多机电力系统汽门开度自适应动态面控制

2015-03-21 10:44:54胡石磊李雨通
科技资讯 2015年31期
关键词:神经网络

胡石磊 李雨通

摘 要:针对多机电力系统汽门开度控制问题提出了基于自适应动态面算法的控制方案,所设计控制律仅反馈本地量,实现了完全分散控制。控制器设计过程中未对系统进行任何线性化,保留了电力系统非线性特性。文章采用神经网络逼近系统中存在的未知项和非线性关联项,同时用动态面方法克服传统反推法中存在的“微分爆炸”问题,简化控制律的设计。最后稳定性分析证明,闭环系统的所有信号半全局一致有界。在两机系统中的仿真结果进一步验证了所设计控制器的有效性。

关键词:汽门开度 动态面 神经网络 分散控制

中图分类号:TM712 文献标识码:A 文章编号:1672-3791(2015)11(a)-0082-03

电力系统是由许多元件和设备组成的复杂系统,特别是随着跨区域互联电网的发展,电网的规模不断扩大、复杂程度不断增加,使得电力系统稳定问题变得更加严峻,因此研究有效控制措施改善电力系统稳定性和动态品质有重要意义。

汽门开度控制对改善电力系统稳定性有重要作用,不仅能够改善电力系统大干扰稳定,还可以改善小干扰稳定,抑制低频振荡等[1],针对单机汽门开度控制问题已经有许多研究成果,而对多机电力系统这样动态大系统,控制器设计是一个难题,为了便于工程实现,人们提出了基于本地状态量实现控制器设计的分散控制策略[2]。对复杂的电力系统,获得精确模型是困难的,为此可采用神经网络等一些不用基于精确数学模型的方法处理此问题[3]。文献[3]结合反推法和神经网络,设计了多机电力系统汽门开度控制器,但会出现 “微分爆炸”问题,所获得的控制律比较复杂。受到文献[3]的启发,该文设计了基于自适应动态面算法的多机汽门开度分散控制器,所设计的控制器仅反馈本地量测量,实现了完全分散控制。

4 仿真研究

考虑两机系统,分别选取理想输出,控制目标是根据第三部分的设计结果,使系统的实际输出能跟踪理想输出,仿真参数见文献[7]。

仿真结果如图1、图2所示。

从仿真图1、图2可以看出在所设计控制器作用下,系统可以很好地跟踪给定参考轨迹,在控制器作用下系统跟踪误差可以很快就收敛到很小,说明所设计控制器的有效性。

5 结语

将动态面方法和神经网络方法相结合来研究多机汽门开度控制问题,不仅可以实现完全分散控制,而且设计过程完整保留了系统非线性特性,所设计的控制律简单,减轻了计算负担。稳定性分析证明闭环系统所有信号最终一致有界。仿真结果证明了方法的有效性。

参考文献

[1] 孙妙平.时滞多机电力系统气门开度的分散控制研究[D].湖南:中南大学,2013.

[2] T.P.Zhang,X.N.Xia.Decentralized adaptive fuzzy output feedback control of stochastic nonlinear large-scale systems with dynamic uncertainties[J].Information Sciences, 2015(315):17-38.

[3] X.R.Zhong,C.Wang,Y.L.Liu.Decentralized steam-valving adaptive neural control of multi-machine power system[C]//Proceeding of the 25th Chinese Control Conference.2006.

[4] 卢强,梅生伟,孙元章.电力系统非线性控制[M].北京:清华大学出版社,2007.

[5] Y.Guo,D.J.Hill,Y.Wang.Nonlinear decentralized control of large scale power systems[J].Automatica,2000,36(9):1275-1289.

[6] B.Ren,S.S.Ge,C.Su,T.H.Lee.Adaptive neural control for a class of uncertainnonlinear systems inpure-feedbackform with hysteresis input[J].IEEE Transactions on Systems,Man,and Cybernetics B:Cybernetics,2009,39(2):431-443.

[7] 蔡静雯,孙丽颖.多机电力系统汽门开度直接模糊backstepping控制[J].辽宁工业大学学报,2014,34(6):351-355.

猜你喜欢
神经网络
BP神经网络在路标识别上的应用研究
神经网络抑制无线通信干扰探究
电子制作(2019年19期)2019-11-23 08:42:00
基于Alexnet神经网络的物体识别研究
电子制作(2019年12期)2019-07-16 08:45:28
基于BP神经网络的旋转血泵生理控制
基于Q-Learning算法和神经网络的飞艇控制
基于神经网络的拉矫机控制模型建立
重型机械(2016年1期)2016-03-01 03:42:04
复数神经网络在基于WiFi的室内LBS应用
基于支持向量机回归和RBF神经网络的PID整定
基于神经网络分数阶控制的逆变电源
基于GA-BP神经网络的光伏阵列MPPT研究
电测与仪表(2014年2期)2014-04-04 09:04:04