鄭小發(fā)+楊麗

摘 要：由于基于傳統(tǒng)的不確定時(shí)滯魯棒控制系統(tǒng)不能滿足新型電力云網(wǎng)絡(luò)化控制用戶的需求，提出了一種基于模糊云理論系統(tǒng)模型的感知智能配電云網(wǎng)絡(luò)化控制識(shí)別方法，該方法采用優(yōu)化傳統(tǒng)數(shù)據(jù)值和電力云網(wǎng)絡(luò)化控制數(shù)據(jù)的一種云理論系統(tǒng)模型，并用云理論結(jié)果代替被控節(jié)點(diǎn)預(yù)測(cè)值，攻破了不確定滯魯棒控制系統(tǒng)控制效果不能及時(shí)反饋的問題，同時(shí)將供電系統(tǒng)性能指標(biāo)引入到電力云網(wǎng)絡(luò)化控制計(jì)算器中，運(yùn)用性能指標(biāo)的云模型中正向運(yùn)算法修正加權(quán)系數(shù)，實(shí)現(xiàn)了感知智能配電云網(wǎng)絡(luò)化的最優(yōu)控制?；趯?shí)驗(yàn)仿真證明，該識(shí)別方法可以優(yōu)化傳統(tǒng)的不確定滯魯棒控制系統(tǒng)，并具有良好的適應(yīng)性、魯棒性、控制性，同時(shí)可以進(jìn)一步改善智能配電云網(wǎng)絡(luò)化控制的各種性能指標(biāo)。

關(guān)鍵詞：模糊云理論；感知；智能配電控制；電力云；網(wǎng)絡(luò)化控制

中圖法分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2014）03-0085-03

0 引 言

針對(duì)國家電網(wǎng)生產(chǎn)過程中的電力云網(wǎng)絡(luò)化控制系統(tǒng)中，不同負(fù)載程度地存在著時(shí)間滯的優(yōu)化過程。在不確定滯魯棒控制系統(tǒng)中，時(shí)間滯會(huì)嚴(yán)重影響系統(tǒng)的穩(wěn)定性和動(dòng)態(tài)特性。并且當(dāng)被控節(jié)點(diǎn)特別復(fù)雜且存在時(shí)異構(gòu)的情況下，要通過建立節(jié)點(diǎn)的精確模型進(jìn)行智能配電云網(wǎng)絡(luò)補(bǔ)償控制是很難實(shí)現(xiàn)的。

模糊云理論能夠根據(jù)少量信息進(jìn)行云理論，不需要掌握關(guān)于被控節(jié)點(diǎn)模型結(jié)構(gòu)的先驗(yàn)信息和控制經(jīng)驗(yàn)數(shù)據(jù)，超前步數(shù)可在線修正，能夠攻破節(jié)點(diǎn)模型的時(shí)變特性，具有很強(qiáng)的感知智能配電性，因而很適于工業(yè)過程的實(shí)時(shí)控制?；趯?shí)驗(yàn)仿真證明，由于模糊建模是根據(jù)序列本身的數(shù)據(jù)來尋找規(guī)律進(jìn)行的云理論，有時(shí)會(huì)出現(xiàn)云理論誤差較大的情形。近年來對(duì)模糊云理論模型的研究取得了一些成果，分別從對(duì)初始數(shù)據(jù)處理，初值條件修正，新的傳統(tǒng)數(shù)據(jù)值構(gòu)造，一種基于模型的時(shí)間響應(yīng)函數(shù)等方面對(duì)云理論進(jìn)行一種基于電力云網(wǎng)絡(luò)化控制。

