基于不確定非線性智能電網(wǎng)感知網(wǎng)絡(luò)控制系統(tǒng)方法研究

康科飛

摘 要： 針對(duì)傳統(tǒng)的不確定時(shí)滯的魯棒控制系統(tǒng)不能滿足現(xiàn)代電力系統(tǒng)發(fā)展的需求，提出一種基于不確定非線性智能電網(wǎng)感知云網(wǎng)絡(luò)化控制識(shí)別方法。使用傳統(tǒng)的數(shù)據(jù)值和基于電力網(wǎng)絡(luò)到網(wǎng)絡(luò)系統(tǒng)模型作為電力感知網(wǎng)絡(luò)到網(wǎng)絡(luò)模型的電力云網(wǎng)絡(luò)，控制數(shù)據(jù)優(yōu)化使用電源感知網(wǎng)絡(luò)，而不是利用控制節(jié)點(diǎn)的預(yù)測(cè)值，突破了魯棒控制的不確定時(shí)滯系統(tǒng)的控制效果。運(yùn)用感知模型中的正向云算法修正加權(quán)系數(shù)，仿真實(shí)驗(yàn)證明，該識(shí)別方法能夠很好地優(yōu)化傳統(tǒng)的不確定時(shí)滯魯棒控制電力系統(tǒng)，具有良好的適應(yīng)性和魯棒控制性，進(jìn)一步提高了智能電網(wǎng)傳感云網(wǎng)絡(luò)控制的各項(xiàng)性能指標(biāo)。

關(guān)鍵詞： 模糊電力感知網(wǎng)絡(luò)； 感知智能電網(wǎng)感知控制； 電力云網(wǎng)絡(luò)化控制； 適應(yīng)性

中圖分類號(hào)： TN92?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）21?0139?03

Smart power grid sensing network control system

based on uncertain nonlinear perception

KANG Ke?fei

（Chongqing Urban Power Supply Company of National Power Grid， Chongqing 400000， China）

Abstract： Since the traditional uncertain time delay robust control system can not meet the needs of the development of mordern electric power system， a new intelligent power sensing cloud network control recognition method based on uncertain nonlinear perception is put forward. The traditional data values and network system model based on power is taken as power cloud network control data optimization， which uses power supply sensing network model rather than the predictive value for the node control. It broke through the robust control which can not timely feedback control effect of the uncertain time delay system， but the weighted coefficient is corrected by the Xiang Yun algorithm in perception model of the performance indicator. The simulation results show that the recognition method has good adaptability， robustness and control for optimization of traditional uncertain time delay robust control system， and can further improve the smart power grid sensing cloud network control performance.

Keywords： fuzzy power sensing network； sensing control of perception smart power grid； power cloud network control； adaptability

1 相關(guān)研究工作

1.1 系統(tǒng)描述

基于電力感知網(wǎng)絡(luò)建模的一般運(yùn)行模型為 [ψ0]為初始智能城市電力系統(tǒng)非負(fù)數(shù)據(jù)序列為[ξ0ψ（0）=（ξ1ψ（0）（1），ξ2ψ（0）（2），…，ξmψ（0）（m）），]對(duì)[ψ0] 進(jìn)行一次電力感知網(wǎng)絡(luò)系統(tǒng)模型累加生成操作（CCGO），同時(shí)利用電力感知網(wǎng)絡(luò)模型得到[ψ0]的1?CCGO序列[ψ1=（ψ（1）（1），ψ（1）（2），…，ψ（1）（m）），]其中：[ψ1κ+1=j=1κ-nj+1，κ=1，2，…，m] （1）

對(duì)序列[ψ1]進(jìn)行緊鄰均值生成操作，得到[ψ1]的緊鄰均值生成序列[?1，]其中：

[?1ξκ=j=1m12ψ1ξ1κ+ψ1ξmκ-1，κ=1，2，…，m] （2）

可得電力感知網(wǎng)絡(luò)的模糊微分方程：

[α=j=1mψ0mκξ+β?1κ?+1] （3）

利用云網(wǎng)絡(luò)相應(yīng)的白化方程為：

[α=j=1mdξψmτdτ+βξψmτ] （4）

式中：[β]為發(fā)展系數(shù)；[α]為模糊作用量。[α]和[β]可用最小二乘法求得：

[α1β1=αταξ-1ατψm+1] （5）

[β=-?1α21-?1α131??-?1αm-1m1]

[ψm=ξψ02，ψ03，ψ04，…，ψ0mτ]

