主蒸汽温度的最优反馈控制策略

基于最优控制原理，提出了主蒸汽温度最优反馈控制策略，以优化、求解状态反馈矩阵，实现用尽量少的减温水量完成蒸汽温度对设定值快而稳的跟踪，同时取消PID控制，简化了控制系统。此外，为克服稳态偏差，还给出了一种简便的改进方法，即在主蒸汽温度最优反馈策略中增加了稳态偏差判断器和BP网络修正器，仿真结果表明效果良好。     

基于最优动态闭环控制的水火电互联大电网自动发电控制策略

研究了含有水电和再热式火电机组的大电网自动发电控制问题。建立了两区域互联的大电网自动发电控制状态空间数学模型。引入新的动态性能指标,基于最优化控制理论,提出了最优动态闭环自动发电控制策略。与全状态反馈控制相比较,该方法既降低了互联系统内部的耦合性,又能及时了解系统内部的关键状态,具有更好的实用性和可操作性;与传统的PI控制策略相比,提出的方法从全动态的角度出发,对复杂的互联大电网具有更好的动态适应性。仿真分析验证了理论分析的正确性。     

基于 SPE-ICM 的移动机器人内在动机避障规划

针对动态环境下强化学习算法对移动障碍物的检测不理想,进而影响最优避障策略的问题。提出一种以状态预测误差为内在动机的奖励结构形式(state predict error-intrinsic curiosity module, SPE-ICM)来提高策略函数对Agent的环境探索能力。首先,引入内在奖励机制为Agent提供多重奖励(reward)结构;其次,依据内外的奖励结构优化提高Agent对环境信息的感知能力,改进对移动障碍物在数据结构上的采集检测方式,并且依赖新的检测方式对最优避障策略函数进行优化提升;最后,将该网络模型与深度确定性策略梯度算法(DDPG)结合,运用到以ROS搭建的路径规划仿真环境中进行对比实验,验证所提算法的可行性。结果表明,所提算法在检测能力、决策能力上效果明显更优。     

基于改进深度置信网络的电力系统暂态稳定评估研究

为了提高深度置信网络的评估性能,提出一种基于稀疏降噪自动编码器和深度置信网络相结合的暂态稳定评估方法。首先,构建一组对系统暂态变化敏感且维数与系统规模无关的原始输入特征;其次,通过稀疏降噪自动编码器的无监督学习过程提取输入特征,用得到的权值和偏置初始化深度置信网络;最后,采用“预训练－微调”2种学习方法训练深度置信网络,获得原始输入特征与系统暂态稳定结果之间的映射关系。与采用随机初始化受限玻尔兹曼机的传统深度置信网络相比,本文提出的改进评估方法在一定程度上克服了由于随机初始化导致评估准确率无法达到最优的弊端。在新英格兰10机39节点系统上的仿真结果表明,该方法比常用的机器学习算法和深度置信网络有更好的评估性能,仿真结果还证明了本文所提方法具有良好的特征提取能力。     

基于AGC的高压互联网络频率协调控制

针对高压互联网络频率协调困难,而自动发电控制存在控制跟踪性能差、参数最优值获取难、优化效果不明显等问题,提出了一种基于模拟退火粒子群寻优算法的闭环反馈自动发电控制。改进后的寻优算法结合了模拟退火和粒子群算法的优点,通过该算法对控制器关键参数进行寻优以使区域控制偏差值最小。由MATLAB/Simulink仿真分析验证了四机两区域模型联络线发生故障时,改进参数的闭环反馈AGC控制器能较快地使系统恢复稳定,且能较好地达到频率协调的控制作用。     

基于置信间隙决策的输电网络不确定性最优传输切换

最优传输切换（OTS）是一种应用较为广泛的通过改变网络拓扑结构提高输电网络灵活性的控制机制。然而,输电网络中往往存在不确定风电及负荷需求,这使得常规最优传输切换方案无法达到预期效果。为此,提出将置信间隙决策理论（CGDT）应用于寻求不确定条件下的鲁棒最优传输切换方案。该文分别采用高斯混合模型和正态分布对风电出力及负荷需求预测误差的概率分布函数进行拟合,将不确定性纳入最优传输切换,并以总发电成本最优为目标,建立了基于置信间隙决策理论的输电网络最优传输切换鲁棒优化模型。采用改进的IEEE 24节点系统进行仿真实验,结果表明,使用所提方法求取的最优传输切换方案具有较强的鲁棒性。     