本課題在綜合分析已有研究文獻(xiàn)的基礎(chǔ)上，提出一種同時(shí)優(yōu)化傳統(tǒng)數(shù)據(jù)值和電力云網(wǎng)絡(luò)化控制數(shù)據(jù)的一種基于云理論模型，進(jìn)一步提高了云理論模型的云理論精度。同時(shí)將模糊云理論與感知智能配電云網(wǎng)絡(luò)化控制結(jié)合，采用模糊云理論計(jì)算器，并將供電系統(tǒng)性能指標(biāo)引入到電力云網(wǎng)絡(luò)化控制計(jì)算器的過程中，按照性能指標(biāo)的云模型中正向云算法修正加權(quán)系數(shù)，實(shí)現(xiàn)了感知智能配電云網(wǎng)絡(luò)化的最優(yōu)控制律。基于實(shí)驗(yàn)仿真證明，該識(shí)別方法優(yōu)化傳統(tǒng)的不確定滯魯棒控制系統(tǒng)具有良好的適應(yīng)性、魯棒性、控制性以及進(jìn)一步改善智能配電云網(wǎng)絡(luò)化控制的各種性能指標(biāo)。

1 相關(guān)工作

運(yùn)用模糊云理論與感知智能配電云網(wǎng)絡(luò)化控制結(jié)合，采用模糊云理論計(jì)算器，用過程輸出的傳統(tǒng)數(shù)據(jù)，云理論未來d步的輸出值，并將云理論值作為反饋信號(hào)與期望設(shè)定值進(jìn)行比較得出偏差，作為感知智能配電云網(wǎng)絡(luò)化控制的輸入，按照電力云網(wǎng)絡(luò)化控制律來設(shè)計(jì)控制計(jì)算器的輸出，從而使被延遲了的被控量超前反饋到控制計(jì)算器，使控制計(jì)算器提前動(dòng)作，實(shí)現(xiàn)了“事先調(diào)節(jié)”，從而減少超調(diào)量和加速調(diào)節(jié)過程，消除時(shí)滯對(duì)系統(tǒng)控制干擾的影響。系統(tǒng)整體結(jié)構(gòu)如圖1所示。

圖1 模糊云理論感知智能配電云網(wǎng)絡(luò)化控制系統(tǒng)

1.1 系統(tǒng)描述

基于云理論建模的一般運(yùn)行模型為x（0）λ（0），假如初始智能城市電力系統(tǒng)非負(fù)數(shù)據(jù)序列為x（0）λ（0）=（x（1）λ（0）（1），x（2）λ（0）（2），…，x（m）λ（0）（m）），則對(duì)x（0）λ（0）進(jìn)行一次云理論系統(tǒng)模型累加生成操作（CCGO），同時(shí)利用云理論模型，可得到x（0）λ（0）的1-CCGO序列λ（1）=（λ（1）（1），λ（1）（2），…，λ（1）（m）），其中：

（1）

對(duì)序列λ1進(jìn)行緊鄰均值生成操作，得到λ1的緊鄰均值并生成序列y（1），其中：

（2）

這樣，可得云理論的模糊微分方程為：

（3）

利用云網(wǎng)絡(luò)相應(yīng)的白化方程：

（4）

其中：β稱為發(fā)展系數(shù)，α為模糊作用量。α和β可用最小二乘法求得：

， （5）

而方程（4）的解為：

（6）

相應(yīng)的，方程（3）的時(shí)間響應(yīng)序列為：

（7）

對(duì)序列進(jìn)行累減生成操作，即云理論系統(tǒng)模型累加生成的逆運(yùn)算，記為ICCGO，可得云理論序列，其中：

（8）

由式（7）可知，云理論模型的云理論精度取決于a和β的值，而a和β的值依賴于初始序列和傳統(tǒng)數(shù)據(jù)值y（1）的構(gòu)造形式；另外，選取模糊微分方程模型電力云網(wǎng)絡(luò)化控制數(shù)據(jù)時(shí)，原云理論模型以為電力云網(wǎng)絡(luò)化控制數(shù)據(jù)。文獻(xiàn)[2]中有根據(jù)云理論模糊模型的指數(shù)特性，利用在區(qū)間內(nèi)[κ，κ+1]積分的方法，現(xiàn)令：

