可控串聯電容補償裝置的神經網絡逆控制器及構造方法
2023-04-26 01:06:36
專利名稱：可控串聯電容補償裝置的神經網絡逆控制器及構造方法
技術領域：
本發明是一種可控串聯電容補償裝置的神經網絡逆控制器及構造方法，適用於電力系統可控串聯電容補償裝置的高性能控制，屬於電力系統控制的技術領域。
背景技術：
由於可控串聯電容補償裝置(簡稱TCSC)可以快速、連續、平滑地改變電力系統中輸電線路的阻抗，較傳統的固定電容補償裝置具有明顯的優越性，可以較大地提高輸電線路的功率傳輸能力和電力系統的穩定水平，所以在電力系統中具有廣泛的應用前景，已經逐步應用於實際電力系統。
目前已投入運行的TCSC大都使用基於傳統的線性控制方法設計的線性控制器，如比例積分微分(PID)控制器、超前滯後控制器等。在使用線性控制方法設計線性控制器時，需要將非線性的TCSC模型及電力系統模型近似線性化。當電力系統運行範圍較大時(實際運行往往如此)，近似線性化條件就不再滿足，所以線性控制器很難在較大的運行範圍內都取得滿意的控制效果。目前研究的一些基於非線性控制方法設計的非線性控制器大都強依賴於TCSC本身及外部電力系統的精確數學模型，而TCSC和外部電力系統的精確數學模型卻是很難獲得的。所以現有的非線性控制器設計方法大都只能研究TCSC的簡單模型，這樣就進一步降低了其適用性。正是由於以上原因，使得到目前為止TCSC的各種非線性控制器設計方法還很難應用於實際的電力系統工程。
為了真正實現TCSC的高性能控制，需採用一些新的控制技術設計。
三、技術內容1、技術問題本發明的目的是提供一種適合於任意的電力系統結構，並能在電力系統較大的運行範圍內都取得滿意的控制效果的可控串聯電容補償裝置的神經網絡逆控制器及構造方法。
2、技術方案本發明的可控串聯電容補償裝置的神經網絡逆控制器，其特徵在於該逆控制器的結構為在該逆控制器的輸入端接有閉環控制器，閉環控制器的輸出端接積分器的輸入端和靜態神經網絡的輸入端，積分器的輸出端接靜態神經網絡的另一個輸入端，微分器的輸出端分別接靜態神經網絡的輸入端，靜態神經網絡的輸出即為該逆控制器的輸出，TCSC系統的輸入端接該逆控制器的輸出端，TCSC系統的輸出端接靜態神經網絡的輸入端以及微分器的輸入端。
本發明的可控串聯電容補償裝置的神經網絡逆控制器的構造方法為首先由可控串聯電容補償裝置與外部電力系統相連而構成被控TCSC系統；接著採用靜態神經網絡外接微分器和積分器來構成TCSC系統的神經網絡逆，並通過調整靜態神經網絡的權係數使神經網絡逆實現TCSC系統的逆系統功能；然後將神經網絡逆串接在TCSC系統之前，神經網絡逆與TCSC系統複合成一個一階積分型偽線性系統；在此基礎上，採用線性系統的綜合方法對一階積分型偽線性系統設計閉環控制器；最後將神經網絡逆與閉環控制器相串聯共同構成神經網絡逆控制器，將神經網絡逆控制器串接在TCSC系統前，對TCSC系統進行控制。
神經網絡逆的構造為用具有8個輸入節點、1個輸出節點的靜態神經網絡加3個微分器和1個積分器構成具有4個輸入節點、1個輸出節點的神經網絡逆，其中靜態神經網絡的第一個輸入端為神經網絡逆的第一個輸入端；靜態神經網絡的第二個輸入端為神經網絡逆的第一個輸入經由積分器獲得；靜態神經網絡的第三個輸入端為神經網絡逆的第二個輸入端；靜態神經網絡的第四個輸入端為神經網絡逆的第二個輸入經由微分器獲得；靜態神經網絡的第五個輸入端為神經網絡逆的第三個輸入端；靜態神經網絡的第六個輸入端為神經網絡逆的第三個輸入經由微分器獲得；靜態神經網絡的第七個輸入端為神經網絡逆的第四個輸入端；靜態神經網絡的第八個輸入端為神經網絡逆的第四個輸入端經由微分器獲得；靜態神經網絡與3個微分器和1個積分器一道組成神經網絡逆，靜態神經網絡的輸出就是神經網絡逆的輸出。
