利莎

摘要：本文介紹了人工神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)的短期負(fù)荷預(yù)測(cè)、多狀態(tài)振蕩的阻擋、諧波源的檢測(cè)與辨識(shí)等方面的應(yīng)用。

關(guān)鍵詞：電力系統(tǒng)；人工神經(jīng)網(wǎng)絡(luò)；智能控制

1、負(fù)荷預(yù)報(bào)及網(wǎng)損計(jì)算的人工神經(jīng)網(wǎng)絡(luò)方法

1.1 短期負(fù)荷預(yù)報(bào)的人工神經(jīng)網(wǎng)絡(luò)方法

為了用戶安全、經(jīng)濟(jì)地提供高質(zhì)量的電能，電力部門必須解決運(yùn)行、控制、規(guī)劃等方面的許多技術(shù)、經(jīng)濟(jì)問(wèn)題。為了實(shí)現(xiàn)對(duì)電力系統(tǒng)的最佳規(guī)劃與運(yùn)行，獲得最好的經(jīng)濟(jì)效益，系統(tǒng)工程理論與優(yōu)化技術(shù)在電力系統(tǒng)中廣泛濫用。應(yīng)用這些理論與技術(shù)的前提是預(yù)先知道系統(tǒng)的負(fù)荷大小。因此長(zhǎng)期的和短期的負(fù)荷預(yù)報(bào)是一個(gè)很重要的課題。

短期負(fù)荷預(yù)報(bào)主要用于電力系統(tǒng)的控制與調(diào)度，作為潮流計(jì)算及偶發(fā)事故分析的輸入量。而傳統(tǒng)的方法幾乎毫無(wú)例外地屬于時(shí)間序列的范疇，近年也利用專家系統(tǒng)進(jìn)行負(fù)荷預(yù)報(bào)。在已有的幾利負(fù)荷模型中，有的在時(shí)間序列中沒(méi)有考慮氣候的影響。而在計(jì)及氣候影響的模型中，要求寫出負(fù)荷與影響負(fù)荷的各個(gè)因素之間的解析表達(dá)式，這往往非常困難。人工神經(jīng)網(wǎng)絡(luò)則無(wú)需寫出未來(lái)負(fù)荷與各個(gè)影響因素之間的解析表達(dá)式，通過(guò)樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練即可。于是，人工神經(jīng)網(wǎng)絡(luò)方法成為提高負(fù)荷預(yù)報(bào)精度、縮短預(yù)報(bào)的計(jì)算時(shí)間的有效途徑，負(fù)荷預(yù)報(bào)成為人工神經(jīng)網(wǎng)絡(luò)方法最有前景的應(yīng)用領(lǐng)域之一。

1.2 網(wǎng)損計(jì)算的人工神經(jīng)元方法

理論上可以采用潮流計(jì)算方法求得任一時(shí)刻的有功功率損耗，對(duì)時(shí)問(wèn)積分求出能量損耗。但由于電網(wǎng)特別是低壓電網(wǎng)元件眾多，接線復(fù)雜、測(cè)量數(shù)據(jù)不等原因，使得準(zhǔn)確的潮流計(jì)算難以進(jìn)行，無(wú)法得到準(zhǔn)確的網(wǎng)損。不得不采用一些粗略的、近似的計(jì)算方法，如日均方根電流法、回歸分析法等。但即使采用這些近似方法亦存在許多困難，而且結(jié)果不盡人意。人工神經(jīng)網(wǎng)絡(luò)無(wú)需寫出輸入與輸出之間的映射關(guān)系，經(jīng)過(guò)學(xué)習(xí)訓(xùn)練可以實(shí)現(xiàn)任意復(fù)雜的映射。因此人們自然想到人工神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的網(wǎng)損計(jì)算方法。

計(jì)算實(shí)踐表明，人工神經(jīng)網(wǎng)絡(luò)可以模擬網(wǎng)損與特征參數(shù)任意復(fù)雜的非線性關(guān)系，而且由于該方法是面向數(shù)據(jù)的，因而可以適用于一切網(wǎng)絡(luò)，即具有普適性。為了提高計(jì)算的精度，在對(duì)樣本進(jìn)行訓(xùn)練以前，可用Kohonen網(wǎng)絡(luò)對(duì)樣本按特征進(jìn)行分類，得到用于同一類網(wǎng)損計(jì)算的專用的人工神經(jīng)網(wǎng)絡(luò)模型，在專用網(wǎng)絡(luò)上對(duì)輸人數(shù)據(jù)用反傳（BP）算法進(jìn)行訓(xùn)練。

