现代控制理论在电力系统中的应用

现代控制理论在电力系统中的应用摘要：现代控制理论的发展和应用极大地促进了其他学科的发展，改变的社会生产和人们生活的面貌。本文介绍了现代控制理论的发展历程与研究内容，并介绍现代控制理论在电力系统中的应用，表明了现代控制理论对于电力系统发展的重要意义。关键词：现代控制理论；电力系统；应用；意义1.引言控制理论作为一门科学技术，已经广泛地运用于各个行业。20世纪以来，控制理论与方法对电力工业的进步做出了巨大贡献，随着控制理论的发展和电力系统的日益复杂化，电力系统控制包含的内容也越来越丰富。2.现代控制理论的产生与发展现代控制理论的产生和发展经过了很长的时期。从现代控制理论的发展历程可以看出，它的发展过程反映了人类由机械化时代进入电气化时代，并走向自动化、信息化、智能化时代。其产生和发展要分为以下几个阶段的发展。2.1现代控制理论的产生在二十世纪五十年代末开始，随着计算机的飞速发展，推动了核能技术、空间技术的发展，从而对出现的多输入多输出系统、非线性系统和时变系统的分析与设计问题的解决。科学技术的发展不仅需要迅速地发展控制理论，而且也给现代控制理论的发展准备了两个重要的条件—现代数学和数字计算机。现代数学，例如泛函分析、现代代数等，为现代控制理论提供了多种多样的分析工具；而数字计算机为现代控制理论发展提供了应用的平台。2.2现代控制理论的发展五十年代后期，贝尔曼等人提出了状态分析法；在1957年提出了动态规则；1959年卡尔曼和布西创建了卡尔曼滤波理论；1960年在控制系统的研究中成功地应用了状态空间法，并提出了可控性和可观测性的新概念；1961年庞特里亚金提出了极小（大）值原理；罗森布洛克、麦克法轮和欧文斯研究了使用于计算机辅助控制系统设计的现代频域法理论，将经典控制理论传递函数的概念推广到多变量系统，并探讨了传递函数矩阵与状态方程之间的等价转换关系，为进一步建立统一的线性系统理论奠定了基础。20世纪70年代奥斯特隆姆和朗道在自适应控制理论和应用方面作出了贡献。与此同时，关于系统辨识、最优控制、离散时间系统和自适应控制的发展大大丰富了现代控制理论的内容。3.现代控制理论的内容及研究方法现代控制理论的内容主要有为系统辨识；最优控制问题；自适应控制问题；线性系统基本理论；最佳滤波或称最佳估计。3.1系统辨识系统辨识是建立系统动态模型的方法。根据系统的输入输出的试验数据，从一类给定的模型中确定一个被研究系统本质特征等价的模型，并确定其模型的结构和参数。3.2最优控制问题在给定约束条件和性能指标下，寻找使系统性能指标最佳的控制规律。主要方法有变分法、极大值原理、动态规划等极大值原理。现代控制理论的核心即：使系统的性能指标达到最优（最小或最大）某一性能指标最优：如时间最短或燃料消耗最小等。3.3自适应控制问题在控制系统中，控制器能自动适应内外部参数、外部环境变化，自动调整控制作用，使系统达到一定意义下的最优。3.4线性系统基本理论包括系统的数学模型、运动的分析、稳定性的分析、能控及能观测性及状态反馈与观测器等问题。3.5最佳滤波或称最佳估计当系统中存在随机干扰和环境噪声时，其综合必须应用概率和统计方法进行。即：已知系统数学模型，通过输入输出数据的测量，利用统计方法对系统状态估计。4.现代控制理论在电力系统中的应用4.1线性最优控制随着电力系统的发展和单机容量的增大，经典控制理论设计的工业装置不能很好满足日益复杂的电力系统对振荡抑制以及稳态电压调节精度等方面的要求。线性最优控制是现代控制理论中最优控制领域的一个重要分支。其受控系统是动态行为可用线性数学模型表征的系统。在改善电力系统小干扰稳定性及动态品质方面，线性最优控制是目前诸多现代电力系统控制中应用最多，最成熟的一个分支，在远距离输电系统的发电机励磁控制、发电机组快速汽门控制、发电机组的综合控制、发电机制动电阻的最优时间控制等方面取得了一系列的研究成果[1]。4.2非线性控制进入20世纪80年代，电力系统的高度非线性、设备间的强耦合性和不可避免的不确定性成为制约控制器发挥性能的主要因素。为此，非线性控制开始被引入到电力系统控制器的设计中来。4.2.1基于微分几何的非线性最优控制20世纪80年代，微分几何方法与非线性控制系统设计问题相结合，形成了非线性控制系统几何结构理论体系[2-5].电力系统固有的非线性特性是促成研究微分几何控制的主要原因，取得了许多有意义的成果。文献[6]提出了一种局部测量反馈的多机电力系统发电机励磁非线性控制器的设计方法，应用微分几何控制理论，得到了闭环非线性解析控制规律，反馈量仅需测量该台发电机的状态量，与网络结构和参数以及其他发电机的状态无直接关系，从而实现了发电机间的解耦控制。文献[7]基于反馈线性化和线性最优控制提出了一种非线性最优励磁控制器，从理论上证明了该非线性控制律在最优意义上与精确线性化后的线性系统二次型最优控制是等价的，是一种非线性最优控制。该控制律同样只利用本地信息进行最优励磁控制器设计，与系统网络参数解耦。仿真证明该控制器适用于大干扰的情况。4.2.2基于微分博弈的非线性鲁棒控制为提高电力系统的鲁棒稳定性，上世纪90年代末非线性鲁棒控制理论开始受到重视。非线性鲁棒控制是微分几何和微分博弈理论的综合和发展，文献[8-10]考虑了包含干扰的电力系统一般仿射非线性动态模型，进而利用微分几何方法并结合微分博弈理论，提出了反馈线性化设计方法。