（9）

優(yōu)化了傳統(tǒng)數(shù)據(jù)值后。文獻(xiàn)[2]中根據(jù)新信息優(yōu)先原理提出的以λ（1）（m）為電力云網(wǎng)絡(luò)化控制數(shù)據(jù)的云理論模型為：

（10）

根據(jù)式（10），若進(jìn)行κ+d時(shí)刻的云理論，然后對(duì)云理論系統(tǒng)模型累加后的數(shù)據(jù)進(jìn)行還原得到還原數(shù)據(jù)對(duì)κ+d時(shí)刻的云理論為：

（11）

上述兩種方法能各自獨(dú)立地提高云理論的精度，并且完全獨(dú)立，本課題同時(shí)運(yùn)用這兩類云理論模型方法，提出一種同時(shí)優(yōu)化傳統(tǒng)數(shù)據(jù)值和電力云網(wǎng)絡(luò)化控制數(shù)據(jù)的一種基于云理論模型，提高了云理論模型的云理論精度。

1.2 感知智能配電云網(wǎng)絡(luò)化控制模型

電力云網(wǎng)絡(luò)化離散控制計(jì)算器式為：

（12）

式中 τγ為采樣周期；κ為采樣序號(hào)；κx為比例系數(shù)；τi為積分時(shí)間；τd為微分時(shí)間； e（κ+d）為設(shè)定值與預(yù)測(cè)值之間的偏差。由：

（13）

（14）

可以很容易得其增量算式為：

（15）

為了得到感知智能配電云網(wǎng)絡(luò)的形成， 可將式（15）寫成：

（16）

式中m=5。

（17）

（18）

基于梯度優(yōu)化的感知智能配電云網(wǎng)絡(luò)化云理論模型控制計(jì)算器法設(shè)系統(tǒng)的性能指標(biāo)為：

（19）

式中，d為云理論步數(shù)。令加權(quán)系數(shù)μi的調(diào)整沿著J（κ）對(duì)μi的云模型中正向云算法進(jìn)行搜索，即有：

（20）

根據(jù)式（16）、（19）、（20），有：

（21）

相應(yīng)的，對(duì)μ1，μ2，μ3，則分別有：

（22）

式中，ψ1，ψ3，ψ3分別表示感知電力積分、感知電力比例和感知電力微分項(xiàng)的學(xué)習(xí)速度。通常未知，利用符號(hào)信息sign[]近似代替，即：

（23）

上述代替后所帶來的影響可通過調(diào)整學(xué)習(xí)速度來補(bǔ)償。

1.3 仿真數(shù)據(jù)分析

本課題運(yùn)用該方法的有效性，利用文獻(xiàn)[2]中的一個(gè)不確定滯魯棒控制系統(tǒng)模型如式（24）作為仿真研究節(jié)點(diǎn)，τγ=1、γ，給定輸入r（τ）=m（τ），模糊云理論計(jì)算器的建模維數(shù)m=24，云理論步數(shù)d=6。

（24）

基于常規(guī)電力云網(wǎng)絡(luò)化控制、模糊云理論電力云網(wǎng)絡(luò)化控制以及本課題提出的基于模糊云理論系統(tǒng)模型可感知智能配電云網(wǎng)絡(luò)化控制的控制干擾。利用Matlab 7.0得到的仿真結(jié)果如圖2所示。

從圖2可以看出，模糊云理論控制可以有效地減小系統(tǒng)超調(diào)量并縮短調(diào)節(jié)時(shí)間。本課題提出的一種基于模糊云理論系統(tǒng)模型的感知智能配電云網(wǎng)絡(luò)化控制結(jié)合了電力云網(wǎng)絡(luò)化控制和模糊云理論控制的特點(diǎn)，使系統(tǒng)具有良好的動(dòng)態(tài)特性，與電力云網(wǎng)絡(luò)化控制相比可以顯著減小系統(tǒng)超調(diào)量和系統(tǒng)振蕩，使系統(tǒng)更為快速地收斂到目標(biāo)值；與一般的模糊云理論控制相比，本課題提出云理論模型控制計(jì)算器法可使系統(tǒng)收斂更快。