方程（4）的解為：

[ψ1τ=ψ11-βαe-argcosατ+βα] （6）

相應(yīng)地，方程（3）的時(shí)間響應(yīng)序列為：

[?（1）（κ+1）=ψξ（0）（1）-βαe-argcosακ+ξ?βα，κ=1，2，…，m] （7）

對(duì)序列[?（1）]進(jìn)行累減生成操作，即電力感知網(wǎng)絡(luò)系統(tǒng)模型累加生成的逆運(yùn)算，記為ICCGO，可得電力感知網(wǎng)絡(luò)序列[?（1），]其中：

[?（0）ξ（κ+1）=?（1）ξ1（κ+1）-ψ（1）（κξ2+1）=（1-eα）ψξ（0）（1）-βαe-argcosακ，κ=1，2，…，n] （8）

由方程（7）可知，功率傳感器網(wǎng)絡(luò)的傳感器網(wǎng)絡(luò)模型精度的功率取決于：

（1） [α]和[β]的值，而[α]和[β]的值依賴于初始序列和傳統(tǒng)數(shù)據(jù)值[?（1）]的構(gòu)造形式；

（2） 模糊微分方程模型電力云網(wǎng)絡(luò)化控制數(shù)據(jù)的選取，原電力感知網(wǎng)絡(luò)模型以[?（1）（1）=ψ（1）（1）]為電力云網(wǎng)絡(luò)化控制數(shù)據(jù)。

參考文獻(xiàn)[2]根據(jù)電力感知網(wǎng)絡(luò)模糊模型的指數(shù)特性，利用在區(qū)間內(nèi)[[κ，κ+1]]積分的方法，令：

[?（1）（κ）=j=1mψ（1）（κ）-ψ（1）m（κ-1）lnψ（1）（κ）-lnψ（1）m（κ-1），κ=2，3，…，m] （9）

優(yōu)化了傳統(tǒng)數(shù)據(jù)值。參考文獻(xiàn)[2]根據(jù)新信息優(yōu)先原理提出了以[ψ（1）（m）]為電力云網(wǎng)絡(luò)化控制數(shù)據(jù)的電力感知網(wǎng)絡(luò)模型為：

[?（1）（κ+1）=ψ（1）ξm（m）-βαe-argcosα（κ-m+1）+βαdτ] （10）

根據(jù)式（10），若進(jìn)行[κ+d]時(shí)刻的電力感知網(wǎng)絡(luò)，然后對(duì)電力感知網(wǎng)絡(luò)系統(tǒng)模型累加后的數(shù)據(jù)進(jìn)行還原得到還原數(shù)據(jù)對(duì)[κ+d]時(shí)刻的電力感知網(wǎng)絡(luò)為：

[?（κ+d）=ψ（1）ξm（m）-βαe-argcosα（κ+d-m+1）（1-eα）] （11）

以上這兩種方法可以單獨(dú)運(yùn)用電力云網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)仿真，以提高準(zhǔn)確性電源數(shù)據(jù)結(jié)構(gòu)，并完全獨(dú)立于結(jié)構(gòu)到電力云網(wǎng)絡(luò)控制模型中，同時(shí)提出優(yōu)化傳統(tǒng)數(shù)據(jù)值和電力云網(wǎng)絡(luò)化控制數(shù)據(jù)的一種基于電力感知網(wǎng)絡(luò)模型，提高了電力感知網(wǎng)絡(luò)模型的仿真精度。

1.2 不確定非線性智能電網(wǎng)感知網(wǎng)絡(luò)化控制模型

電力云網(wǎng)絡(luò)化離散控制系統(tǒng)為：

[δ（κ）=κξe（κ+d）+κξτij=1κ+dτγe（j）+κξτde（κ+d）-e（κ+d-1）τγ] （12）

式中：[τγ]為采樣周期；[κ]為采樣序號(hào)；[κξ]為比例系數(shù)；[τi]為積分時(shí)間；[τd]為微分時(shí)間；[e（κ+d）]為設(shè)定值與預(yù)測(cè)值之間的偏差：

[e（κ+d）=rξ（κ+d）-?（κ+d）] （13）

由：

[δ（κ）=δ（κ-1）ξm+Δδ（κ）] （14）

易得其增量算式為：

[Δδ（κ）=j=1mξjκξe（κ+d）-e（κ+d-1）+κξτγτie（κ+d）+κxτdτγe（κ+d）-2e（κ+d-1）+e（κ+d-2）=j=1mξjκξ（e（κ+d）-e（κ+d-1））+κie（κ+d）+κde（κ+d）-2e（κ+d-1）+e（κ+d-2）] （15）

