基于ANN的變電站電壓和無功綜合自動控制

趙碩偉，關(guān)艷翠

（新疆輕工職業(yè)技術(shù)學(xué)院，新疆 烏魯木齊830021）

人工神經(jīng)網(wǎng)絡(luò)主要由多個神經(jīng)元相互連接而成，是對人腦神經(jīng)系統(tǒng)的虛擬，與計(jì)算機(jī)相比具有信息綜合處理能力強(qiáng)、學(xué)習(xí)認(rèn)知能力和邏輯能力強(qiáng)等特點(diǎn)，在信息自動處理上有著不可比擬的優(yōu)勢。把ANN運(yùn)用到變電站電壓無功綜合自動控制中能有效地調(diào)節(jié)電壓，保證電力系統(tǒng)的穩(wěn)定性和可靠性，滿足人們?nèi)找嬖鲩L的電力需求。本文分析了人工神經(jīng)網(wǎng)絡(luò)的內(nèi)涵，介紹了變電站電壓和無功綜合自動控制策略，論述了基于ANN的變電站電壓和無功綜合自動控制。

1 人工神經(jīng)網(wǎng)絡(luò)（ANN）的內(nèi)涵

人工神經(jīng)網(wǎng)絡(luò)作為一種前沿技術(shù)，已成為當(dāng)下國內(nèi)外重點(diǎn)研究的對象。人工神經(jīng)網(wǎng)絡(luò)是由很多神經(jīng)元相互連接構(gòu)成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，具有人腦的特有性質(zhì)，在學(xué)習(xí)能力、記憶能力和信息處理能力上有著十分明顯的優(yōu)勢，在信息處理領(lǐng)域得到廣泛的應(yīng)用，如神經(jīng)控制器、系統(tǒng)識別、智能檢測等。隨著現(xiàn)代化經(jīng)濟(jì)和技術(shù)的不斷發(fā)展，人工神經(jīng)網(wǎng)絡(luò)在變電站電壓無功綜合自動控制中得到應(yīng)用。

2 基于ANN的變電站電壓和無功綜合自動控制設(shè)計(jì)

2.1 基于ANN的變電站電壓和無功綜合自動控制總體設(shè)計(jì)

基于ANN的變電站電壓和無功綜合自動控制系統(tǒng)的主要功能模塊有：①ANN無功負(fù)荷預(yù)測模塊（監(jiān)測和通報(bào)無功的變化情況，為實(shí)現(xiàn)最優(yōu)控制提供重要數(shù)據(jù)）；②A／D采樣模塊（獲取相關(guān)數(shù)據(jù)，方便電壓調(diào)節(jié)和無功計(jì)算）；③I／O模塊（是實(shí)現(xiàn)電壓無功科學(xué)、合理調(diào)節(jié)的重要依據(jù)）；④模糊化模塊（在多個控制因素之間不能精確處理時進(jìn)行模糊處理，為調(diào)節(jié)決策模塊做好準(zhǔn)備）；⑤調(diào)節(jié)決策模塊（根據(jù)電壓無功變化和功率變化等進(jìn)行綜合判斷和決策，選擇最佳控制方式）；⑥計(jì)算模塊（對決策進(jìn)行補(bǔ)充計(jì)算，保證數(shù)據(jù)在可控范圍內(nèi)，保證電壓的穩(wěn)定性）。

2.2 ANN無功負(fù)荷預(yù)測模塊設(shè)計(jì)

變電站無功除了受有功負(fù)荷影響外，還受到負(fù)荷供電電壓影響，在實(shí)際工作中變電站無功并不穩(wěn)定，而ANN具有記憶聯(lián)想能力強(qiáng)等特點(diǎn)，能對無功負(fù)荷進(jìn)行全面而精確的預(yù)測，實(shí)現(xiàn)最佳優(yōu)化策略。ANN還有非線性函數(shù)特性，可以對前饋三層ANN的任意兩個隱含層中的節(jié)點(diǎn)進(jìn)行連續(xù)函數(shù)計(jì)算，本文利用前饋三層ANN實(shí)現(xiàn)無功負(fù)荷預(yù)測設(shè)計(jì)。