2 電力系統(tǒng)穩(wěn)定分析的人工神經(jīng)網(wǎng)絡(luò)方法

2.1 人工神經(jīng)網(wǎng)絡(luò)技術(shù)為基礎(chǔ)的電力系統(tǒng)動(dòng)態(tài)穩(wěn)定分析

對(duì)動(dòng)態(tài)穩(wěn)定問(wèn)題進(jìn)行研究的要求是計(jì)算的有效性好，計(jì)算精度高。特征根法是通過(guò)計(jì)算線性微分方程的系數(shù)矩陣的特征根來(lái)估計(jì)系統(tǒng)的穩(wěn)定性的，是研究動(dòng)態(tài)穩(wěn)定問(wèn)題的傳統(tǒng)方法之一。該方法的優(yōu)點(diǎn)在于計(jì)算的有效性好，具有較好的魯棒性；其缺點(diǎn)是隨著電力系統(tǒng)的擴(kuò)大，計(jì)算時(shí)間會(huì)增長(zhǎng)。為此，廣大電力工程師和數(shù)學(xué)工作者為改進(jìn)特征根方法做了大量的工作。目前，主要應(yīng)用由Kohonen提出的自組織特征映射網(wǎng)絡(luò)，即無(wú)指導(dǎo)的正傳網(wǎng)絡(luò)來(lái)對(duì)系統(tǒng)進(jìn)行分類并解決動(dòng)態(tài)穩(wěn)定指標(biāo)的問(wèn)題。這一方法的基小思想在于求s矩陣的臨界特征根，求出動(dòng)態(tài)穩(wěn)定指標(biāo)。傳統(tǒng)方法是通過(guò)識(shí)別穩(wěn)定域來(lái)解決穩(wěn)定問(wèn)題，該方法則是求出穩(wěn)定指標(biāo)來(lái)解決穩(wěn)定問(wèn)題。

2.2 人工神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的多機(jī)電力系統(tǒng)穩(wěn)定器

電力系統(tǒng)穩(wěn)定器（PSS）是抑制電力系統(tǒng)振蕩特別是電力系統(tǒng)低頻振蕩的有效措施。傳統(tǒng)的PSS是以電力系統(tǒng)某一給定運(yùn)行點(diǎn)為基礎(chǔ)進(jìn)行設(shè)計(jì)的，一旦電力系統(tǒng)接線發(fā)生變化或者運(yùn)行點(diǎn)發(fā)生變化，PSS的運(yùn)行特性往往變差。隨著電力系統(tǒng)的發(fā)展和對(duì)電能質(zhì)量要求的提高，人們正在研究新的控制技術(shù)以提高電力系統(tǒng)穩(wěn)定性，人工神經(jīng)網(wǎng)絡(luò)的研究為改善電力系統(tǒng)的穩(wěn)定性開辟了一條新的途徑。研究表明，其主要特點(diǎn)是：

（1）ANN是自適應(yīng)的?？梢栽陔姍C(jī)整個(gè)工作范同內(nèi)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。即使電廠的運(yùn)行條件變化，訓(xùn)練好的

神經(jīng)網(wǎng)絡(luò)也可以達(dá)到很好的控制效果。（2）南于ANN是并行結(jié)構(gòu)，ANN控制器的計(jì)算時(shí)問(wèn)遠(yuǎn)比其他控制方案短。（3）

ANN是魯棒的，即使輸入數(shù)據(jù)不完整或者信號(hào)中含有噪聲，ANN也能得到正確的結(jié)果。

將發(fā)電廠的加速功率作為發(fā)電廠的輸出、延時(shí)的響應(yīng)、延時(shí)的勵(lì)磁系統(tǒng)的附加信號(hào)一起作為ANN PSS的輸入信號(hào)。ANN PSS也采用多層系統(tǒng)和誤差反傳訓(xùn)練方法。模擬試驗(yàn)的結(jié)果表明，訓(xùn)練合理的ANN PSS可以在很大的運(yùn)行范圍內(nèi)給電力系統(tǒng)提供很好的阻擋作用，顯著地改善電力系統(tǒng)的動(dòng)態(tài)特性。

3、電力系統(tǒng)辨識(shí)與測(cè)量的人工神經(jīng)網(wǎng)絡(luò)方法

3.1 無(wú)功測(cè)量的人工神經(jīng)網(wǎng)絡(luò)方法

現(xiàn)代電力系統(tǒng)中的許多負(fù)荷是非線性的，會(huì)產(chǎn)牛大量諧波，對(duì)電能質(zhì)量造成影響。這些負(fù)荷的快速變動(dòng)是對(duì)供電網(wǎng)絡(luò)的擾動(dòng)，通常會(huì)造成電網(wǎng)電壓的波動(dòng)，造成對(duì)聯(lián)于同一網(wǎng)絡(luò)上其他負(fù)荷的閃變。為了對(duì)付這快速變化的無(wú)功功率通常需要裝設(shè)無(wú)功補(bǔ)償裝置。雖然現(xiàn)代的電力電子設(shè)備能提供快速的無(wú)功補(bǔ)償，但快速的無(wú)功補(bǔ)償需對(duì)各時(shí)刻的無(wú)功功率進(jìn)行準(zhǔn)確的測(cè)量和計(jì)算，以便實(shí)現(xiàn)對(duì)補(bǔ)償裝置有效地控制，采用誤差反傳神經(jīng)網(wǎng)絡(luò)能計(jì)算無(wú)功功率的瞬時(shí)值，其精度與采用傳統(tǒng)方法用極高的采樣頻率得到的結(jié)果相當(dāng)，因而是成功的，而且具有很好的應(yīng)用前景。