文献[11]基于微分对策并结合中心流形理论，提出了基于状态-动态-量测的SDM混合反馈设计方法，提出了非线性控制器参数整定方法及动态量测量滤波输入方法，解决了非线性非最小相位系统的控制器设计难题。文献[12]系统地总结了这方面的工作，提出了电力系统非线性鲁棒控制器的程式化设计方法。4.2.3基于ADP的非线性控制由于电力系统的复杂性和不确定性等因素，用于控制的精确模型通常很难获得，此时系统的优化控制则很难实现。ADP作为一种以Bellman最优化原理为基础的先进动态优化理论，和以Pontryagin极小值原理为基础的最优控制联系紧密。ADP使用近似的方法来减小高维对计算所带来的影响，解决了动态规划(DP)面临的“维数灾”问题，从而使将其应用于大规模电力系统优化控制成为可能。ADP的原理是通过估计来获得余留代价函数，从而避免每个阶段内针对所有状态变量和控制变量进行精确计算，同时在总体代价最优的原则下进行策略更新，通过对系统响应进行评价不断提高估计精度，并逐步改进控制策略，以实现总体代价的最优[13]根据评论模块输出的不同，ADP有三种基本的实现方法:HDP、DHP和GDHP。近年来，这方面已经出现了一些相关的研究。文献[14]用DHP方法设计了发电机的励磁控制器,3机系统的数值仿真和动模实验表明，在各种干扰下系统动态性能优良;文献[15]将directHDP方法应用于SVC附加阻尼控制器和发电机附加励磁控制器，并给出了适合电力系统控制的初值选取方法。仿真测试表明，算法收敛性良好，控制器具有较强的鲁棒性和适应能力，可有效解决部分状态反馈和通信延时情况下的电力系统设备优化控制问题。aa5.结论现代控制理论在工业、农业、交通运输及国防建设等各个领域应用非常广泛，因此掌握现代控制理论的知识至关重要。20世纪以来，控制理论与方法对电力工业的进步做出了巨大贡献，随着控制理论的发展和电力系统的日益复杂化，电力系统控制包含的内容也越来越丰富。相信先进控制理论将使人们以更科学的方式来处理电力系统中面临的复杂控制问题，使之更好地造福于人类和社会。参考文献[1]卢强,王仲鸿,韩英铎.输电系统最优控制[M].北京:科学出版社,1982.[2]BrockettRW.Nonlinearsystemsanddifferentialgeometry[J].ProceedingsoftheIEEE,1976,64(1):61-72.[3]KhalilHK.Nonlinearsystems[M].NewJersey:PrenticeHall,2002.[4]程代展.非线性系统的几何理论[M].北京:科学出版社,1988.[5]IsidoriA.Nonlinearcontrolsystem[M].Spirng-Venag,1989.[6]CHENGDai-zhan,TarnTJ,IsidoriA.Globalexternallinearizationofnonlinearsystemsviafeedback[J].IEEETransonAutomaticControl,1985,30(8):808-811.[7]LUQiang,SUNYuan-zhang.Nonlinearstabilizingcontrolofmulti-machinesystems[J].IEEETransonPowerSystems,1989,4(1):236-241.[8]LUQiang,SUNYuan-zhang,XUZheng,etal.Decentralizednonlinearoptimalexcitationcontrol[J].IEEETransonPowerSystems,1996,11(4):1957-1962.[9]卢强,桂小阳,梅生伟,等.大型发电机组调速器的非线性最优PSS[J].电力系统自动化,2005,29(9):15-19.[10]LUQiang,GUIXiao-yang,MEISheng-wei,etal.Anovelnonlinearoptimalpowersystemstabilizerforthegovernoroflarge-scaledgenerators[J].AutomationofElectricPowerSystems,2005,29(9):15-19.[11]LUQiang,SUNYuan-zhang,MEISheng-wei.Nonlinearcontrolsystemsandpowersystemdynamics[M].Boston:KluwerAcademicPublishers,2001.[12]WerbosPJ.Advancedforecastingmethodsforglobalcrisiswarningandmodelsofintelligence[J].GeneralSystemsYearbook,1977,22:25-38.[13]VenayagamoorthyGK,HarleyRG,WunschDC.Dualheuristicprogrammingexcitationneuro-controlforgeneratorsinamulti-machinepowersystem[J].IEEETransactiononIndustryApplications,2003,39(2):382-394.[14]孙健.近似动态规划在电力系统稳定控制中的应用研究[D].北京:清华大学,2011.[15]张爱国,张建华,韩军锋,等.基于HDP算法的SSSC神经控制器设计[J].电力系统保护与控制,2010,38(23):87-92.