论文部分内容阅读
中图分类号：TM451 文献标识码：TM 文章编号：1009-914X（2012）20- 0049 -01
1 引言
电力系统是一个地域分布辽阔，由发电厂、变电站、输配电网络和用户组成的统一调度和运行的复杂大系统，它具有强非线性、时变性且参数不确切可知，并含有大量未建模动态部分，是一个巨维数的典型动态系统。电压无功控制是保证电力系统安全、经济运行的有效手段， 随着电力系统自动化程度的不断提高， 电压无功实时优化控制愈来愈受到重视。电力系统电压无功控制作为电力系统自动化的一个重要组成部分，具有电力系统控制所固有的复杂性、非线性、不精确性以及控制要求实时性强等特性，使得其中有些方面难以用传统的数学模型和控制方法来描述和实现，于是，研究人员也开始采用人工智能方法解决这些问题，并推动智能控制技术在这个行业中广泛应用。
近年来，人工智能技术在电力系统中得到了广泛的关注，获得了大量的研究成果，成为电力系统中一个重要的研究领域。本文主要介绍了几种人工智能技术，专家系统（Expert System，ES）、人工神经网络（Artificial Neural Network，ANN）、模糊理论（Fuzzy Theory，FT）、遗传算法（Genetic Algorithm，GA）以及多Agent系统（Multi-Agent System， MAS），并分析了这几种人工智能技术在电压无功控制中的应用，比较了它们各自的特点，提出还存在的问题，希望对进一步的研究有所启示。
2 专家系统
专家系统（ES）是发展较早、也是比较成熟的一类人工智能技术，在电力系统中有较为广泛的应用范围。专家系统主要模拟人类专家做出决策的过程，提供具有专家水平的解答。专家系统在无功电压控制中的典型应用是将已有无功电压控制的经验或知识用规则表示出来，形成专家系统的知识库，根据上述的规则由无功电压实时变化值求取电压调节的控制手段。
近年来，在国外和国内都有不少与电力系统电压无功控制相关的专家系统投入试运行或进入实用化推广阶段，并取得了不错的效果，但是仍然存在着一些问题值得研究和探索：当系统规模较大、规则较多时，完成推理的速度受到限制，因此目前已有的专家系统大多是用于离线，或者在线解决属于系统分析方面的问题，而在无功电压实时控制方面的应用还刚刚起步，有待进一步的研究。
3 人工神经网络
人工神经网络（ANN）是模拟人类传递和处理信息的基本特性，由人工仿制大量简单的神经元以一定的方式连接而成，单个人工神经元实现输入到输出的非线性关系，它们之间的连接组合使得ANN 具有了复杂的非线性特性。与ES 相比，ANN的这些特点就展现出来：信息存储分布，较强的容错能力，学习能力强，知识的自我组织，适应不同信息处理，神经元之间具有相对独立性，而且执行速度快。正是由于ANN 有极强的非线性拟合能力和自学习能力，且具有联想记忆、鲁棒性强等性能，使ANN 对于电力系统这个存在着大量非线性的复杂大系统来说有很大的应用潜力。
目前，在ANN的应用中，还存在以下一些问题：学习算法速度一般比较慢，训练时间较长，而且不易收敛或可能收敛到局部极小点等，并且，ANN的一些固有缺陷仍没有弥补。此外，ANN的工作过程是一个黑箱，尽管ANN具有一定的容错能力，但不能提供相关信息帮助运行人员推断不正常的数据，也不利于理解其输出结果。如何利用ANN达到更好的效果，是ANN应用的重要研究方向之一。总之，ANN在电力系统无功电压控制领域的应用研究还处于初步阶段，有很多具有特色的人工神经网络模型与算法还没有得到很好的利用。随着对ANN理论研究的进一步深入，其在无功电压控制领域将会有更为广阔的应用前景。
4 模糊理论
模糊理论（FT）是将经典集合理论模糊化，并引入语言变量和近似推理的模糊逻辑，具有完整推理体系的智能技术。电力系统电压无功控制受电力系统时变性、运行条件和网络参数经常变化等特点以及许多条件下无功负荷不能精确给定的影响，很难建立精确的数学模型，在这种情况下，模糊理论被引入电压无功控制的研究。目前模糊技术在无功规划方面有很多很好的应用。如：适于处理不确定性、不精确性以及噪声带来的问题；模糊知识使用语言变量来表述专家的经验，更接近人的表达方式，易于实现知识的抽取和表达；具有较强的鲁棒性，被控对象参数的变化对模糊控制的影响不明显等。
5 遗传算法
遗传算法（GA）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的計算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法具有较高的鲁棒性和广泛的适应性，对求解问题几乎没有什么限制，也不涉及复杂的数学过程，而且能获得全局的最优解集，因此在电力系统中涉及优化问题的方面得到了广泛的应用。电力系统无功优化是一个多变量、非线性、不连续、多约束的优化控制问题，传统的数学优化方法往往难以找到完全符合运行要求的全局最优解，所以遗传算法这一基于群体优化的全局搜索方法在无功优化中受到极大的关注。
