智能发电控制

《智能电网研究与应用丛书》序

序

前言

第1章 概述 1

1.1 “智能化”发电调度与控制系统 1

1.2 AGC基础 2

1.3 SGC基本特征 6

参考文献 8

第2章 智能发电控制的性能评价指标与控制目标 11

2.1 自动发电控制系统控制性能标准 11

2.1.1 A1/A2标准 11

2.1.2 CPS标准 11

2.1.3 区域控制偏差评价标准 15

2.2 CPS标准中的统计特性 17

2.3 智能发电控制的优化目标 18

参考文献 22

第3章 智能发电控制系统的模型与参数 24

3.1 传统发电系统 24

3.1.1 燃煤机组 25

3.1.2 燃气机组 26

3.1.3 水电机组 27

3.1.4 燃油机组 28

3.1.5 核电机组 29

3.2 新型发电系统 33

3.2.1 风电机组 33

3.2.2 光伏发电 35

3.2.3 储能装置 37

3.2.4 小水电 38

3.2.5 微型燃气轮机 40

3.3 虚拟发电系统 41

3.3.1 虚拟发电厂 41

3.3.2 需求侧可控负荷 42

3.3.3 电动汽车及其他电池储能系统 48

3.4 电力系统负荷频率响应模型 51

3.4.1 IEEE两区域互联系统LFC模型 51

3.4.2 三区域互联系统及更多区域模型 51

3.4.3 考虑需求响应的电力系统负荷频率响应模型 53

3.4.4 考虑大规模可再生能源接入的电力系统负荷频率响应模型 56

参考文献 58

第4章 集中决策式智能发电控制系统 60

4.1 系统功能、架构与目标 60

4.2 基于单智能体技术的CPS控制器 61

4.2.1 传统PID控制器 61

4.2.2 变论域模糊控制 63

4.2.3 Q学习控制与Q(λ)学习控制 71

4.2.4 R与R(λ)学习控制 84

4.3 基于单智能体技术的发电控制指令动态优化分配 99

4.3.1 基于Q学习的动态优化分配 99

4.3.2 基于Q(λ)学习的动态优化分配 101

4.3.3 基于分层Q(λ)学习的动态优化分配 104

4.4 基于人工情感Q学习算法的智能发电控制设计 111

4.4.1 人工情感 111

4.4.2 人工情感Q学习算法 112

4.4.3 人工情感Q(λ)学习算法的SGC控制器 115

4.4.4 仿真算例 117

4.5 基于松弛深度学习算法的统一时间尺度的智能发电控制 122

4.5.1 统一时间尺度的智能发电控制 122

4.5.2 统一时间尺度的仿真算例 125

4.6 基于深度强化森林算法的智能发电控制 133

4.6.1 深度强化森林算法框架 133

4.6.2 两区域、三区域和四区域仿真算例 141

参考文献 147

第5章 分散自治式的智能发电控制 149

5.1 多智能体系统功能、架构与目标 149

5.2 基于多智能体技术的智能发电控制 151

5.2.1 基于相关均衡博弈的智能发电协同控制 151

5.2.2 基于自博弈的智能发电协同控制 177

5.3 基于深度强化学习的智能发电控制 186

5.3.1 深度强化学习算法 186

5.3.2 基于深度强化学习的控制器的训练与互博弈 190

5.3.3 深度强化学习算法的SGC控制器设计 191

5.3.4 深度强化学习算法的算例 192

参考文献 199

第6章 虚拟发电部落控制 203

6.1 什么是虚拟发电部落控制 203

6.2 协同一致性协同控制原理 205

6.2.1 理想通信网络下的多智能体协同一致性控制 205

6.2.2 非理想通信网络下的多智能体协同一致性控制 220

6.3 基于狼群捕猎策略的VGT控制 233

6.3.1 框架设计 234

6.3.2 WPH-VTC策略 236

6.3.3 基于WPH-VTC策略的AGC设计 239

6.3.4 算例研究 241

6.3.5 讨论 250

参考文献 251

第7章 面向孤岛电网与微网的智能发电控制 253

7.1　基于深度神经网络启发式动态规划算法的微网智能发电控制 253

7.1.1 自适应动态规划算法 253

7.1.2 深度神经网络启发式动态规划的微网智能发电控制器设计 253

7.1.3 算例 256

7.2 孤岛主动配电网智能发电控制 281

7.2.1 基于多智能体一致性理论的分布式电源发电协同控制 281

7.2.2 基于集体智慧Q学习算法的负荷协同发电控制 306

7.3 基于孤岛智能配电网的狼群捕猎策略 324

7.3.1 狼群捕猎策略 324

7.3.2 狼群捕猎策略的设计 328

7.3.3 算例分析 329