神經網絡逆控制器的實現方法為採用數位訊號處理器即DSP控制器，通過編制DSP程序實現。以獲得優良的控制性能指標。
3、技術效果本發明的原理是通過構造神經網絡逆，將TCSC系統這一非線性系統的控制問題轉化為簡單的一階積分型偽線性系統的控制問題，相應地就可以方便地設計線性閉環控制器。本發明採用靜態神經網絡加微分器和積分器來實現TCSC系統的逆系統功能，這樣所提出的控制器設計方法就不依賴於TCSC及外部電力系統的精確數學模型，只需要反饋TCSC的本地可測量信號，從而能夠大大提高TCSC控制器對參數變化和外界擾動的魯棒性，同時適合於任意的電力系統結構，符合實際的工程應用要求，具有很強的應用價值。
本發明的優點在於a.採用神經網絡逆來實現對TCSC系統的控制，完全擺脫了已有的解析式控制器設計方法對於數學模型的強依賴性以及只能研究TCSC簡單模型的局限性，有效地減少了電力系統參數變化與外部擾動對TCSC控制效果的影響，顯著地提高了TCSC的控制性能。
b.通過構造TCSC系統的神經網絡逆，將TCSC系統這一非線性系統的控制問題轉化為一個一階積分型偽線性系統的控制問題，並進一步合理設計線性閉環控制器，克服了傳統的線性控制器有效工作範圍較小的局限性，可在電力系統較大的運行範圍內取得滿意的控制效果。
c.所設計的TCSC系統的神經網絡逆控制器僅採用TCSC的本地可直接測量信號，符合實際電力系統的工程應用要求，易於工程實現。
本發明可用於構造新型TCSC控制器對TCSC進行高性能控制，提高電力系統的穩定水平。
四
圖1是TCSC1與外部電力系統2關係示意圖。
圖2是TCSC系統3的輸入、反饋量及被控量示意圖，其中有TCSC1、外部電力系統2。
圖3是TCSC系統3框圖。
圖4是神經網絡逆4與TCSC系統3複合構成的一階積分型偽線性系統5的示意圖及其等效圖。其中有靜態神經網絡41、微分器421、422、423、積分器43。
圖5是加到TCSC系統3輸入端用於獲取靜態神經網絡41訓練數據的輸入信號。
圖6是針對一階積分型偽線性系統5設計的閉環控制器6的示意圖。
圖7是神經網絡逆控制器7示意圖，其中有閉環控制器6、靜態神經網絡41、微分器421、422、423、積分器43、TCSC系統3、神經網絡逆4的輸端O1、靜態神經網絡41的輸入端I1～I8。
圖8是採用DSP控制器8作為神經網絡逆控制器7的本發明裝置組成示意圖。其中有功率傳感器9、電壓傳感器10、電流傳感器11、可控矽觸發和保護單元12、TCSC系統3。
圖9是採用DSP控制器8作為神經網絡逆控制器7實現本發明的系統軟體框圖。
五、具體實施方案本發明的實施方案是首先選擇TCSC的反饋量及被控量從而構成被控的TCSC系統；接著採用8個輸入節點、1個輸出節點的靜態神經網絡(靜態神經網絡為多層網絡MLN)加3個微分器、1個積分器來構造TCSC系統的神經網絡逆，並通過調整靜態神經網絡的各個權係數使神經網絡逆實現TCSC系統的逆系統功能；然後將神經網絡逆串接在TCSC系統之前，神經網絡逆與TCSC系統複合成一個一階積分型偽線性系統(s-1)，從而將一個非線性系統的控制問題轉化為一個一階積分型偽線性系統的控制問題。對於複合成的一階積分型偽線性系統(s-1)，採用一種線性系統綜合方法，如PID或極點配置等，設計閉環控制器。最終形成由神經網絡逆、閉環控制器兩個部分組成的神經網絡逆控制器，來對TCSC系統進行有效控制。根據不同的要求，神經網絡逆控制器可選擇不同的硬體和軟體來實現。
