基于離散模型的協(xié)同合作智能控制裝置的設(shè)計(jì)與研究

王德志 李 瑜

包頭職業(yè)技術(shù)學(xué)院 內(nèi)蒙古包頭 014030

1 項(xiàng)目整體方案

本項(xiàng)目設(shè)計(jì)了一種基于離散模型的協(xié)同合作的能源控制裝置，給出了系統(tǒng)硬件和軟件方案設(shè)計(jì)，完成了離散模型的協(xié)同合作的控制算法的設(shè)計(jì)和實(shí)現(xiàn)。通過該算法可以自適應(yīng)地實(shí)現(xiàn)對(duì)各種控制參數(shù)的調(diào)節(jié)，實(shí)現(xiàn)精準(zhǔn)的功率輸出控制，對(duì)能源轉(zhuǎn)換進(jìn)行協(xié)同控制。

項(xiàng)目設(shè)計(jì)的基于離散模型的協(xié)同合作智能控制裝置主要是負(fù)責(zé)對(duì)輸出能源和輸入能源的協(xié)調(diào)和轉(zhuǎn)換控制，其結(jié)構(gòu)如圖1所示。該架構(gòu)圖給出了電氣系統(tǒng)中常見的典型的能源控制系統(tǒng)結(jié)構(gòu)，其包括能源控制系統(tǒng)、供電單元、儲(chǔ)能單元和多個(gè)用電單元。基于離散模型的協(xié)同合作智能控制系統(tǒng)是整個(gè)系統(tǒng)的核心，其負(fù)責(zé)協(xié)調(diào)供電單元、儲(chǔ)能單元和用電單元之間的能源交互，根據(jù)用電單元負(fù)載需求，控制和協(xié)調(diào)供電單元和儲(chǔ)能單元為系統(tǒng)供電，保證各個(gè)用電單元能夠正常工作的情況下使整個(gè)供電效率最優(yōu)。

基于上述裝置，在整個(gè)裝置中包括了采集回路、主控電路、開關(guān)電路三大核心電路。其中，采集回路主要是負(fù)責(zé)對(duì)供電電源、儲(chǔ)能單元和用電單元的電能信息采集，包括電壓信號(hào)、電流信號(hào)，開關(guān)組主要是能量分流和控制作用，其負(fù)責(zé)控制切斷和連接各個(gè)單元與儲(chǔ)能單元的電能通路。在傳統(tǒng)的控制策略中，通常是采用簡(jiǎn)單的多路PID控制模式，根據(jù)采集回路確定采集參數(shù)，然后根據(jù)輸出到用電單元和儲(chǔ)能單元的電能對(duì)開關(guān)組進(jìn)行控制，這種方式不會(huì)從整體上考慮到系統(tǒng)的能源轉(zhuǎn)換效率，通常只是保證對(duì)所有的供電系統(tǒng)的供電穩(wěn)定性，確保每個(gè)用電單元能夠隨時(shí)獲得其所需要的供電即可。

基于上述裝置，本項(xiàng)目構(gòu)建了如圖2所示的基于離散模型的協(xié)同合作智能控制算法的能源控制系統(tǒng)，該系統(tǒng)以一個(gè)供電單元供電控制為例，其供電方式有儲(chǔ)能單元向用電單元供電和電力輸入向用電單元供電，這兩種方式分別構(gòu)成了兩個(gè)采集回路直接將信號(hào)采集輸送到離散模型的協(xié)同合作智能控制算法，在控制器中，通過離散模型的神經(jīng)網(wǎng)絡(luò)算法對(duì)采集到的電流、電壓等信息和供電段的輸出信息直接決定輸出的PWM波，控制開關(guān)電路，實(shí)現(xiàn)對(duì)輸入供電的控制，確保用電單元接受的輸入能夠滿足其需要，并且保持穩(wěn)定。考慮到本文只是通過軟件算法來實(shí)現(xiàn)對(duì)整個(gè)電力系統(tǒng)的能源供給控制，因此，采集單元、開關(guān)電路等設(shè)備都是采用目前典型的電力能源控制系統(tǒng)中已有的開關(guān)電路和電流電壓傳感器模塊來進(jìn)行輸出的控制和輸入輸出信號(hào)的采集，目標(biāo)輸入主要是通過電位器來調(diào)節(jié)電流和電壓電位器，把該信號(hào)作為離散模型的協(xié)同合作智能控制算法的輸入信號(hào)，其控制算法將根據(jù)目標(biāo)輸入的電流和電壓實(shí)現(xiàn)對(duì)輸出到用電單元的電能控制。