基于改进图卷积网络的配电网状态估计方法

采用小样本量测信息进行配电网实时状态估计,对提高配电网可靠性,保证其稳定运行具有重要作用。为了在配电网量测信息不足条件下进行高精度状态估计,提出了一种基于改进的图卷积网络(graph convolutional network,GCN)的物理–数据融合配电网状态估计新方法。该方法首先利用少量相量量测单元将配电网进行切割分区,然后根据分区后的最大直径确定卷积网络所需要的卷积模块数量,其次修改了传统GCN中的邻接矩阵表示方法,从而实现利用卷积网络将配电网分区子系统中的状态变量均由量测量表示。通过IEEE33节点典型算例,验证了所提方法有效性。同时,通过与传统的高斯–牛顿优化算法和传统深度学习网络对比测试,结果表明,所提方法不仅能够将计算复杂度转移到离线阶段,而且能够不依赖于高冗余度的伪量测,具有较高的估计精度与计算速度。     

基于深度置信网络和随机森林的电力扰动检测方法

电力扰动数据中包含着大量与设备异常运行状态有关的信息,某些设备的扰动特征很微弱,但却会对设备的运行产生一定的影响,对这些扰动数据的检测将有利于准确感知设备运行状态,防止设备发生故障。提出了一种基于深度置信网络的电力扰动数据检测方法,利用深度置信网络强大的特征提取能力,自动学习出蕴含在扰动数据中的隐藏特征,摆脱人为提取特征的依赖。最后将学习到的特征作为随机森林的输入,实现对电力扰动数据的检测。利用某变电站记录到的实测数据和PSCAD/EMTDC中的仿真数据进行了验证,结果表明所提方法能够准确检测出电力扰动数据,证实了利用深度置信网络检测电力扰动数据的可行性。     

基于CPS标准的互联电网最优自动发电控制策略研究

研究了考虑CPS的互联电网自动发电控制问题,提出了基于CPS和最优动态闭环控制的自动发电控制策略,在区域间互联电网中建立自动发电控制状态空间数学模型,采用了外点罚函数法进行目标函数的求解,并计及了CPS的新动态性能指标。与传统A标准下的PI控制策略相比,文中提出的方法考虑了区域控制偏差对系统频率恢复的贡献,明显地提高了CPS考核指标,降低了AGC机组的调节次数,减少了发电成本。同时,结合了最优化控制的良好的内部感知能力和动态适应性的优点。通过仿真分析,并与传统的控制策略相比较,结果表明文中提出的控制策略具有更优异的动态特性和更好的调节性能。     

基于目标全息反馈的统一潮流控制器非线性控制设计

为提高统一潮流控制器(UPFC)控制系统动、静态响应品质,针对UPFC非线性控制系统,给出了一种基于目标全息反馈的控制设计方法。运用目标全息反馈控制设计方法,首先,选取原UPFC控制系统中的控制目标为目标状态量,建立目标状态量动态方程,将原系统控制目标变换到线性空间;然后,对线性空间求取线性最优反馈控制规律,从而使控制目标在性能指标中得到充分约束,使所推导的控制规律包含全部控制目标的反馈信息;最后,将所求取的线性反馈控制规律反解到原非线性系统,以此完成UPFC目标全息反馈控制设计。仿真结果表明,运用目标全息反馈所设计的UPFC控制系统能够很好地跟踪各控制目标,有效解决接入点电压静态偏移的问题,控制系统动、静态品质优越,有效改善了电力系统的暂态稳定性。     

Neuro-adaptive output-feedback optimized stochastic control for the active suspension systems with state constraints