該逆控制器的結構為神經網絡逆控制器7的輸入為被控量的給定P*與TCSC系統3的輸出量P，兩者之差為閉環控制器6的輸入，閉環控制器6的輸出端接神經網絡逆4的第一個輸入端，神經網絡逆4的第一個輸入端接靜態神經網絡41的第一個輸入端I1以及積分器43的輸入端，積分器43的輸出端接靜態神經網絡41的另一個輸入端I2，微分器421、422、423的輸出端分別接靜態神經網絡41的輸入端I4、I6、I8，TCSC系統3的輸入端接神經網絡逆控制器7的輸出端，同時也是靜態神經網絡41的輸出端，TCSC系統3的輸出端V1、V2、I接神經網絡逆4的第二、第三和第四個輸入端，神經網絡逆4的這三個輸入端接靜態神經網絡41的輸入端I3、I5、I7以及微分器421、422、423的輸入端。
可控串聯電容補償裝置的神經網絡逆控制器的構造方法為首先由可控串聯電容補償裝置1與外部電力系統2相連而構成被控TCSC系統3；接著採用靜態神經網絡41加微分器421、422、423和積分器43來構成TCSC系統3的神經網絡逆4，並通過調整靜態神經網絡41的權係數使神經網絡逆4實現TCSC系統3的逆系統功能；然後將神經網絡逆4串接在TCSC系統3之前，神經網絡逆4與TCSC系統3複合成一個一階積分型偽線性系統5；在此基礎上，採用線性系統的綜合方法對一階積分型偽線性系統5設計閉環控制器6；最後將神經網絡逆4與閉環控制器6相串聯共同構成神經網絡逆控制器7，將神經網絡逆控制器7串接在TCSC系統3前，對TCSC系統3進行控制。
神經網絡逆4的構造方法為用具有8個輸入節點、1個輸出節點的靜態神經網絡41加3個微分器421、422、423和1個積分43構成具有4個輸入節點、1個輸出節點的神經網絡逆4，其中靜態神經網絡41的第一個輸入端I1為神經網絡逆4的第一個輸入端；靜態神經網絡41的第二個輸入端I2為神經網絡逆4的第一個輸入經由積分器43獲得；靜態神經網絡41的第三個輸入端I3為神經網絡逆4的第二個輸入端；靜態神經網絡41的第四個輸入端I4為神經網絡逆4的第二個輸入經由微分器421獲得；靜態神經網絡41的第五個輸入端I5為神經網絡逆4的第三個輸入端；靜態神經網絡的第六個輸入端I6為神經網絡逆4的第三個輸入經由微分器422獲得；靜態神經網絡41的第七個輸入端I7為神經網絡逆4的第四個輸入端；靜態神經網絡41的第八個輸入端I8為神經網絡逆4的第四個輸入端經由微分器423獲得；靜態神經網絡41與3個微分器421、422、423和1個積分器43一道組成神經網絡逆4，靜態神經網絡41的輸出就是神經網絡逆4的輸出。神經網絡逆控制器7的實現方法為採用數位訊號處理器即DSP控制器8，通過編制DSP程序實現。
具體的實施分以下7步。
1確定TCSC的反饋量及被控量從而構成被控的TCSC系統。TCSC通過其兩端的輸電線路與外部電力系統相連接(如圖1所示)，TCSC的輸入為其控制信號u，TCSC本地可直接測量的變量有TCSC兩側的電壓V1、V2，TCSC上流過的電流I，以及TCSC上傳輸的有功功率P(如圖2所示)。確定有功功率P作為被控量，構成以控制信號u為輸入，有功功率P為輸出，電壓V1、V2、電流I為反饋量的TCSC系統(其框圖如圖3所示)。
2通過分析、推導，為神經網絡逆的構造與學習訓練提供方法上的根據。首先建立考慮TCSC完整動態過程的TCSC系統的數學模型，經推導可證明其逆系統存在，並可確定其逆系統的八個輸入分別為有功功率P的一階導數 有功功率P、電壓V1、電壓V1的一階導數 電壓V2、電壓V2的一階導數 電流I、電流I的一階導數 一個輸出為TCSC系統的控制信號u。需要說明的是，這一步僅為以下的神經網絡逆的構造與學習訓練提供方法上的根據，在本發明的具體實施中，這一步，包括對TCSC系統逆系統存在的理論證明及一些相應的推導等，可跳過。
