胡石磊　李雨通

摘 要：針對(duì)多機(jī)電力系統(tǒng)汽門開度控制問題提出了基于自適應(yīng)動(dòng)態(tài)面算法的控制方案，所設(shè)計(jì)控制律僅反饋本地量，實(shí)現(xiàn)了完全分散控制?？刂破髟O(shè)計(jì)過程中未對(duì)系統(tǒng)進(jìn)行任何線性化，保留了電力系統(tǒng)非線性特性。文章采用神經(jīng)網(wǎng)絡(luò)逼近系統(tǒng)中存在的未知項(xiàng)和非線性關(guān)聯(lián)項(xiàng)，同時(shí)用動(dòng)態(tài)面方法克服傳統(tǒng)反推法中存在的“微分爆炸”問題，簡化控制律的設(shè)計(jì)。最后穩(wěn)定性分析證明，閉環(huán)系統(tǒng)的所有信號(hào)半全局一致有界。在兩機(jī)系統(tǒng)中的仿真結(jié)果進(jìn)一步驗(yàn)證了所設(shè)計(jì)控制器的有效性。

關(guān)鍵詞：汽門開度 動(dòng)態(tài)面 神經(jīng)網(wǎng)絡(luò) 分散控制

中圖分類號(hào)：TM712 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2015）11（a）-0082-03

電力系統(tǒng)是由許多元件和設(shè)備組成的復(fù)雜系統(tǒng)，特別是隨著跨區(qū)域互聯(lián)電網(wǎng)的發(fā)展，電網(wǎng)的規(guī)模不斷擴(kuò)大、復(fù)雜程度不斷增加，使得電力系統(tǒng)穩(wěn)定問題變得更加嚴(yán)峻，因此研究有效控制措施改善電力系統(tǒng)穩(wěn)定性和動(dòng)態(tài)品質(zhì)有重要意義。

汽門開度控制對(duì)改善電力系統(tǒng)穩(wěn)定性有重要作用，不僅能夠改善電力系統(tǒng)大干擾穩(wěn)定，還可以改善小干擾穩(wěn)定，抑制低頻振蕩等[1]，針對(duì)單機(jī)汽門開度控制問題已經(jīng)有許多研究成果，而對(duì)多機(jī)電力系統(tǒng)這樣動(dòng)態(tài)大系統(tǒng)，控制器設(shè)計(jì)是一個(gè)難題，為了便于工程實(shí)現(xiàn)，人們提出了基于本地狀態(tài)量實(shí)現(xiàn)控制器設(shè)計(jì)的分散控制策略[2]。對(duì)復(fù)雜的電力系統(tǒng)，獲得精確模型是困難的，為此可采用神經(jīng)網(wǎng)絡(luò)等一些不用基于精確數(shù)學(xué)模型的方法處理此問題[3]。文獻(xiàn)[3]結(jié)合反推法和神經(jīng)網(wǎng)絡(luò)，設(shè)計(jì)了多機(jī)電力系統(tǒng)汽門開度控制器，但會(huì)出現(xiàn) “微分爆炸”問題，所獲得的控制律比較復(fù)雜。受到文獻(xiàn)[3]的啟發(fā)，該文設(shè)計(jì)了基于自適應(yīng)動(dòng)態(tài)面算法的多機(jī)汽門開度分散控制器，所設(shè)計(jì)的控制器僅反饋本地量測(cè)量，實(shí)現(xiàn)了完全分散控制。

4 仿真研究

考慮兩機(jī)系統(tǒng)，分別選取理想輸出，控制目標(biāo)是根據(jù)第三部分的設(shè)計(jì)結(jié)果，使系統(tǒng)的實(shí)際輸出能跟蹤理想輸出，仿真參數(shù)見文獻(xiàn)[7]。

仿真結(jié)果如圖1、圖2所示。

從仿真圖1、圖2可以看出在所設(shè)計(jì)控制器作用下，系統(tǒng)可以很好地跟蹤給定參考軌跡，在控制器作用下系統(tǒng)跟蹤誤差可以很快就收斂到很小，說明所設(shè)計(jì)控制器的有效性。

5 結(jié)語

將動(dòng)態(tài)面方法和神經(jīng)網(wǎng)絡(luò)方法相結(jié)合來研究多機(jī)汽門開度控制問題，不僅可以實(shí)現(xiàn)完全分散控制，而且設(shè)計(jì)過程完整保留了系統(tǒng)非線性特性，所設(shè)計(jì)的控制律簡單，減輕了計(jì)算負(fù)擔(dān)。穩(wěn)定性分析證明閉環(huán)系統(tǒng)所有信號(hào)最終一致有界。仿真結(jié)果證明了方法的有效性。

參考文獻(xiàn)

[1] 孫妙平.時(shí)滯多機(jī)電力系統(tǒng)氣門開度的分散控制研究[D].湖南：中南大學(xué)，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] 盧強(qiáng)，梅生偉，孫元章.電力系統(tǒng)非線性控制[M].北京：清華大學(xué)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] 蔡靜雯，孫麗穎.多機(jī)電力系統(tǒng)汽門開度直接模糊backstepping控制[J].遼寧工業(yè)大學(xué)學(xué)報(bào)，2014，34（6）：351-355.