電力系統自動化控制技術探討

《電力系統自動化控制技術探討》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、電力系統自動化控制技術探討摘要：本文在對五種典型智能技術在電力系統自動化中的運用進行初步的分析，結合現有電力系統結構問題，，提出瞭電力系統自動化方案的應用模型，實現電力系統的自動化能有效提高電力部門的管理水平與效率關鍵詞：電力系統自動化智能技術計算機技術1電力系統自動化的概念電力系統自動化系統一般是指電工二次系統,即電力系統自動化指采用各種具有自動檢測、決策和控制功能的裝置並通過信號系統和數據傳輸系統對電力系統各個元件、局部系統或全系統進行就地或遠方自動監視、協調、調節和控制以保證電力系統安全穩定健康地運行和具有合格的電能質量［1］

2、2電力自動化系統的構成電力系統自動化是電力行業發展的髙階段，是電力行業不斷加強新技術引進與應用的突出成就，當前的電力系統自動化主要包括以下設備和部件:2.1系統調度自動化電力系統調度自動化是當前電力系統中發展最快的技術領域之一，它的主要功能構成為：電力系統數據采集與監控,其是實現調度自動化的基礎和前提；電力系統經濟運行與調度、電力市場運營與可靠性、發電廠運營決策等；變電站綜合自動化等［2］。電力系統調度自動化是電力系統自動化的核心與關鍵，對自動化系統的質量與穩定性有著重要影響2.2變電站自動化變電站綜合自動化系統是利用先進的計算機技

3、術、現代電子技術、通信技術和信息處理技術等實現對變電站二次設備（包括繼電保護、控制、測量、信號、故障錄波、自動裝置及遠動裝置等的功能進行重新組合、優化設計,對變電站全部設備的運行情況執行監視、測量、控制和協調的一種綜合性的自動化系統［3］。變電站綜合自動化是提高變電站安全穩定運行水平、降低運行維護成本、提高經濟效益、向用戶提供高質量電能的一項重要技術措施2.3配電網自動化配電網長期以來隻能采用手工操作進行控制，自90年代開始逐步發展實現瞭一批功能獨立的孤島自動化，其今後的發展趨勢必然走向基於先進通信技術的網絡自動化。配電網自動化主要

4、包括饋線自動化、自動制圖/設備管理/地理信息系統及配電網分析軟件，它是配電自動化的基礎部分。與傳統的孤島自動化相比,基於信息技術的配電網自動化的關鍵在於以下三點：大量的智能終端、通信技術和豐富的後臺軟件［4］。針對我國配電網的具體情況，配電網自動化應當分期分批逐步發展完善，最終實現對配電系統資源的綜合利用3電力自動化的智能技術隨著社會生産的不斷發展，人們對電力系統的控制提出瞭越來越高的要求，一些先進的控制手段不斷地引入電力系統［5］。目前主要有五種典型智能技術在電力系統中的運用十分常見3.1神經網絡控制技術由於神經網絡具有本質的非線

5、性特性、並行處理能力、強魯棒性以及自組織自學習的能力，所以受到人們的普遍關註。神經網絡是由大量簡單的神經元以一定的方式連接而成的。神經網絡將大量的信息隱含在其連接權值上，根據一定的學習算法調節權值,使神經網絡實現從m維空間到n維空間復雜的非線性映射［6］。目前神經網絡理論研究主要集中在神經網絡模型及結構的研究、神經網絡學習算法的研究、神經網絡的硬件實現問題等3.2模糊邏輯控制技術模糊方法使控制十分簡單而易於掌握,在傢用電器中也顯示出優越性建立模型來實現控制是現代比較先進的方法，實踐證明它有巨大的優越性。模糊控制理論的應用非常廣泛。例

6、如我們日常所用的電熱爐、電風扇等電器。這裡介紹用模糊邏輯控制器改進常規恒溫器的例子。電熱爐一般用恒溫器來保持幾檔溫度，以供烹飪者選用，模糊控制的方法很簡單，輸入量為溫度及溫度變化兩個語言變量，每個語言的論域用5組語言變量互相跨接來描述⑺3.3專傢系統控制技術專傢系統在電力系統中的應用范圍很廣，包括對電力系統處於警告狀態或緊急狀態的辨識，提供緊急處理，系統恢復控制，非常慢的狀態轉換分析，切負荷，系統規劃，電壓無功控制，故障點的隔離，配電系統自動化，調度員培訓I,電力系統的短期負荷預報,靜態與動態安全分析，以及先進的人機接口等方面［8］

7、。雖然專傢系統在電力系統中得到瞭廣泛的應用，但仍存在一定的局限性，如難以模仿電力專傢的創造性3.4線性最優控制技術最優控制是現代控制理論的一個重要組成部分，也是將最優化理論用於控制問題的一種體現。線性最優控制是目前諸多現代控制理論中應用最多，最成熟的一個分支。盧強等人提出瞭利用最優勵磁控制手段提高遠距離輸電線路輸電能力和改善動態品質的問題，取得瞭一系列重要的研究成果。該研究指出瞭在大型機組方面應直接利用最優勵磁控制方式代替古典勵磁方式。另外,最優控制理論在水輪發電機制動電阻的最優時間控制方面也獲得瞭成功的應用3.5綜合智能控制技術綜

8、合智能控制一方面包含瞭智能控制與現代控制方法的結合，在電力系統中研究得較多的有神經網絡與專傢系統的結合，專傢系統與模糊控制的結合，神經網絡與模糊控制的結合，神經網絡、模糊控制與自適應控制的結合等方面。神經網絡適合於處理非結構化信息，而