圖2 模糊感知智能配電云網(wǎng)絡(luò)化控制仿真

2 結(jié) 語

本文提出的一種基于模糊云理論系統(tǒng)模型的感知智能配電云網(wǎng)絡(luò)化控制，將模糊云理論系統(tǒng)模型與感知智能配電云網(wǎng)絡(luò)化控制相結(jié)合，利用同時(shí)優(yōu)化傳統(tǒng)數(shù)據(jù)值和電力云網(wǎng)絡(luò)化控制數(shù)據(jù)的一種基于云理論模型作為云理論系統(tǒng)模型，提高了模糊模型的云理論精度，攻破時(shí)滯，利用基于梯度優(yōu)化的感知智能配電云網(wǎng)絡(luò)化控制計(jì)算器，實(shí)現(xiàn)了感知智能配電云網(wǎng)絡(luò)化的最優(yōu)控制?；趯?shí)驗(yàn)仿真證明，該識(shí)別方法優(yōu)化傳統(tǒng)的不確定滯魯棒控制系統(tǒng)具有良好的適應(yīng)性、魯棒性、控制性以及進(jìn)一步改善智能配電云網(wǎng)絡(luò)化控制的各種性能指標(biāo)。

參 考 文 獻(xiàn)

[1] JARUPAN B， EKICI E. PROMPT： a cross layer position-based communication protocol for delay-aware vehicular access networks [J]. Ad Hoc Networks， 2010， 8（5）： 489-505.

[2] MAJEED A， RAZAK S， ABU-GHAZALEH N， et al. TCP over multi-Hop wireless networks： the impact of MAC level interactions [J]. Ad-Hoc， Mobile and Wireless Networks， 2009， 5793：1-15.

[3] NASRI A， FATHY M， HAJISHEYKHI R. A cross layered scheme for broadcasting at intersections in vehicular ad hoc networks [C]// 2009 International Conference on Future Networks. Bangkok， Thailand： IEEE， 2009： 13-17.

[4] SALEET H， BASIR O， LANGAR R， et al. Region-based location-service-management protocol for VANETs [J]. IEEE Transactions on Vehicular Technology， 2010， 59（2）： 917-931.

[5] ZHU K， NIYATO D， WANG P， et al. Mobility and handoff management in vehicular networks： a survey [J]. Wireless Communications and Mobile Computing， 2011， 11（4）： 459-476.

Network control recognition of intelligent power distribution cloud based on fuzzy cloud theory model

ZHENG Xiao-fa， YANG Li

（Chongqing Electromechanical Vocational Insititute， Chongqing 402760， China）

Abstract： For traditional uncertain time delay robust control system can not meet the demand of users of new power cloud networked control， a kind of network control recognition of intelligent power distribution cloud is proposed， which is based on fuzzy cloud theory model. A cloud theory system model is adopted， which is based on the optimization of the traditional data values and power cloud networked control data， and the problem of untimely control effect feedback of the uncertain and robust control system is solved with the cloud theoretical result instead of predictive value of controlled node. Meanwhile， the power supply system performance index is introduced into the power cloud networked control calculator to modify the weighting coefficient through positive operation method， and realized the optimal control of smart distribution cloud networked control. Simulation results show that the recognition method can optimize traditional uncertain delay robust control system， and has good adaptability， robustness， and controllability. Meanwhile， it can further improve the control performance of smart distribution cloud networked control.