在進(jìn)行ANN無功負(fù)荷預(yù)測模塊設(shè)計(jì)時，除了要考慮到變電站的實(shí)際運(yùn)用外，還要根據(jù)工作日和休息日電壓負(fù)荷差，進(jìn)行相應(yīng)的設(shè)計(jì)。即工作日構(gòu)建一個無功預(yù)測模型，輸入為五個工作日同一時間的無功負(fù)荷，輸出為工作日無功負(fù)荷。休息日用另一個無功預(yù)測模型。為了簡化裝置，便于觀測與操作，本文主要針對過去三個休息日的無功負(fù)荷構(gòu)建模型，輸入為三個休息日同一時間的無功負(fù)荷，輸出為休息日無功負(fù)荷。然后利用ANN非線性函數(shù)進(jìn)行預(yù)測，在這個過程中，要選取合適數(shù)量的隱含層節(jié)點(diǎn)（若節(jié)點(diǎn)太少，會增加預(yù)測時間，降低預(yù)測精確性；若節(jié)點(diǎn)太多，一些不需要的數(shù)據(jù)如噪聲等也被記錄下來，影響無功負(fù)荷預(yù)測結(jié)果），保證無功負(fù)荷預(yù)測的精確性。本文根據(jù)實(shí)際情況選取ANN第1隱含層節(jié)點(diǎn)20個，第2隱含層節(jié)點(diǎn)30個，利用150多個樣本進(jìn)行網(wǎng)絡(luò)訓(xùn)練，每五分鐘進(jìn)行一次，對半個月內(nèi)的近2 250個樣本進(jìn)行仿真，然后得出預(yù)測結(jié)果，大多數(shù)誤差小于4%，少數(shù)在8%左右，能為無功負(fù)荷提供有效數(shù)據(jù)信息。

2.3 A／D采樣模塊和I／O模塊設(shè)計(jì)

A／D采樣模塊對相關(guān)參數(shù)進(jìn)行采樣，如變壓器電壓、電流，然后計(jì)算出變壓器的電壓、無功等數(shù)據(jù)，為電壓無功計(jì)算和調(diào)整提供參考數(shù)據(jù)。I／O模塊設(shè)計(jì)主要是對開關(guān)、刀閘等位置進(jìn)行獲取，對變電站運(yùn)行方式進(jìn)行全面的分析和處理，為ANN控制決策模塊提供依據(jù)。

2.4 ANN控制決策模塊和計(jì)算模塊

ANN控制決策模塊采取的是前饋三層BP神經(jīng)網(wǎng)絡(luò)（且是7輸入、4輸出），以模糊化模塊的輸出作為該控制決策模塊的輸入，而控制決策模塊的輸出為無功控制決策，具體來說，流程為：cos＆、V、qt、qt＋nΔt（n＝0，1，2，3）→輸入層→第1隱含層→第2隱含層→輸出層→分接頭上／小調(diào)、投／切電容器。

其中，cos＆是模糊處理前十分鐘內(nèi)功率因數(shù)均值；

V是當(dāng)前電壓模糊化輸出；

qt是無功的模糊化輸出；

qt＋nΔt（n＝0，1，2，3）是人工神經(jīng)網(wǎng)絡(luò)預(yù)測模塊在相應(yīng)時間內(nèi)的無功負(fù)荷模糊化輸出。Δt取值在5～20分鐘之間。