3採用靜態神經網絡加三個微分器和一個積分器構造神經網絡逆。其中靜態神經網絡採用3層的MLN網絡，輸入層節點數為8，隱含層節點數為18，輸出層節點數為1，隱含層神經元激活函數使用S型雙曲正切函數f(x)=e2x+e-2xe2x-e-2x,]]>輸出層的神經元採用純線性函數f(x)＝x，x為神經元的輸入，靜態神經網絡的權係數將在下一步的離線學習中確定。然後用具有8個輸入節點、1個輸出節點的靜態神經網絡來構成神經網絡逆(如圖4左圖的虛線框內所示)，其中靜態神經網絡的第一個輸入為神經網絡逆的第一個輸入 ；靜態神經網絡的第二個輸入P為神經網絡逆的第一個輸入 經由積分器獲得；靜態神經網絡的第三個輸入為神經網絡逆的第二個輸入V1；靜態神經網絡的第四個輸入 為神經網絡逆的第二個輸入V1經由微分器獲得；靜態神經網絡的第五個輸入為神經網絡逆的第三個輸入V2；靜態神經網絡的第六個輸入 為神經網絡逆的第三個輸入V2經由微分器獲得；靜態神經網絡的第七個輸入為神經網絡逆的第四個輸入I；靜態神經網絡的第八個輸入 為神經網絡逆的第四個輸入I經由微分器獲得。靜態神經網絡與三個微分器和一個積分器一道組成神經網絡逆，靜態神經網絡的輸出就是神經網絡逆的輸出。
4調整靜態神經網絡的權係數。(a)將控制輸入信號(如圖5所示)加到TCSC系統(如圖3所示)的輸入端，以5毫秒的採樣周期採集TCSC的輸入u、輸出P及其安裝處的直接可測量信號V1、V2和I，並保存數據{u，P，V1，V2，I}。(b)對V1、V2、I和P離線分別求其一階導數，並對信號做規範化處理，組成靜態神經網絡的訓練樣本集 (c)採用帶動量項和變學習率的誤差反傳BP算法對靜態神經網絡進行訓練，經過500次訓練，靜態神經網絡輸出均方誤差小於0.0001，滿足要求，從而確定了靜態神經網絡的各個權係數。
5組成複合偽線性系統。將已經構造的TCSC系統的神經網絡逆串接在TCSC系統之前(如圖4左圖所示)，神經網絡逆與TCSC系統複合成一個一階積分型偽線性系統(s-1)(如圖4右圖所示)，從而將一個複雜的非線性系統控制轉化為一個簡單的一階積分型偽線性系統的控制。
6作出線性閉環控制器。對一階積分型偽線性系統(s-1)作出閉環控制器(如圖6所示)。閉環控制器採用線性系統理論中的比例積分微分控制器PID、極點配置或二次型指標最優等方法來設計，在本發明給出的實施例中，閉環控制器選用了比例P控制器，其參數整定為P＝10。
7形成神經網絡逆控制器。將神經網絡逆與閉環控制器共同組成神經網絡逆控制器(如圖7中的點劃線線框內所示)。可根據不同的控制要求採用不同的硬體或軟體來實現。
圖8給出了本發明的一種具體實施例的示意圖，其中神經網絡逆及閉環控制器由數位訊號處理器即DSP控制器通過軟體來實現，系統程序框圖如圖9所示。
根據以上所述，便可實現本發明。
權利要求
1.一種可控串聯電容補償裝置的神經網絡逆控制器，其特徵在於該神經網絡逆控制器(7)的結構為神經網絡逆控制器(7)的輸入為被控量的給定(P*)與TCSC系統(3)的輸出量(P)，兩者之差為閉環控制器(6)的輸入，閉環控制器(6)的輸出端接神經網絡逆(4)的第一個輸入端，神經網絡逆(4)的第一個輸入端接靜態神經網絡(41)的第一個輸入端(I1)以及積分器(43)的輸入端，積分器(43)的輸出端接靜態神經網絡(41)的第二個輸入端(I2)，微分器(421、422、423)的輸出端分別接靜態神經網絡(41)的輸入端(I4、I6、I8)，TCSC系統(3)的輸入端接神經網絡逆控制器(7)的輸出端(O1)，同時也是靜態神經網絡(41)的輸出端，TCSC系統(3)的輸出端(V1、V2、I)接神經網絡逆(4)的第二、第三和第四個輸入端，神經網絡逆(4)的這三個輸入端接靜態神經網絡(41)的輸入端(I3、I5、I7)以及微分器(421、422、423)的輸入端。