参考文献 337

第8章 智能发电控制的研究工具与测试平台 340

8.1 MATLAB平台 340

8.2 JADE平台 344

8.2.1 SGC-SP框架 344

8.2.2 JADE 344

8.2.3 实时数据通信 346

8.2.4 ACL消息发送与监控 346

8.2.5 智能体的创建与销毁 348

8.3 RTDS平台 350

8.3.1 RTDS仿真系统的功能和特点 350

8.3.2 RTDS仿真实验的工作原理 351

8.3.3 典型的RTDS动模试验方法 352

8.4 算法库的建立 352

8.5 基于CPSS的平行系统的仿真平台的建立 354

8.5.1 基于平行系统的电力系统智能发电控制仿真平台 354

8.5.2 平行系统的仿真算例 357

8.6 结论与展望 360

参考文献 361 2100433B

本书主要介绍智能电网背景下比自动发电控制更加智能、优化和协调的智能发电控制，内容包括：第1章概述；第2章介绍自动发电控制性能评价指标，提出智能发电控制的优化控制目标；第3章介绍传统发电系统、新型发电系统、虚拟发电系统以及互联电网负荷-频率响应数学模型；第4、5章分别介绍集中决策式、分散自治式智能发电系统的控制框架及其智能算法；第6、7章分别介绍虚拟发电部落、孤岛电网与微网的智能发电控制系统的概念及其实现方法；第8章介绍研究智能发电控制策略的仿真平台(JADE平台和RTDS平台)，介绍基于信息物理社会融合系统的平行系统及其并行算法。

在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。对许多复杂的系统，难以建立有效的数学模

型和用常规的控制理论去进行定量计算和分析，而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是，要由机器用类似于人的智慧和经验来引导求解过程。因此，在研究和设计智能系统时，主要注意力不放在数学公式的表达、计算和处理方面，而是放在对任务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上，即智能控制的关键问题不是设计常规控制器，而是研制智能机器的模型。此外，智能控制的核心在高层控制，即组织控制。高 层控 制 是 对实际环境或过程进行组织、决策和规划，以实现问题求解。为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。随着人工智能和计算机技术的发展，已经有可能把自动控制和人工智能以及系统科学中一些有关学科分支（如系统工程、系统学、运筹学、信息论）结合起来，建立一种适用于复杂系统的控制理论和技术。智能控制正是在这种条件下产生的。它是自动控制技术的最新发展阶段，也是用计算机模拟人类智能进行控制的研究领域。1965年，傅京孙首先提出把人工智能的启发式推理规则用于学习控制系统。1985年，在美国首次召开了智能控制学术讨论会。1987年又在美国召开了智能控制的首届国际学术会议，标志着智能控制作为一个新的学科分支得到承认。智能控制具有交叉学科和定量与定性相结合的分析方法和特点。

一个系统如果具有感知环境、不断获得信息以减小不确定性和计划、产生以及执行控制行为的能力,即称为智能控制系统.智能控制技术是在向人脑学习的过程中不断发展起来的,人脑是一个超级智能控制系统,具有实时推理、决策、学习和记忆等功能,能适应各种复杂的控制环境.

智能控制与传统的或常规的控制有密切的关系,不是相互排斥的. 常规控制往往包含在智能控制之中,智能控制也利用常规控制的方法来解决“低级”的控制问题,力图扩充常规控制方法并建立一系列新的理论与方法来解决更具有挑战性的复杂控制问题.

1. 传统的自动控制是建立在确定的模型基础上的,而智能控制的研究对象则存在模型严重的不确定性,即模型未知或知之甚少者模型的结构和参数在很大的范围内变动,比如工业过程的病态结构问题、某些干扰的无法预测,致使无法建立其模型,这些问题对基于模型的传统自动控制来说很难解决.

2. 传统的自动控制系统的输入或输出设备与人及外界环境的信息交换很不方便,希望制造出能接受印刷体、图形甚至手写体和口头命令等形式的信息输入装置,能够更加深入而灵活地和系统进行信息交流,同时还要扩大输出装置的能力,能够用文字、图纸、立体形象、语言等形式输出信息. 另外,通常的自动装置不能接受、分析和感知各种看得见、听得着的形象、声音的组合以及外界其它的情况. 为扩大信息通道,就必须给自动装置安上能够以机械方式模拟各种感觉的精确的送音器,即文字、声音、物体识别装置. 可喜的是,近几年计算机及多媒体技术的迅速发展,为智能控制在这一方面的发展提供了物质上的准备,使智能控制变成了多方位“立体”的控制系统.