6 多 Agent 系统
多Agent 技术（MAS）是分布式人工智能的一个分支， 具有很好的自适应性， 能使逻辑上或物理上分散的系统并行、协调地求解问题。这种特性为电力系统无功优化的低效和数据冗余等问题提供了很好的解决思路。MAS是一个有组织、有序的Agent 群体，共同工作在特定的环境中。每个Agent 根据环境信息完成各自承担的工作，同时可以分工协作，合作完成特定的任务。基于多Agent 技术的分布式无功电压优化系统的研究及实现， 更加丰富和完善了电力系统无功电压优化的理论和方法。尽管MAS 在电力系统无功电压中的应用刚刚起步，随着研究的深入， MAS 在电压无功控制领域应该有广阔的应用前景， 值得进一步研究和探讨。
7 结语
除了上述方法，在电力系统中还应用了自适应控制、变结构控制、微分几何控制等其它方法。总之，智能技术的广泛运用推动了电力系统的自动化进程。我们相信随着人们对各种智能控制理论研究的进一步深入，它们之间的联系也会更加紧密，相信利用各自优势而组成的综合智能控制系统会对电力系统起到更加重要的作用。
综上所述，我们了解到智能化在电力系统自动化中所占据的重要地位及其产生的不可忽视的重要影响，目前虽然我国的电力系统自动化还不够完善，但是我们坚信，只要在我们的共同努力下，随着人们对智能技术研究的愈加深入化，我国的智能化技术一定会有更好的明天。
参考文献：
[1] 吴捷，陈巍，等. 现代控制技术在电力系统中的应用（二）[J]. 中国电机工程学报，1998，18（6）.
[2] Le TL，NegnevitskyM.Network equivalents and expert system applicationfor voltage and VAR control in large-scale power system[J].IEEE Trans.onPower Systems，1997 12（4）.
[3] Liu C C，Tomsovic K.An expert system assisting decision-making ofreactive power/voltage control[J].IEEE Trans. on Power Systems，1986，1（3）.
[4] 王平洋.电力系统自动化与智能技术
[5] 刘青， 彭晓兰， 程时杰. 电网调度多Agent 系统研究[J] . 华中理工大学学报， 1997， 25 （12）： 63-65.
1 引言
电力系统是一个地域分布辽阔，由发电厂、变电站、输配电网络和用户组成的统一调度和运行的复杂大系统，它具有强非线性、时变性且参数不确切可知，并含有大量未建模动态部分，是一个巨维数的典型动态系统。电压无功控制是保证电力系统安全、经济运行的有效手段， 随着电力系统自动化程度的不断提高， 电压无功实时优化控制愈来愈受到重视。电力系统电压无功控制作为电力系统自动化的一个重要组成部分，具有电力系统控制所固有的复杂性、非线性、不精确性以及控制要求实时性强等特性，使得其中有些方面难以用传统的数学模型和控制方法来描述和实现，于是，研究人员也开始采用人工智能方法解决这些问题，并推动智能控制技术在这个行业中广泛应用。
近年来，人工智能技术在电力系统中得到了广泛的关注，获得了大量的研究成果，成为电力系统中一个重要的研究领域。本文主要介绍了几种人工智能技术，专家系统（Expert System，ES）、人工神经网络（Artificial Neural Network，ANN）、模糊理论（Fuzzy Theory，FT）、遗传算法（Genetic Algorithm，GA）以及多Agent系统（Multi-Agent System， MAS），并分析了这几种人工智能技术在电压无功控制中的应用，比较了它们各自的特点，提出还存在的问题，希望对进一步的研究有所启示。
2 专家系统
专家系统（ES）是发展较早、也是比较成熟的一类人工智能技术，在电力系统中有较为广泛的应用范围。专家系统主要模拟人类专家做出决策的过程，提供具有专家水平的解答。专家系统在无功电压控制中的典型应用是将已有无功电压控制的经验或知识用规则表示出来，形成专家系统的知识库，根据上述的规则由无功电压实时变化值求取电压调节的控制手段。
近年来，在国外和国内都有不少与电力系统电压无功控制相关的专家系统投入试运行或进入实用化推广阶段，并取得了不错的效果，但是仍然存在着一些问题值得研究和探索：当系统规模较大、规则较多时，完成推理的速度受到限制，因此目前已有的专家系统大多是用于离线，或者在线解决属于系统分析方面的问题，而在无功电压实时控制方面的应用还刚刚起步，有待进一步的研究。
3 人工神经网络