2.根據權利要求1所述的可控串聯電容補償裝置的神經網絡逆控制器，其特徵在於神經網絡逆(4)的構造為用具有8個輸入節點、1個輸出節點的靜態神經網絡(41)加3個微分器(421、422、423)和1個積分器(43)構成具有4個輸入節點、1個輸出節點的神經網絡逆(4)，其中靜態神經網絡(41)的第一個輸入端(I1)為神經網絡逆(4)的第一個輸入端；靜態神經網絡(41)的第二個輸入端(I2)為神經網絡逆(4)的第一個輸入經由積分器(43)獲得；靜態神經網絡(41)的第三個輸入端(I3)為神經網絡逆(4)的第二個輸入端；靜態神經網絡(41)的第四個輸入端(I4)為神經網絡逆(4)的第二個輸入經由微分器(421)獲得；靜態神經網絡(41)的第五個輸入端(I5)為神經網絡逆(4)的第三個輸入端；靜態神經網絡的第六個輸入端(I6)為神經網絡逆(4)的第三個輸入經由微分器(422)獲得；靜態神經網絡(41)的第七個輸入端(I7)為神經網絡逆(4)的第四個輸入端；靜態神經網絡(41)的第八個輸入端(I8)為神經網絡逆(4)的第四個輸入端經由微分器(423)獲得；靜態神經網絡(41)與3個微分器(421、422、423)和1個積分器(43)一道組成神經網絡逆(4)，靜態神經網絡(41)的輸出就是神經網絡逆(4)的輸出端(O1)。
3.根據權利要求1所述的可控串聯電容補償裝置的神經網絡逆控制器，其特徵在於神經網絡逆控制器(7)的實現方法為採用數位訊號處理器即DSP控制器(8)，通過編制DSP程序實現。
4.一種可控串聯電容補償裝置的神經網絡逆控制器的構造方法，其特徵在於該方法首先由可控串聯電容補償裝置(1)與外部電力系統(2)相連而構成被控TCSC系統(3)；接著採用靜態神經網絡(41)外接微分器(421、422、423)和積分器(43)來構成TCSC系統(3)的神經網絡逆(4)，並通過調整靜態神經網絡(41)的權係數使神經網絡逆(4)實現TCSC系統(3)的逆系統功能；然後將神經網絡逆(4)串接在TCSC系統(3)之前，神經網絡逆(4)與TCSC系統(3)複合成一個一階積分型偽線性系統(5)；在此基礎上，採用線性系統的綜合方法對一階積分型偽線性系統(5)設計閉環控制器(6)；最後將神經網絡逆(4)與閉環控制器(6)相串聯共同構成神經網絡逆控制器(7)，將神經網絡逆控制器(7)串接在TCSC系統(3)前，對TCSC系統(3)進行控制。
全文摘要
可控串聯電容補償裝置的神經網絡逆控制器及構造方法是一種可控串聯電容補償裝置的神經網絡逆控制器及構造方法，適用於電力系統可控串聯電容補償裝置的高性能控制，該逆控制器的結構為神經網絡逆控制器7的兩個輸入之差為閉環控制器6的輸入，閉環控制器6的輸出端接靜態神經網絡41的輸入端I1以及積分器43的輸入端，積分器43的輸出端接靜態神經網絡41的輸入端I2，微分器421、422、423的輸出端分別接靜態神經網絡41的輸入端I4、I6、I8，TCSC系統3的輸入端接靜態神經網絡41的輸出端，TCSC系統3的輸出端V
文檔編號H02J3/18GK1489254SQ0313239
公開日2004年4月14日 申請日期2003年8月20日 優先權日2003年8月20日
發明者戴先中, 張凱鋒 申請人:東南大學