This article investigates an adaptive neural network (NN) output-feedback optimal control design problem for active suspension systems (ASSs) with stochastic disturbance. The ASSs under consideration contain the characteristics of spring nonlinear dynamics, unmeasured states, and state constraints. The NNs are developed to approximate the unknown nonlinear functions. Meanwhile, observer-based output feedback control design method is proposed based on the adaptive backstepping technique. Furthermore, the stability of the closed-loop system is demonstrated by constructing the barrier Lyapunov function, thus ensuring that the full-state constraints are not exceeded. In particular, the simulation validations are given for the cases of bump, C-class, and D-class road displacements inputs. Finally, the simulation results verify the effectiveness of the studied control strategy.     

Optimal Automatic Generation Control of Asynchronous Power Systems Using Output Feedback Control Strategy with Dynamic Participation of Wind Turbines

Abstract—This article presents the design of optimal output feedback automatic generation control regulators for an interconnected power system with dynamic participation of doubly fed induction generator based wind turbines. The power systems consist of plants with hydro-thermal turbines and are interconnected via parallel AC/DC links. Efforts have been made to propose optimal automatic generation control regulators based on feedback of output state variables, which are easily accessible and available for the measurement. The designed optimal output feedback automatic generation control regulators are implemented, and the system dynamic responses for various system states are obtained considering 1% load perturbation in one of the areas. The dynamic performance is compared with that obtained with optimal automatic generation control regulators designed using full state vector feedback. The pattern of closed-loop eigenvalues is also determined to test the system stability.     

基于结合混沌纵横交叉的PSO-DBN的短期光伏功率预测

为了提高短期光伏发电预测的准确性,文中采用深度置信网络(DBN)建立了各模型函数的预测模型。通过分析各模型函数的特征,建立了光伏发电模型的功率预测。传统的基于神经网络的功率预测难以训练多层网络,影响其预测精度。DBN采用无监督贪婪逐层训练算法构建了一个在回归预测分析中具有优异性能的多隐层网络结构,已成为深度学习领域的研究热点。DBN连接权重采用结合混沌纵横交叉的粒子群优化算法(CC-PSO)优化,避免出现由随机初始化导致的局部最优解现象,从而提高了DBN网络预测性能。最后,案例测试显示了所提出模型的有效性。     

日发电计划安全校核及最优调整的研究与应用

由于国内电网网架结构比较薄弱的特点以及当前日发电计划的安全校核和校正的需求,决定了对发电计划的安全校核及优化调整和阻塞调度等问题研究的必要性。基于此,本文开发了一套日发电计划安全校核及最优调整系统的应用软件,这套系统是由EMS数据接口、数据交互平台、应用服务程序、Web页面4大部分组成。文中利用降阶基方程线性规划法实现发电计划的最优调整,具有自动网络等值、母线负荷预测、实时网络状态读取、分区滚动发电及潮流变化曲线显示、系统图形生成等功能。此系统的开发软件已经在安徽省调度中心投入运行,并由运行结果表明此系统可以有效地实现发电计划安全校核和校正。     

配电网重构的逐级开关状态互换法

配电网重构是一个多目标、多约束、离散的非线性组合优化问题。根据配电网的特点,结合开关交换原理和网络构建算法,提出了开关状态互换的概念,并对其实现优化的原理进行了详细分析,表明可以收敛到最优解。利用启发信息简化寻优途径,在求解过程中运用禁忌思想,避免不必要的重复计算,大大加快收敛速度。将配电网供电恢复和优化重构统一考虑,并考虑了电容器的投切,为运行人员提供满足系统电压、容量和拓扑约束的配电网运行结构和开关操作列表,构建了配电网的优化运行方式。算例表明该算法是有效的。     