人工神经网络（ANN）是模拟人类传递和处理信息的基本特性，由人工仿制大量简单的神经元以一定的方式连接而成，单个人工神经元实现输入到输出的非线性关系，它们之间的连接组合使得ANN 具有了复杂的非线性特性。与ES 相比，ANN的这些特点就展现出来：信息存储分布，较强的容错能力，学习能力强，知识的自我组织，适应不同信息处理，神经元之间具有相对独立性，而且执行速度快。正是由于ANN 有极强的非线性拟合能力和自学习能力，且具有联想记忆、鲁棒性强等性能，使ANN 对于电力系统这个存在着大量非线性的复杂大系统来说有很大的应用潜力。
目前，在ANN的应用中，还存在以下一些问题：学习算法速度一般比较慢，训练时间较长，而且不易收敛或可能收敛到局部极小点等，并且，ANN的一些固有缺陷仍没有弥补。此外，ANN的工作过程是一个黑箱，尽管ANN具有一定的容错能力，但不能提供相关信息帮助运行人员推断不正常的数据，也不利于理解其输出结果。如何利用ANN达到更好的效果，是ANN应用的重要研究方向之一。总之，ANN在电力系统无功电压控制领域的应用研究还处于初步阶段，有很多具有特色的人工神经网络模型与算法还没有得到很好的利用。随着对ANN理论研究的进一步深入，其在无功电压控制领域将会有更为广阔的应用前景。
4 模糊理论
模糊理论（FT）是将经典集合理论模糊化，并引入语言变量和近似推理的模糊逻辑，具有完整推理体系的智能技术。电力系统电压无功控制受电力系统时变性、运行条件和网络参数经常变化等特点以及许多条件下无功负荷不能精确给定的影响，很难建立精确的数学模型，在这种情况下，模糊理论被引入电压无功控制的研究。目前模糊技术在无功规划方面有很多很好的应用。如：适于处理不确定性、不精确性以及噪声带来的问题；模糊知识使用语言变量来表述专家的经验，更接近人的表达方式，易于实现知识的抽取和表达；具有较强的鲁棒性，被控对象参数的变化对模糊控制的影响不明显等。
5 遗传算法
遗传算法（GA）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的計算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法具有较高的鲁棒性和广泛的适应性，对求解问题几乎没有什么限制，也不涉及复杂的数学过程，而且能获得全局的最优解集，因此在电力系统中涉及优化问题的方面得到了广泛的应用。电力系统无功优化是一个多变量、非线性、不连续、多约束的优化控制问题，传统的数学优化方法往往难以找到完全符合运行要求的全局最优解，所以遗传算法这一基于群体优化的全局搜索方法在无功优化中受到极大的关注。
6 多 Agent 系统
多Agent 技术（MAS）是分布式人工智能的一个分支， 具有很好的自适应性， 能使逻辑上或物理上分散的系统并行、协调地求解问题。这种特性为电力系统无功优化的低效和数据冗余等问题提供了很好的解决思路。MAS是一个有组织、有序的Agent 群体，共同工作在特定的环境中。每个Agent 根据环境信息完成各自承担的工作，同时可以分工协作，合作完成特定的任务。基于多Agent 技术的分布式无功电压优化系统的研究及实现， 更加丰富和完善了电力系统无功电压优化的理论和方法。尽管MAS 在电力系统无功电压中的应用刚刚起步，随着研究的深入， MAS 在电压无功控制领域应该有广阔的应用前景， 值得进一步研究和探讨。
7 结语
除了上述方法，在电力系统中还应用了自适应控制、变结构控制、微分几何控制等其它方法。总之，智能技术的广泛运用推动了电力系统的自动化进程。我们相信随着人们对各种智能控制理论研究的进一步深入，它们之间的联系也会更加紧密，相信利用各自优势而组成的综合智能控制系统会对电力系统起到更加重要的作用。
综上所述，我们了解到智能化在电力系统自动化中所占据的重要地位及其产生的不可忽视的重要影响，目前虽然我国的电力系统自动化还不够完善，但是我们坚信，只要在我们的共同努力下，随着人们对智能技术研究的愈加深入化，我国的智能化技术一定会有更好的明天。
参考文献：
[1] 吴捷，陈巍，等. 现代控制技术在电力系统中的应用（二）[J]. 中国电机工程学报，1998，18（6）.
[2] Le TL，NegnevitskyM.Network equivalents and expert system applicationfor voltage and VAR control in large-scale power system[J].IEEE Trans.onPower Systems，1997 12（4）.
[3] Liu C C，Tomsovic K.An expert system assisting decision-making ofreactive power/voltage control[J].IEEE Trans. on Power Systems，1986，1（3）.
[4] 王平洋.电力系统自动化与智能技术
[5] 刘青， 彭晓兰， 程时杰. 电网调度多Agent 系统研究[J] . 华中理工大学学报， 1997， 25 （12）： 63-65.