人工神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)中的應(yīng)用

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、多狀態(tài)振蕩的阻擋、諧波源的檢測與辨識等方面的應(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)報及網(wǎng)損計算的人工神經(jīng)網(wǎng)絡(luò)方法

1.1 短期負(fù)荷預(yù)報的人工神經(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行、控制、規(guī)劃等方面的許多技術(shù)、經(jīng)濟(jì)問題。為了實現(xiàn)對電力系統(tǒng)的最佳規(guī)劃與運行，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。因此長期的和短期的負(fù)荷預(yù)報是一個很重要的課題。

短期負(fù)荷預(yù)報主要用于電力系統(tǒng)的控制與調(diào)度，作為潮流計算及偶發(fā)事故分析的輸入量。而傳統(tǒng)的方法幾乎毫無例外地屬于時間序列的范疇，近年也利用專家系統(tǒng)進(jìn)行負(fù)荷預(yù)報。在已有的幾利負(fù)荷模型中，有的在時間序列中沒有考慮氣候的影響。而在計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)則無需寫出未來負(fù)荷與各個影響因素之間的解析表達(dá)式，通過樣本對神經(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)報精度、縮短預(yù)報的計算時間的有效途徑，負(fù)荷預(yù)報成為人工神經(jīng)網(wǎng)絡(luò)方法最有前景的應(yīng)用領(lǐng)域之一。

1.2 網(wǎng)損計算的人工神經(jīng)元方法

理論上可以采用潮流計算方法求得任一時刻的有功功率損耗，對時問積分求出能量損耗。但由于電網(wǎng)特別是低壓電網(wǎng)元件眾多，接線復(fù)雜、測量數(shù)據(jù)不等原因，使得準(zhǔn)確的潮流計算難以進(jìn)行，無法得到準(zhǔn)確的網(wǎng)損。不得不采用一些粗略的、近似的計算方法，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)無需寫出輸入與輸出之間的映射關(guān)系，經(jīng)過學(xué)習(xí)訓(xùn)練可以實現(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)損計算方法。

計算實踐表明，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。為了提高計算的精度，在對樣本進(jìn)行訓(xùn)練以前，可用Kohonen網(wǎng)絡(luò)對樣本按特征進(jìn)行分類，得到用于同一類網(wǎng)損計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)動態(tài)穩(wěn)定分析

對動態(tài)穩(wěn)定問題進(jìn)行研究的要求是計算的有效性好，計算精度高。特征根法是通過計算線性微分方程的系數(shù)矩陣的特征根來估計系統(tǒng)的穩(wěn)定性的，是研究動態(tài)穩(wěn)定問題的傳統(tǒng)方法之一。該方法的優(yōu)點在于計算的有效性好，具有較好的魯棒性；其缺點是隨著電力系統(tǒng)的擴(kuò)大，計算時間會增長。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)，即無指導(dǎo)的正傳網(wǎng)絡(luò)來對系統(tǒng)進(jìn)行分類并解決動態(tài)穩(wěn)定指標(biāo)的問題。這一方法的基小思想在于求s矩陣的臨界特征根，求出動態(tài)穩(wěn)定指標(biāo)。傳統(tǒng)方法是通過識別穩(wěn)定域來解決穩(wěn)定問題，該方法則是求出穩(wěn)定指標(biāo)來解決穩(wěn)定問題。

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)某一給定運行點為基礎(chǔ)進(jìn)行設(shè)計的，一旦電力系統(tǒng)接線發(fā)生變化或者運行點發(fā)生變化，PSS的運行特性往往變差。隨著電力系統(tǒng)的發(fā)展和對電能質(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，其主要特點是：

（1）ANN是自適應(yīng)的?？梢栽陔姍C(jī)整個工作范同內(nèi)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。即使電廠的運行條件變化，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控制器的計算時問遠(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、延時的響應(yīng)、延時的勵磁系統(tǒng)的附加信號一起作為ANN PSS的輸入信號。ANN PSS也采用多層系統(tǒng)和誤差反傳訓(xùn)練方法。模擬試驗的結(jié)果表明，訓(xùn)練合理的ANN PSS可以在很大的運行范圍內(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)的動態(tài)特性。

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

3.1 無功測量的人工神經(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，會產(chǎn)牛大量諧波，對電能質(zhì)量造成影響。這些負(fù)荷的快速變動是對供電網(wǎng)絡(luò)的擾動，通常會造成電網(wǎng)電壓的波動，造成對聯(lián)于同一網(wǎng)絡(luò)上其他負(fù)荷的閃變。為了對付這快速變化的無功功率通常需要裝設(shè)無功補(bǔ)償裝置。雖然現(xiàn)代的電力電子設(shè)備能提供快速的無功補(bǔ)償，但快速的無功補(bǔ)償需對各時刻的無功功率進(jìn)行準(zhǔn)確的測量和計算，以便實現(xiàn)對補(bǔ)償裝置有效地控制，采用誤差反傳神經(jīng)網(wǎng)絡(luò)能計算無功功率的瞬時值，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 電壓與電流波形實時識別的人工神經(jīng)網(wǎng)絡(luò)方法

保護(hù)和控制均需對電流電壓波形進(jìn)行實時的估計，因此提出了許多數(shù)值計算方法，如傅立葉級數(shù)、卡爾曼濾波技術(shù)等。但這些算法都不是并行的，計算速度上的局限性很大，很難用于實時的保護(hù)與控制計算中。Tank和Hopfield等人就說明過如何將簡單的模擬處理器緊密連接起來解決優(yōu)化問題和信號處理問題。美國學(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)問題。人工神經(jīng)網(wǎng)絡(luò)方法為許多信號處理問題（如信號恢復(fù)問題），提供了一種全新的思路。其中一種用于正弦信號參數(shù)的在線估計的神經(jīng)網(wǎng)絡(luò)方法，是最速下降連續(xù)時間優(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

諧波源實際上是非線性負(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量信息，電力系統(tǒng)狀態(tài)估計理論可對基波電壓、潮流進(jìn)行估計。該技術(shù)還可用于對諧波波形的估計。在電力系統(tǒng)諧波分析中，可用狀態(tài)估計方法對諧波源進(jìn)行辨識。但這需要在電力系統(tǒng)中裝設(shè)大量諧波測量裝置，對電力系統(tǒng)諧波進(jìn)行連續(xù)測量。因此人們希望裝盡可能少的檢測儀器，檢測盡量少的母線，利用狀態(tài)估計來預(yù)估。這對于設(shè)計補(bǔ)償器來改善諧波電流和改善功率因數(shù)都是有益的。做到這一點就需要用初始估計，或者說用偽測量來代替實際的諧波測量。一般而言，一個有n個復(fù)狀態(tài)的網(wǎng)絡(luò)至少要有n個復(fù)數(shù)測量來計算未知量，再用n+1個測量來改進(jìn)未知狀態(tài)的估計值。在基波分析中，用偽測量得到必需數(shù)量的測量值或者增加數(shù)據(jù)的冗余度。而在諧波估計中，一般說來，偽測量很難奏效.原因是諧波源是變化的，而且直接測量很困難。人工神經(jīng)網(wǎng)絡(luò)代替諧波狀態(tài)估計的偽測量，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值，可以在較少的點上對諧波電流進(jìn)行連續(xù)的測試。再將這些估計值用于狀態(tài)估計器，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于電力系統(tǒng)這個復(fù)雜的動態(tài)大系統(tǒng)來說應(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，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)及其自動化學(xué)報，2001，01