基于一致性算法的源–荷协同分布式优化调控策略

目前基于一致性算法的电力系统优化调度研究存在一个缺点:算法中需要一个集中处理器检测全系统状态信息,导致无法实现完全分布式计算求解。针对此问题,提出一种新颖的基于一致性算法的源–荷协同完全分布式优化调控策略,将一致性算法和调频控制相结合,借助调频控制以满足分布式经济调度中的功率平衡约束,从而规避算法对集中处理器的需求。为了更好地适应主动配电网的“源?荷”双向不确定性场景,将“源?荷”协同调频策略嵌入到所提出的一致性调控方案中,并提出自适应全局平衡修正系数,实现“源?荷”综合效益最优,同时对“源?荷”协同一致性调控的收敛性给予证明。仿真结果验证了所提方法的有效性和可行性。     

基于PSO-DBN神经网络的光伏短期发电出力预测

考虑到光伏输出功率的随机性和波动性,提出一种基于粒子群算法(Particle Swarm Optimization,PSO)优化深度信念网络(Deep Belief Network,DBN)的光伏短期发电出力预测方法。首先利用改进粒子群算法确定DBN神经网络最优的初始权值,建立初始DBN网络。其次,确定预测日后,利用灰色关联度法选出与预测日气象特征相似度高的日期。将这些日期的气象数据和历史发电数据作为训练集对初始DBN网络进行训练,建立预测模型。最后仿真结果表明,所用模型相比于传统的DBN神经网络具有更高的预测精度。     

Optimal Automatic Generation Control with Hydro,Thermal, Gas,and Wind Power Plants in 2-Area Interconnected Power System

Abstract

This paper explores automatic generation control (AGC) of a more realistic 2-area multi-source power system comprising hydro, thermal, gas, and wind energy sources-based power plants in each control area. The wind power plants (WPPs) have been growing continuously worldwide due to their inherent feature of providing eco-friendly sustainable energy. But, operations of WPPs are associated with system stability problems due to lack of inertia. However, WPPs do not participate in the elimination of mismatch between generation and demand by AGC but disturbance can be injected by the WPPs due to the stochastic nature of wind energy. An optimal controller based on full state feedback control theory is designed to conduct the study. The system dynamic performance analysis is carried out for 1% step load disturbance in corresponding control areas. It is observed that the system dynamic graphs of deviation in area frequency and tie-line power are significantly improved with the implementation of optimal AGC controller compared to GA tuned classical controller. It has also been shown that the WPPs aid the increase in load disturbance when the input wind power reduces but it negates the effect of increase in load disturbance for increase in wind energy to the WPPs.     

一种面向微电网多自主体系统的实时电价算法

针对微电网中多个可控出力的供电端向多位用户供电的电能优化调度问题,结合多自主体网络的协调控制机制,从而搭建基于全分布式控制的微电网能量管理系统。根据对偶分解,分解社会效益最大化问题为对偶子问题,并将求解对偶问题的最优Lagrange乘子转化为求解实时电价,从而提出基于Lambda-Consensus的实时电价算法。依据信息交互机制,将功率项反馈给电价计量单元,并根据电价参考值更新本地的电价计量值,进而供电端和需求侧的发/用电调度单元分别响应电价,在有功功率输出/输入的约束下调整发/用电行为,最终实现功率平衡和社会效益最大化。实例验证该算法的有效性和即插即用特性,并在大规模网络下也能达到理想的收敛效果。     

计及电压预测的主动配电网分布式电源在线优化决策方法

“双碳”背景下,配电网中分布式电源的接入量逐渐增加,如何决策分布式电源的输出设定值从而使配电网经济运行成为研究的关键问题。针对分布式电源管控问题进行了深入研究,在建立时变优化模型的基础上,就现有算法未考虑当前时段分布式电源决策对未来时段分布式电源决策影响的问题,提出了一种计及电压预测的主动配电网分布式电源优化决策方法。首先根据配电网各节点负荷变动情况对负荷变动后的网络节点电压进行预测。进一步利用所预测的配电网节点电压值进行分布式电源的决策。然后利用分布式电源决策设定值的变化量预测分布式电源决策后的网络潮流状态,以此类推从而求解所有时段分布式电源的决策设定值。针对502节点配电网算例系统,利用所提在线优化决策方法对配电网最优潮流收敛性、节点电压调控收敛性以及储能电源充放电预测有效性进行了算例验证。