在上述控制系統(tǒng)算法模型中，其核心部分包括離散模型的設(shè)計(jì)和協(xié)同控制單元的設(shè)計(jì)，這兩個(gè)是實(shí)現(xiàn)整個(gè)協(xié)同合作智能控制的關(guān)鍵。在離散模型中，需要具備自適應(yīng)的處理能力；在協(xié)同合作智能控制中，需要具備多代理的協(xié)同自助的處理能力。

2 基于神經(jīng)網(wǎng)絡(luò)的離散模型

本文在離散模型設(shè)計(jì)時(shí)，采用的是一種典型的神經(jīng)網(wǎng)絡(luò)離散模型結(jié)構(gòu)[10]，該模型負(fù)責(zé)對(duì)數(shù)據(jù)的離散處理，在神經(jīng)網(wǎng)絡(luò)系統(tǒng)采用三層模式進(jìn)行設(shè)計(jì)，具有一個(gè)輸入和三個(gè)輸出，其模型處理的都是離散數(shù)據(jù)。通過前文對(duì)能源控制系統(tǒng)的控制原理和基于BP神經(jīng)網(wǎng)絡(luò)的離散控制模型的原理分析和設(shè)計(jì)，以儲(chǔ)能單元的電能采集信息、輸出單元的電能采集信息和電力供電輸入的電能采集信息三組參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入，這三組參數(shù)分別為對(duì)應(yīng)采集單元采集到的電流和電壓值，同時(shí)儲(chǔ)能輸出PID算法和電力其具體基于BP神經(jīng)網(wǎng)絡(luò)的離散處理算法流程為圖3所示。

首先，輸入一些現(xiàn)有的離散系統(tǒng)的控制參數(shù)，讓模型進(jìn)行自我學(xué)習(xí)，我們將所有參數(shù)通過輸入層進(jìn)入我們建立好的模型后，會(huì)在隱含層將各個(gè)神經(jīng)元的閾值和連接權(quán)值恢復(fù)到初始狀態(tài)，然后建立的模型會(huì)開始學(xué)習(xí)，模型進(jìn)行運(yùn)行。與此同時(shí)，在模型中的隱含層的各個(gè)神經(jīng)元會(huì)對(duì)剛才進(jìn)行初始化狀態(tài)的數(shù)據(jù)和建立的離散模型進(jìn)行處理，這時(shí)候神經(jīng)網(wǎng)絡(luò)的隱含層的輸出就是輸出層的輸入，輸出層有了輸入值后，去計(jì)算神經(jīng)元的輸入和輸出。然后進(jìn)行兩次數(shù)據(jù)的對(duì)比和計(jì)算誤差，隱含層根據(jù)誤差去調(diào)整整個(gè)神經(jīng)網(wǎng)絡(luò)各個(gè)單元的閾值，輸出層會(huì)根據(jù)這個(gè)誤差去調(diào)整隱含層各個(gè)單元的閾值，更新學(xué)習(xí)模型，然后判斷學(xué)習(xí)模式是否結(jié)束。如若沒有結(jié)束的話，再次將學(xué)習(xí)模式提供給整個(gè)神經(jīng)網(wǎng)絡(luò)；如果已經(jīng)結(jié)束學(xué)習(xí)，就要判斷學(xué)習(xí)的次數(shù)和誤差是否符合要求，如果沒有達(dá)到要求，再次進(jìn)入學(xué)習(xí)模式，如果達(dá)到要求，這個(gè)過程就完成。

在實(shí)際工作過程中，需要將實(shí)時(shí)采集到的輸出單元、儲(chǔ)能單元和電力供電輸入單元的電流和電壓信號(hào)輸入?yún)?shù)輸入至網(wǎng)絡(luò)中，即可從輸出層得到儲(chǔ)能單元PID控制器的調(diào)節(jié)參數(shù)P1、I1、D1，這三個(gè)參數(shù)作為儲(chǔ)能輸出PWM控制的PID控制參數(shù)，對(duì)儲(chǔ)能輸出進(jìn)行控制，同時(shí)輸出層得到儲(chǔ)能單元PID控制器的調(diào)節(jié)參數(shù)P2、I2、D2，這三個(gè)參數(shù)作為電力供電輸入PWM控制的PID控制參數(shù)，對(duì)電力供電輸入進(jìn)行控制，進(jìn)而實(shí)現(xiàn)對(duì)電力系統(tǒng)的儲(chǔ)能輸出和外部電力供電輸入進(jìn)行協(xié)調(diào)控制。這種方式可以綜合儲(chǔ)能供電和外部供電的優(yōu)點(diǎn)形成互補(bǔ)，在外部供電不穩(wěn)定時(shí)，可以確保用電端能夠得到更加穩(wěn)定和精準(zhǔn)的電能供電支持，同時(shí)優(yōu)化了內(nèi)部能源供給結(jié)構(gòu)，使得供電最優(yōu)。