Keywords： fuzzy cloud theory； perception； intelligent power distribution control； power cloud； networked control

（15）

為了得到感知智能配電云網(wǎng)絡(luò)的形成， 可將式（15）寫成：

（16）

式中m=5。

（17）

（18）

基于梯度優(yōu)化的感知智能配電云網(wǎng)絡(luò)化云理論模型控制計(jì)算器法設(shè)系統(tǒng)的性能指標(biāo)為：

（19）

式中，d為云理論步數(shù)。令加權(quán)系數(shù)μi的調(diào)整沿著J（κ）對(duì)μi的云模型中正向云算法進(jìn)行搜索，即有：

（20）

根據(jù)式（16）、（19）、（20），有：

（21）

相應(yīng)的，對(duì)μ1，μ2，μ3，則分別有：

（22）

式中，ψ1，ψ3，ψ3分別表示感知電力積分、感知電力比例和感知電力微分項(xiàng)的學(xué)習(xí)速度。通常未知，利用符號(hào)信息sign[]近似代替，即：

（23）

上述代替后所帶來的影響可通過調(diào)整學(xué)習(xí)速度來補(bǔ)償。

1.3 仿真數(shù)據(jù)分析

本課題運(yùn)用該方法的有效性，利用文獻(xiàn)[2]中的一個(gè)不確定滯魯棒控制系統(tǒng)模型如式（24）作為仿真研究節(jié)點(diǎn)，τγ=1、γ，給定輸入r（τ）=m（τ），模糊云理論計(jì)算器的建模維數(shù)m=24，云理論步數(shù)d=6。

（24）

基于常規(guī)電力云網(wǎng)絡(luò)化控制、模糊云理論電力云網(wǎng)絡(luò)化控制以及本課題提出的基于模糊云理論系統(tǒng)模型可感知智能配電云網(wǎng)絡(luò)化控制的控制干擾。利用Matlab 7.0得到的仿真結(jié)果如圖2所示。

從圖2可以看出，模糊云理論控制可以有效地減小系統(tǒng)超調(diào)量并縮短調(diào)節(jié)時(shí)間。本課題提出的一種基于模糊云理論系統(tǒng)模型的感知智能配電云網(wǎng)絡(luò)化控制結(jié)合了電力云網(wǎng)絡(luò)化控制和模糊云理論控制的特點(diǎn)，使系統(tǒng)具有良好的動(dòng)態(tài)特性，與電力云網(wǎng)絡(luò)化控制相比可以顯著減小系統(tǒng)超調(diào)量和系統(tǒng)振蕩，使系統(tǒng)更為快速地收斂到目標(biāo)值；與一般的模糊云理論控制相比，本課題提出云理論模型控制計(jì)算器法可使系統(tǒng)收斂更快。

圖2 模糊感知智能配電云網(wǎng)絡(luò)化控制仿真

2 結(jié) 語

本文提出的一種基于模糊云理論系統(tǒng)模型的感知智能配電云網(wǎng)絡(luò)化控制，將模糊云理論系統(tǒng)模型與感知智能配電云網(wǎng)絡(luò)化控制相結(jié)合，利用同時(shí)優(yōu)化傳統(tǒng)數(shù)據(jù)值和電力云網(wǎng)絡(luò)化控制數(shù)據(jù)的一種基于云理論模型作為云理論系統(tǒng)模型，提高了模糊模型的云理論精度，攻破時(shí)滯，利用基于梯度優(yōu)化的感知智能配電云網(wǎng)絡(luò)化控制計(jì)算器，實(shí)現(xiàn)了感知智能配電云網(wǎng)絡(luò)化的最優(yōu)控制?；趯?shí)驗(yàn)仿真證明，該識(shí)別方法優(yōu)化傳統(tǒng)的不確定滯魯棒控制系統(tǒng)具有良好的適應(yīng)性、魯棒性、控制性以及進(jìn)一步改善智能配電云網(wǎng)絡(luò)化控制的各種性能指標(biāo)。

參 考 文 獻(xiàn)

[1] JARUPAN B， EKICI E. PROMPT： a cross layer position-based communication protocol for delay-aware vehicular access networks [J]. Ad Hoc Networks， 2010， 8（5）： 489-505.

[2] MAJEED A， RAZAK S， ABU-GHAZALEH N， et al. TCP over multi-Hop wireless networks： the impact of MAC level interactions [J]. Ad-Hoc， Mobile and Wireless Networks， 2009， 5793：1-15.

