统

2．2 多Agent系统强化学习

2．3 蚁群算法

2．4 BP神经网络

2．5 粒子群算法

参考文献

第3章 电网脆弱性预警指标

3．1 引言

3．2 电网脆弱性及其影响因素

3．3 电网安全性预警指标

3．4 各指标的优缺点及适用范围

参考文献

第4章 基于电压稳定的配电网脆弱性指标推导

4．1 引言

4．2 电压稳定概述

4．3 电网电压稳定评估指标L

4．4 指标求取模型

4．5 算例分析

参考文献

第5章 基于量子多Agent的配电网脆弱性评估

5．1 引言

5．2 基于量子理论的多Agent系统强化学习

5．3 基于QMAS的配电网脆弱性分析系统的设计

5．4 初级脆弱性评估功能的实现

5．5 配电网综合脆弱性评估功能的实现

参考文献

第6章 基于母线间脆弱信息协调的配电网低电压风险评估

6．1 引言

6．2 孤立母线低电压风险分析

6．3 母线间脆弱性相互影响关系的定量计算

6．4 配电网低电压脆弱性综合指标

6．5 算例分析

参考文献

第7章 基于方向协调蚁群算法及其在配电网重构中的应用

7．1 引言

7．2 基于方向性信息素的改进蚁群算法

7．3 方向协调蚁群算法在配电网重构中的应用

参考文献

第8章 机组检修计划模型的优化与求解

8．1 引言

8．2 机组检修计划优化模型建立

8．3 基于改进蚁群算法机组检修计划的求解

8．4 算例分析

参考文献

《复杂不确定系统智能协调控制：配电网安全控制》系统阐述了复杂不确定系统的智能协调控制问题，建立了适用于复杂不确定系统的智能协调控制机理模型，为复杂控制系统研究中的难点问题提供了有效的解决措施。并且以配电网安全控制为例，将所研究的控制模型加以应用。《复杂不确定系统智能协调控制：配电网安全控制》理论丰富，内容先进，还有应用实例，可为复杂不确定大系统的控制理论发展提供新的思路，为我国配电网安全控制分析提供新的理论依据。

协调控制系统的复杂性主要体现在以下儿个方面:

(1)多变量的强烈耀合。协调控制系统的压力控制回路和负荷控制回路相互关联，存在着强烈的摧合特性。这种特性还存在着一类病态的结构，那就是汽轮机侧具有快速响应特性，而锅炉侧则具有相对较慢的响应特性，由于这种特性，如果在系统动态解藕时未充分考虑“量’一时间’的平衡关系.很容易造成能量的累积，从而使系统不稳定。这给协调控制系统的解藕设计带来了困难；

(2)多目标相互关联。在不同的任务约束情况下。协调控制系统需要满足不同的优化目标。由于优化目标的相互关联，在满足某一优化目标时，需要充分考虑其它目标的次优化问题。因此协调控制系统除了解决多变量解藕问题以外、还需在最优目标与次优目标之间协调、平衡。

(3)机组动态从本质上说是非线性的。由于机组存在着非线性特性，现有协调控制系统的分析与设计通常将其在某一工作点线性化，而忽略其高频非线性。这种高频非线性常常会被控制器激发而使调节过程振荡，

(4)机组动态是时变的。机组动态特性是时变的、因此根据某一工作点下的线性化模型来设计的协调控制系统，未必能保证系统在其它工作点下的适应性‘这实际上涉及到模型的自动适应性以及控制算法的鲁棒性。

(5)系统存在着不确定干扰。系统存在的不确定干扰，例如燃煤的煤质变化‘给煤量的扰动等，使机炉协调控制系统存在着较大的不确定因素，在设计协调控制系统时，需要考虑系统的抗干扰性能。

(6)能量平衡指标‘热经济指标难以直接、准确、实时地得到。如果能量平衡指标的准确性、适应性和实时性能够得到充分的保证，那么能量平衡方法就是设计协调控制系统的一种较好的方法二一些热经济指标也是很重要的，例如煤质/发热量校正系数，如果能保证指标的有效性，将会大大提高协调控制系统抗煤质扰动的能力。

(7)锅炉侧存在着很大的纯时延:锅炉侧的大时延实际上反映了管道纯迟延以及大惯性产生的相对迟延，常规的FLD控制器很难解决这个问题，尤其是PID控制器的积分作用常使系统过调而积聚能量、使系统产生振荡。工程上最常见的前馈算法是为了解决在一类可测扰动下控制系统的品质问题。即使扰动是可测的.通常也较难以掌握前馈的“量”以及“时间”问题。

(8)运行的安全性要求二协调控制系统在满足某一特定任务约束的前提下、还需保证一切变量不超限、包括被控量、状态量和控制量。系统还需处理诸如RUNBACK, RUNDOWN等与机组安全运行相关的实际问题，

由于工业过程控制中存在着高频非线性、不确定干扰、大纯时延等特性，而且这些特性往往具有不能良好建模的问题，因此，纯粹意义上基于状态空间模型的控制算法的实现总存在着理论意义上的鲁棒性和实践意义上的鲁棒性的差距。按照观点，智能控制是控制、运筹和人工智能的有机结合。考虑到系统的复杂性，纯粹采用不考虑系统机理模型以及卷积模型的算法(例如模糊算法，神经网络算法)总存在调整参数过多，人为因素太重等问题。智能化的协调机制实际上需要解决的是系统动态性能和鲁棒性能的平衡与协调关系。也就是说，它是在多变量控制的基础上寻求一个多目标的优化问题，而这个多目标优化机制是以协调控制系统的任务约束为激励的。

这种智能化机制的主要内容包括:任务约束转换，’‘方’、“胖”、’‘瘦"3种结构的有机转换，数学模型的静态和动态适应.被控制变量超限的快速返回等。任务约束的转换是将一些“实”的目标转换成一些一虚“的控制目标，这种转换过程需要相应的数学模型支持，实际L，它是在数学模型以及当前运行工况的基础上，得到一种协调控制系统内部运行的方式。它体现了一方”1’·胖一、”瘦03种结构的有机转换和有机协调。当系统在这3种结构之间转换时，系统结构变为非线性、可能出现不稳定。这种多变量协调策略实际上是在约束限制内的实时优化策略。数学模型的静态和动态适应是为了在模型的精确性意义上提高算法的鲁棒性:静态适应是为了体现静态增益的平衡，因此可以通过在稳态时求取抿合变量的相对增益来得到。动态适应的方法可选用滤波器以及最小方差估计法而得到模型之间的幅值和相位的偏差。被控变量的快速返回可研究动态微分的作用。考虑到数学模型的非精确描述，协调这个概念成为一个模糊的概念。本文研究的算法是在多变量控制的基础上、寻求一种模糊的实时优化策略问题。

该方法应用于协调系统中，主要基于以下几种观点:

(1)主要参数的变化趋势实际上反映了机组输入/输出能量平衡的动态过程:

(2)对于锅炉对象，由于其具有强烈的时间迟延和较大的惯性，因此施加作用强烈的阶跃作用往往比施加较慢的积分作用效果明显.因为积分作用无法判断误差的方向，如果掌握不好，容易造成锅炉侧能量的累积，而导致系统的过调;

(3)基于规则的智能控制方法应用于前馈控制中，着力反映系统的动态过程。而系统的稳态偏差山并联的PID控制器解决;

(4)基于规则的智能控制方法对于克服协调控制系统中存在的强烈的不确定干扰以及未建模动态具有显著的效果。