浅议电力系统中自动化智能技术应用

《浅议电力系统中自动化智能技术应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、浅议电力系统中自动化智能技术应用　　摘要：本文介绍了电力系统中自动化智能技术的重要性与必要性，阐述了电力系统中自动化智能技术的现状与发展趋势，并对自动化智能技术在电力系统中的应用做出了科学合理的探究。关键词：电力系统；自动化智能技术；应用分析中图分类号：F407文献标识码：A1前言电力系统相对来说是一个较为复杂的系统，并且其包含的技术知识也较多。在实际应用中电力系统有比较显著的非线性特性，并且其部分参数也不确切，很多电力元件在实际应用中还存在着延迟和饱和等现象，从而使得电力系统很难达到高效率和高精度的控制。基于此种情况，实现电力系统的自动化智能技术就

2、显得尤为重要。下面根据自动化智能技术在我国的发展现状及趋势，谈一谈其在电力系统中的应用。2电力系统中自动化智能技术的发展现状6目前我国在电力系统自动化智能技术方面还有很大的局限性，其主要表现在三个方面：第一、智能技术的应用和研究没有形成协同性，使得很多重要的资源都不能实现共享；第二、国内很多关于自动化智能技术方面的设想都仅仅局限在理论阶段，缺乏相应的实践基础作为支持；第三、国家对于自动化智能技术方面的投入还远远不能满足其发展。3自动化智能技术在电力系统中应用3.1模糊控制理论的应用模糊控制理论相较于自动化智能技术的其他部分，在应用上面相对简单易行，因

3、此在日常电气方面应用比较广泛。自动化智能技术在控制方面需要建立一定的模型，但如果用传统的数学模型进行模型建立工作，将会遇到各个方面的难题，此时如果应用模糊关系模型，那么其优越性就非常显著。目前的模糊控制理论已经被广泛的应用到了电风扇等日常电器中，并且此理论还拥有推理体系柱技能技术，从而增强了目标推导的精准性和有效性。对于电力系统的自动化控制系统来说，其模型方面一般都是非线性的模型，基本上不采用线性模型。非线性的模型主要是通过模糊理论来支持的，整个过程简单快捷，并且系统输入量与输出量之间的关系也可以在此模型中直观的表示出来。目前的模糊控制理论及模型在单

4、输出系统上基本上能够完成其功效，但是多输出系统应用方面，还存在着多方面的不足，需要得到进一步的改进。模糊控制理论的应用，不仅能够很好的解决电力系统中自动化智能技术的多数难题，还节约了人力物力，在未来有很广阔的应用前景。3.2神经网络控制的应用6神经网络控制的发展起始于1943年，其雏形是人工神经网络，经过随后的不断发展，其在模型结构等多个方面都有了很大的进步。神经网络控制得到广泛深入应用的主要原因是其拥有非线性的特性，并且还有较强的自主学习能力。从其微观构成上来看，神经网络控制主要是利用数量巨大的神经元，经过科学合理的方式进行连接组成的。其蕴含的信息

5、基本上都在连接权值上。在实际应用中，只要通过特定的方式的权值调节，就能够完成整个神经网络在两个空间上的非线性映射。根据目前神经网络控制的研究现状，其核心主要在神经网络的内部结构与外部模型建立方面，而在神经网络硬件控制等方面的研究也有一定的涉及，给电力系统自动化智能技术的应用带来了积极的指导意义。3.3专家系统控制的应用专家系统控制在目前的电力系统中应用较为广泛，其主要作用是在电力系统发生危急情况的时候，及时寻找到处于警告或者紧急状态的系统区域，并进行相应的处理，恢复整个电力系统的正常运行，并能够进行调度员的强化培训、配电自动化、静态与动态的安全状况分

6、析等工作。从专家系统控制在电力系统中的应用来看，其涉及的方面有很多，即在电力系统中应用较为广泛。6但是从实践效果来看，专家系统控制的应用有明显的局限性。首先它没有电力专家所拥有的创造性，只是单单拥有电力方面的知识，对各个系统功能没有深层次的理解；其次专家系统没有高效的学习能力，从而使得其在遇到新问题的时候，不能选择有效的方法进行解决；最后专家系统所拥有的知识库在验证方面还存在着难点，并且对于一些复杂的问题不能进行有效的分析与组织。因此，在专家系统设计和应用方面，应该综合考虑到其成本与收益之间的联系，并且在实际应用中应该注意对系统可行性与有效性进行反复

7、的测定，在方便获取相应电力技术知识的同时，也增强电力系统的危急处理能力与运行平稳能力。3.4线性最优控制的应用线性最优控制是现代控制理论的重要部分，同时也是应用最多的控制手段，并且其在技术上也较为成熟。从此理论发展至今，很多此方面的专家都都对其进行了深入的探究，其中运用最广泛的就是励磁系统。励磁系统的主要作用是提升输电线的远距离输电性能，从而大大提升整个系统的动态品质。该理论最重要的应用就是用最优的励控制取代了大型机组中原有的传统励磁控制，不仅如此，线性最优控制理论在制动电阻（其中主要是在一些水轮发电机方面）取得了显著效果。随着自动化智能技术在电力系

8、统中的不断发展，线性最优控制的应用正在不断的得到拓宽，并且其在最优时间控制方面也有了新的进步。但是，在这之中