3 協(xié)同合作智能控制算法

根據(jù)傳統(tǒng)的協(xié)同處理算法模型的處理步驟，我們要規(guī)定一個(gè)關(guān)鍵符號(hào)集，在這個(gè)過程中，需要將用電模塊的輸出引入關(guān)鍵符號(hào)集中，用來協(xié)助過濾算法在計(jì)算中能得到各個(gè)用電單元的信息，并把這個(gè)因素考慮進(jìn)去，負(fù)荷特征計(jì)算方法原理如下：

假設(shè)用電單元的供電線路的負(fù)荷電壓和電流分別為{u(k)，k=1，N}，{i(k)，k=1，N}，采樣頻率Fs=10kHz。則采樣離散化的電壓、電流的關(guān)系為：

(1)

在每個(gè)采樣點(diǎn)上，已知量為u(k)、i(k-1)、i(k)和i(k+1)，求解r(k)和l(k)兩個(gè)未知量，在計(jì)算中認(rèn)為r(k)和l(k)在2個(gè)連續(xù)的采樣點(diǎn){k，k+1}上是不變的。

(2)

假設(shè)在m個(gè)采樣點(diǎn){1，…，k，…，m}上，r(k)和l(k)保持不變，則得到m個(gè)方程式，可求解r(k)和l(k)。

(3)

上述方程可以用最小二乘法求出最優(yōu)解，構(gòu)造代價(jià)函數(shù)

負(fù)荷特征信息的計(jì)算方法和匹配方法以及協(xié)同過濾算法的原理。根據(jù)上述信息，在協(xié)同過濾算法中，將使用離散控制器的索引偏好和用電單元的負(fù)荷特征信息矩陣進(jìn)行合并，以學(xué)習(xí)基于鄰近的協(xié)同策略篩選模型如下：

(4)

在式(4)中，符號(hào)sim′(un,us)表示的含義是根據(jù)用電模塊的負(fù)載特征信息和用電模塊的偏好矩陣，通過計(jì)算后獲得了第s個(gè)用電單元和第n個(gè)用電單元之間的相似度。得到式(5)，如下所示：

sim′(un,us)=αsim(un,us)R+(1-α)sim(un,us)p

(5)

將式(5)和式(4)比較可知，它不僅融入了通過負(fù)荷特征信息計(jì)算得到的第n個(gè)用電單元和第s個(gè)用電單元的相似度，同時(shí)也獲得了n個(gè)用電單元和第s個(gè)用電單元的相似度。

通過上面的設(shè)計(jì)，我們?cè)诖罱▍f(xié)同策略去篩選模型時(shí)，實(shí)現(xiàn)了通過負(fù)載的特征信息去通過離散控制策略的協(xié)同過濾分析模型，最后得到的矩陣分解模型中融入了負(fù)載的特征信息，得到了最優(yōu)的計(jì)算模型。

該計(jì)算控制測(cè)略模型式以常見的協(xié)同過濾方法中的矩陣分解模型和權(quán)正則矩陣分解模型為標(biāo)準(zhǔn)，通過上面的分析過程，我們可以得出，在模型中，對(duì)于這種缺少關(guān)鍵信息的值，將其看作是負(fù)例進(jìn)行處理，然后都是把負(fù)載的特征信息設(shè)置成一個(gè)權(quán)值，把它作為關(guān)鍵信息，如果模型在計(jì)算中沒有考慮到負(fù)載的特征信息會(huì)成為負(fù)例來處理。

本文在整個(gè)設(shè)計(jì)過程中整體的思想就是利用負(fù)載的特征信息作為離散控制器的偏好數(shù)值，其模型如下所示：

在模型中常常選用1和0，其中0表示不喜歡，1表示喜歡，同時(shí)也可以設(shè)置多個(gè)級(jí)別，用來預(yù)測(cè)喜好程度，因此，在整個(gè)過程中還需要構(gòu)建一個(gè)最優(yōu)求解模型，其模型如下：

能源控制作為電力系統(tǒng)中的核心和節(jié)能的關(guān)鍵，如何設(shè)計(jì)低成本高效的能源控制系統(tǒng)是未來電力系統(tǒng)節(jié)能和新能源技術(shù)應(yīng)用的關(guān)鍵，本文根據(jù)用電單元的負(fù)荷特點(diǎn)來進(jìn)行用電輸出控制，均衡整個(gè)電力輸出控制，能夠有效地提高電力系統(tǒng)能源控制精度和能源利用效率，對(duì)促進(jìn)電力系統(tǒng)節(jié)能技術(shù)和新能源技術(shù)的發(fā)展具有非常重要的意義。