3.2 電壓與電流波形實(shí)時(shí)識(shí)別的人工神經(jīng)網(wǎng)絡(luò)方法

保護(hù)和控制均需對(duì)電流電壓波形進(jìn)行實(shí)時(shí)的估計(jì)，因此提出了許多數(shù)值計(jì)算方法，如傅立葉級(jí)數(shù)、卡爾曼濾波技術(shù)等。但這些算法都不是并行的，計(jì)算速度上的局限性很大，很難用于實(shí)時(shí)的保護(hù)與控制計(jì)算中。Tank和Hopfield等人就說(shuō)明過(guò)如何將簡(jiǎn)單的模擬處理器緊密連接起來(lái)解決優(yōu)化問(wèn)題和信號(hào)處理問(wèn)題。美國(guó)學(xué)者Kennedy和蔡少棠等人將該方法推廣到處理一般的非線性網(wǎng)絡(luò)問(wèn)題。人工神經(jīng)網(wǎng)絡(luò)方法為許多信號(hào)處理問(wèn)題（如信號(hào)恢復(fù)問(wèn)題），提供了一種全新的思路。其中一種用于正弦信號(hào)參數(shù)的在線估計(jì)的神經(jīng)網(wǎng)絡(luò)方法，是最速下降連續(xù)時(shí)間優(yōu)化算法，而優(yōu)化算法的解答由人工神經(jīng)網(wǎng)絡(luò)得到。

3.3 電力系統(tǒng)諧波源的監(jiān)控與辨識(shí)

諧波源實(shí)際上是非線性負(fù)荷，可以使得電壓波形畸變到不可接受的程度。利用冗余的帶噪聲的測(cè)量信息，電力系統(tǒng)狀態(tài)估計(jì)理論可對(duì)基波電壓、潮流進(jìn)行估計(jì)。該技術(shù)還可用于對(duì)諧波波形的估計(jì)。在電力系統(tǒng)諧波分析中，可用狀態(tài)估計(jì)方法對(duì)諧波源進(jìn)行辨識(shí)。但這需要在電力系統(tǒng)中裝設(shè)大量諧波測(cè)量裝置，對(duì)電力系統(tǒng)諧波進(jìn)行連續(xù)測(cè)量。因此人們希望裝盡可能少的檢測(cè)儀器，檢測(cè)盡量少的母線，利用狀態(tài)估計(jì)來(lái)預(yù)估。這對(duì)于設(shè)計(jì)補(bǔ)償器來(lái)改善諧波電流和改善功率因數(shù)都是有益的。做到這一點(diǎn)就需要用初始估計(jì)，或者說(shuō)用偽測(cè)量來(lái)代替實(shí)際的諧波測(cè)量。一般而言，一個(gè)有n個(gè)復(fù)狀態(tài)的網(wǎng)絡(luò)至少要有n個(gè)復(fù)數(shù)測(cè)量來(lái)計(jì)算未知量，再用n+1個(gè)測(cè)量來(lái)改進(jìn)未知狀態(tài)的估計(jì)值。在基波分析中，用偽測(cè)量得到必需數(shù)量的測(cè)量值或者增加數(shù)據(jù)的冗余度。而在諧波估計(jì)中，一般說(shuō)來(lái)，偽測(cè)量很難奏效.原因是諧波源是變化的，而且直接測(cè)量很困難。人工神經(jīng)網(wǎng)絡(luò)代替諧波狀態(tài)估計(jì)的偽測(cè)量，即是將人工神經(jīng)網(wǎng)絡(luò)與狀態(tài)方法結(jié)合應(yīng)用，可直接采用線性估計(jì)法。人工神經(jīng)網(wǎng)絡(luò)用于電力系統(tǒng)非線性負(fù)荷的諧波源的初始估計(jì)值，可以在較少的點(diǎn)上對(duì)諧波電流進(jìn)行連續(xù)的測(cè)試。再將這些估計(jì)值用于狀態(tài)估計(jì)器，則可發(fā)現(xiàn)其他的未知的諧波源。

總之。隨著人工智能技術(shù)的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)及模糊控制的綜合對(duì)于電力系統(tǒng)這個(gè)復(fù)雜的動(dòng)態(tài)大系統(tǒng)來(lái)說(shuō)應(yīng)用潛力巨大。人工神經(jīng)網(wǎng)絡(luò)的形象思維能力、專家系統(tǒng)的邏輯思維能力和模糊邏輯這三者的結(jié)合，既可體現(xiàn)出各自的優(yōu)勢(shì)，又可互相彌補(bǔ)。

參考文獻(xiàn)：

[1]楊啟平，藍(lán)之達(dá)，基于人工神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[J]變壓器，2000，37（3）

[2] 楊勇，人工神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)中的應(yīng)用與展望[J]電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2001，01