3. 传统的自动控制系统对控制任务的要求要么使输出量为定值(调节系统) ,要么使输出量跟随期望的运动轨迹(跟随系统) ,因此具有控制任务单一性的特点,而智能控制系统的控制任务可比较复杂,例如在智能机器人系统中,它要求系统对一个复杂的任务具有自动规划和决策的能力,有自动躲避障碍物运动到某一预期目标位置的能力等. 对于这些具有复杂的任务要求的系统,采用智能控制的方式便可以满足.

4. 传统的控制理论对线性问题有较成熟的理论,而对高度非线性的控制对象虽然有一些非线性方法可以利用,但不尽人意. 而智能控制为解决这类复杂的非线性问题找到了一个出路,成为解决这类问题行之有效的途径. 工业过程智能控制系统除具有上述几个特点外,又有另外一些特点,如被控对象往往是动态的,而且控制系统在线运动,一般要求有较高的实时响应速度等,恰恰是这些特点又决定了它与其它智能控制系统如智能机器人系统、航空航天控制系统、交通运输控制系统等的区别,决定了它的控制方法以及形式的独特之处.

5. 与传统自动控制系统相比,智能控制系统具有足够的关于人的控制策略、被控对象及环境的有关知识以及运用这些知识的能力

6. 与传统自动控制系统相比,智能控制系统能以知识表示的非数学广义模型和以数学表示的混合控制过程,采用开闭环控制和定性及定量控制结合的多模态控制方式.

7. 与传统自动控制系统相比,智能控制系统具有变结构特点,能总体自寻优,具有自适应、自组织、自学习和自协调能力.

8. 与传统自动控制系统相比,智能控制系统有补偿及自修复能力和判断决策能力.

总之,智能控制系统通过智能机自动地完成其目标的控制过程,其智能机可以在熟悉或不熟悉的环境中自动地或人─机交互地完成拟人任务.

智能控制的主要技术方法

智能控制是以控制理论、计算机科学、人工智能、运筹学等学科为基础,扩展了相关的理论和技术,其中应用较多的有模糊逻辑、神经网络、专家系统、遗传算法等理论和自适应控制、自组织控制、自学习控制等技术。

本词条由“科普中国”科学百科词条编写与应用工作项目 审核 。

自动控制理论是自动控制科学的核心。自动控制理论自已经过了三代的发展：第一代为20世纪初开始形成并于50年代在线性代数的数学甚而上发展起来的现代控制理论；第三代为60年代中期即已萌芽，在发展过程中综合了人工智能、自动控制、运筹学、信息论等多学科的最新成果并在此基础上形成的智能控制理论。

中文名

自动控制理论

外文名

Automatic Control Theory

核心

自动控制科学

第一代

20世纪初

第三代

60年代

自动控制系统的分类有多种方法。

①按控制装置类型，可分为常规控制和计算机控制两种。常规控制采用模拟式控制器（见控制仪表），计算机控制采用电子数字计算机。②按有无反馈，可分为闭环控制系统和开环控制系统。

③按设定值是否固定，可分定值控制系统和随动控制系统。定值控制系统的设定值固定不变，控制系统可自动克服扰动的影响，使被控变量保持基本恒定。随动控制系统中设定值是变化的，系统使被控变量随设定值而变化。例如，在化工生产中,要求物料A的流量与另一物料B的流量保持一定的比值，如果物料B的流量是变化的，物料A的流量就必须随之变化，此时物料A的流量控制就属于随动控制类型。

离散控制理论在计算中也有很广泛的应用，例如，开方：

开方公式：X(n 1)=Xn [A/X^(k-1)-Xn]1/k.

例如我们开3次方，即K=3；

公式：X(n 1)=Xn [A/X^2-Xn]1/3

例如，A=5，5在1的3次方和2的3次方之间，X0无论取1.1，1.2，1.3，1.4，1.5，1.6，1.7，1.8，1.9，2.0都可以。假如我们取2为初始值：

第一步：2 (5/2x2-2)1/3=1.7=X1

第二步：1.7 (5/1.7x1.7-1.7)1/3=1.71=X3

第三步：1.71 (5/1.71x1.71-1.71)1/3=1.709=X4

第四步：1.709 (5/1.709x1.709-1.709)1/3=1.7099=X5

每计算一次，比上一次多取一位数，计算次数与精确度成正比。取值偏大公式会自动调小，例如第一步和第二步，取值偏小公式会自动调大，例如第三步，第四步。 2100433B