[3] NASRI A， FATHY M， HAJISHEYKHI R. A cross layered scheme for broadcasting at intersections in vehicular ad hoc networks [C]// 2009 International Conference on Future Networks. Bangkok， Thailand： IEEE， 2009： 13-17.

[4] SALEET H， BASIR O， LANGAR R， et al. Region-based location-service-management protocol for VANETs [J]. IEEE Transactions on Vehicular Technology， 2010， 59（2）： 917-931.

[5] ZHU K， NIYATO D， WANG P， et al. Mobility and handoff management in vehicular networks： a survey [J]. Wireless Communications and Mobile Computing， 2011， 11（4）： 459-476.

Network control recognition of intelligent power distribution cloud based on fuzzy cloud theory model

ZHENG Xiao-fa， YANG Li

（Chongqing Electromechanical Vocational Insititute， Chongqing 402760， China）

Abstract： For traditional uncertain time delay robust control system can not meet the demand of users of new power cloud networked control， a kind of network control recognition of intelligent power distribution cloud is proposed， which is based on fuzzy cloud theory model. A cloud theory system model is adopted， which is based on the optimization of the traditional data values and power cloud networked control data， and the problem of untimely control effect feedback of the uncertain and robust control system is solved with the cloud theoretical result instead of predictive value of controlled node. Meanwhile， the power supply system performance index is introduced into the power cloud networked control calculator to modify the weighting coefficient through positive operation method， and realized the optimal control of smart distribution cloud networked control. Simulation results show that the recognition method can optimize traditional uncertain delay robust control system， and has good adaptability， robustness， and controllability. Meanwhile， it can further improve the control performance of smart distribution cloud networked control.

Keywords： fuzzy cloud theory； perception； intelligent power distribution control； power cloud； networked control

（15）

為了得到感知智能配電云網(wǎng)絡(luò)的形成， 可將式（15）寫成：

（16）

式中m=5。

（17）

（18）

基于梯度優(yōu)化的感知智能配電云網(wǎng)絡(luò)化云理論模型控制計(jì)算器法設(shè)系統(tǒng)的性能指標(biāo)為：

（19）

式中，d為云理論步數(shù)。令加權(quán)系數(shù)μi的調(diào)整沿著J（κ）對(duì)μi的云模型中正向云算法進(jìn)行搜索，即有：

（20）

根據(jù)式（16）、（19）、（20），有：

（21）

相應(yīng)的，對(duì)μ1，μ2，μ3，則分別有：

（22）

式中，ψ1，ψ3，ψ3分別表示感知電力積分、感知電力比例和感知電力微分項(xiàng)的學(xué)習(xí)速度。通常未知，利用符號(hào)信息sign[]近似代替，即：

（23）

上述代替后所帶來的影響可通過調(diào)整學(xué)習(xí)速度來補(bǔ)償。

1.3 仿真數(shù)據(jù)分析

本課題運(yùn)用該方法的有效性，利用文獻(xiàn)[2]中的一個(gè)不確定滯魯棒控制系統(tǒng)模型如式（24）作為仿真研究節(jié)點(diǎn)，τγ=1、γ，給定輸入r（τ）=m（τ），模糊云理論計(jì)算器的建模維數(shù)m=24，云理論步數(shù)d=6。

（24）

基于常規(guī)電力云網(wǎng)絡(luò)化控制、模糊云理論電力云網(wǎng)絡(luò)化控制以及本課題提出的基于模糊云理論系統(tǒng)模型可感知智能配電云網(wǎng)絡(luò)化控制的控制干擾。利用Matlab 7.0得到的仿真結(jié)果如圖2所示。