若把功率因數(shù)均值和一定時間內(nèi)的無功負(fù)荷等數(shù)據(jù)歸置為0，利用樣本對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，就相當(dāng)于固定電壓無功綜合控制。若利用ANN控制決策模塊進(jìn)行控制，根據(jù)一定時間內(nèi)的無功變化規(guī)律，判斷出引起低壓母線電壓變化的原因（一般有兩種：高壓側(cè)電壓或者無功需求變化），然后對變壓器分接頭或者投／切電容器進(jìn)行相應(yīng)的調(diào)節(jié)，減少不必要的環(huán)節(jié)和麻煩，保證電壓的穩(wěn)定，實(shí)現(xiàn)最佳綜合調(diào)節(jié)控制。

此外，根據(jù)無功變化規(guī)律可以對無功負(fù)荷進(jìn)行及時的判斷和分析，同時可以根據(jù)用戶的需求進(jìn)行功率因數(shù)的設(shè)置，把電壓、無功負(fù)荷、功率因數(shù)相對應(yīng)的權(quán)重進(jìn)行分析，做出最優(yōu)電壓無功綜合自動控制策略。決策模塊第1隱含層節(jié)點(diǎn)為20，第2隱含層節(jié)點(diǎn)為28，組織150多個樣本進(jìn)行試驗(yàn)，提高變壓器的調(diào)節(jié)精確度。

3 結(jié) 論

基于人工神經(jīng)網(wǎng)絡(luò)的變電站電壓和無功綜合自動控制系統(tǒng)充分利用ANN的自學(xué)習(xí)、自組織和自適應(yīng)能力，對變電站無功負(fù)荷變化進(jìn)行預(yù)測、分析、調(diào)節(jié)和決策，有效利用電容器的功能，發(fā)揮其經(jīng)濟(jì)價值和技術(shù)價值，可以提高變電站電壓穩(wěn)定性和無功功率穩(wěn)定性，減少變壓器的調(diào)節(jié)次數(shù)，避免盲目調(diào)節(jié)現(xiàn)象，提高經(jīng)濟(jì)效益。據(jù)調(diào)查，目前變壓器出現(xiàn)故障大多數(shù)是由分接頭引起的，而基于ANN的變電站電壓和無功綜合自動控制系統(tǒng)能有效把變壓器分接頭調(diào)節(jié)次數(shù)降到最低，不僅可以提高變壓器的運(yùn)行質(zhì)量和使用壽命，而且可以減少維修成本，提高經(jīng)濟(jì)效益。

ANN無功綜合自動控制系統(tǒng)根據(jù)用戶的需求對電壓、無功負(fù)荷、功率因數(shù)等進(jìn)行對應(yīng)的權(quán)重設(shè)置，且該系統(tǒng)還設(shè)置有備用網(wǎng)絡(luò)權(quán)值，利用無功負(fù)荷預(yù)測模塊進(jìn)行預(yù)測，并將預(yù)測數(shù)據(jù)與當(dāng)天實(shí)際無功負(fù)荷進(jìn)行對比分析，然后利用調(diào)節(jié)決策模塊和計(jì)算模塊對誤差大的數(shù)據(jù)進(jìn)行調(diào)整，保證無功負(fù)荷在合理范圍內(nèi)。

［1］Samarasinghe著，史曉霞等譯.神經(jīng)網(wǎng)絡(luò)在應(yīng)用科學(xué)和工程中的應(yīng)用——從基本原理到復(fù)雜的模式識別［M］.北京：機(jī)械工業(yè)出版社，2009.

［2］楊曉亮，李建軍，布文哲，等.變電站電壓無功綜合控制（VQC）策略的研究［J］.電源技術(shù)應(yīng)用，2013，（6）：33－35.

［3］孫均梅，胡慶華，李國剛，等.一種基于十七區(qū)域圖的電壓無功控制方法及其應(yīng)用［J］.電氣技術(shù)，2011，（7）：131.

［4］趙 浩.基于PLC的變電站電壓無功綜合控制系統(tǒng)的研究［J］.知識經(jīng)濟(jì)，2011，（21）：55－56.