從圖2可以看出，模糊云理論控制可以有效地減小系統(tǒng)超調(diào)量并縮短調(diào)節(jié)時(shí)間。本課題提出的一種基于模糊云理論系統(tǒng)模型的感知智能配電云網(wǎng)絡(luò)化控制結(jié)合了電力云網(wǎng)絡(luò)化控制和模糊云理論控制的特點(diǎn)，使系統(tǒng)具有良好的動(dòng)態(tài)特性，與電力云網(wǎng)絡(luò)化控制相比可以顯著減小系統(tǒng)超調(diào)量和系統(tǒng)振蕩，使系統(tǒng)更為快速地收斂到目標(biāo)值；與一般的模糊云理論控制相比，本課題提出云理論模型控制計(jì)算器法可使系統(tǒng)收斂更快。

圖2 模糊感知智能配電云網(wǎng)絡(luò)化控制仿真

2 結(jié) 語

本文提出的一種基于模糊云理論系統(tǒng)模型的感知智能配電云網(wǎng)絡(luò)化控制，將模糊云理論系統(tǒng)模型與感知智能配電云網(wǎng)絡(luò)化控制相結(jié)合，利用同時(shí)優(yōu)化傳統(tǒng)數(shù)據(jù)值和電力云網(wǎng)絡(luò)化控制數(shù)據(jù)的一種基于云理論模型作為云理論系統(tǒng)模型，提高了模糊模型的云理論精度，攻破時(shí)滯，利用基于梯度優(yōu)化的感知智能配電云網(wǎng)絡(luò)化控制計(jì)算器，實(shí)現(xiàn)了感知智能配電云網(wǎng)絡(luò)化的最優(yōu)控制?；趯?shí)驗(yàn)仿真證明，該識(shí)別方法優(yōu)化傳統(tǒng)的不確定滯魯棒控制系統(tǒng)具有良好的適應(yīng)性、魯棒性、控制性以及進(jìn)一步改善智能配電云網(wǎng)絡(luò)化控制的各種性能指標(biāo)。

參 考 文 獻(xiàn)

[1] JARUPAN B， EKICI E. PROMPT： a cross layer position-based communication protocol for delay-aware vehicular access networks [J]. Ad Hoc Networks， 2010， 8（5）： 489-505.

[2] MAJEED A， RAZAK S， ABU-GHAZALEH N， et al. TCP over multi-Hop wireless networks： the impact of MAC level interactions [J]. Ad-Hoc， Mobile and Wireless Networks， 2009， 5793：1-15.

[3] NASRI A， FATHY M， HAJISHEYKHI R. A cross layered scheme for broadcasting at intersections in vehicular ad hoc networks [C]// 2009 International Conference on Future Networks. Bangkok， Thailand： IEEE， 2009： 13-17.

[4] SALEET H， BASIR O， LANGAR R， et al. Region-based location-service-management protocol for VANETs [J]. IEEE Transactions on Vehicular Technology， 2010， 59（2）： 917-931.

[5] ZHU K， NIYATO D， WANG P， et al. Mobility and handoff management in vehicular networks： a survey [J]. Wireless Communications and Mobile Computing， 2011， 11（4）： 459-476.

Network control recognition of intelligent power distribution cloud based on fuzzy cloud theory model

ZHENG Xiao-fa， YANG Li

（Chongqing Electromechanical Vocational Insititute， Chongqing 402760， China）

Abstract： For traditional uncertain time delay robust control system can not meet the demand of users of new power cloud networked control， a kind of network control recognition of intelligent power distribution cloud is proposed， which is based on fuzzy cloud theory model. A cloud theory system model is adopted， which is based on the optimization of the traditional data values and power cloud networked control data， and the problem of untimely control effect feedback of the uncertain and robust control system is solved with the cloud theoretical result instead of predictive value of controlled node. Meanwhile， the power supply system performance index is introduced into the power cloud networked control calculator to modify the weighting coefficient through positive operation method， and realized the optimal control of smart distribution cloud networked control. Simulation results show that the recognition method can optimize traditional uncertain delay robust control system， and has good adaptability， robustness， and controllability. Meanwhile， it can further improve the control performance of smart distribution cloud networked control.

Keywords： fuzzy cloud theory； perception； intelligent power distribution control； power cloud； networked control