為得到感知智能電網(wǎng)感知云網(wǎng)絡(luò)的形成，將式（15）寫成：

[Δδ（κ）=j=1ni=1mμi（κ）ξj（κ+1）] （16）

式中：

[m=5，μi（κ+1）=i=1mμi（κ）+Δμi（κ+1）] （17）

[ξ1（κ）=e（κ+d），ξ2（κ）=e（κ+d）-e（κ+d-1）ξ3（κ）=e（κ+d）-2e（κ+d-1）+e（κ+d-2）] （18）

基于梯度優(yōu)化的智能電網(wǎng)感知云網(wǎng)絡(luò)化電力感知網(wǎng)絡(luò)模型控制計(jì)算法，設(shè)系統(tǒng)的性能指標(biāo)為：

[ζ（κ）=12[r（κ+d）-?（κ+d）]2=12e2（κ+d）] （19）

式中：[d]為電力感知網(wǎng)絡(luò)步數(shù)。令加權(quán)系數(shù)[μi]的調(diào)整沿著[ζ（κ）]對(duì)[μi]的感知模型調(diào)整云算法進(jìn)行搜索，即有：

[Δμi（κ+1）=-ψi?J（κ）?μi（κ）] （20）

根據(jù)式（16），式（19），式（20）有：

[Δμi（κ）=ψieξ（κ+d）??（κ+d）?δ（κ）×?δ（κ）?μi（κ）] （21）

相應(yīng)地，對(duì)[μ1，][μ2，][μ3]分別有：

[Δμ1（κ）=ψ1eξ（κ+d）??（κ+d）?δ（κ）×ξ1（k）]

[Δμ2（κ）=ψ2eξ（κ+d）??（κ+d）?δ（κ）×ξ2（k）Δμ3（κ）=ψ3eξ（κ+d）??（κ+d）?δ（κ）×ξ3（k）] （22）

式中：[ψ1，][ψ2，][ψ3]分別表示電源整體的感知、感知功率比和學(xué)習(xí)的感知力差速。[14??（κ+d）?δ（κ）]通常未知，利用符號(hào)信息[sign][14??（κ+d）?δ（κ）]近似代替，即：

[argsin（ψ）=1，ψ≥0-1，ψ<0] （23）

上述代替后所帶來的影響可通過調(diào)整學(xué)習(xí)速度來補(bǔ)償。

1.3 仿真數(shù)據(jù)分析

本課題運(yùn)用該方法的實(shí)質(zhì)性，同時(shí)利用參考文獻(xiàn)[2?4]中的一個(gè)不確定時(shí)滯魯棒控制系統(tǒng)模型如式（24）作為仿真研究節(jié)點(diǎn)，[τγ+1=1，][γ∈R+∞，]給定輸入[r（τ）=m（τ），]給定輸入模糊電力感知網(wǎng)絡(luò)計(jì)算器的建模維數(shù)[m=10 000，]電力感知網(wǎng)絡(luò)步數(shù)[d=1 000。]

[η（γ）=e-10γ1.5γ+1] （24）

基于電力云網(wǎng)絡(luò)控制，模糊的云網(wǎng)絡(luò)控制和常規(guī)電源感知網(wǎng)絡(luò)的力量以及本課題提出的一種基于不確定非線性感知智能電網(wǎng)感知云網(wǎng)絡(luò)化控制的控制干擾，用Matlab 7.0仿真得到如圖1所示的仿真結(jié)果。

從圖1可以看出，模糊感知的智能電網(wǎng)到電力云網(wǎng)絡(luò)控制可以有效地減少超調(diào)量，縮短調(diào)整時(shí)間。本課題提出的一種基于不確定非線性智能電網(wǎng)感知網(wǎng)絡(luò)化控制，結(jié)合電力云網(wǎng)絡(luò)化控制和模糊電力感知網(wǎng)絡(luò)控制的特點(diǎn)，系統(tǒng)具有良好的動(dòng)態(tài)性能，與電力云網(wǎng)絡(luò)控制系統(tǒng)比較，大大減少了過沖及振蕩，使系統(tǒng)收斂速度更快。

2 結(jié) 語

本文提出了一種基于不確定非線性智能電網(wǎng)感知云網(wǎng)絡(luò)控制系統(tǒng)方法研究，將模糊電力感知網(wǎng)絡(luò)系統(tǒng)模型與智能電網(wǎng)感知云網(wǎng)絡(luò)化控制系統(tǒng)相結(jié)合，利用同時(shí)優(yōu)化傳統(tǒng)數(shù)據(jù)值和電力云網(wǎng)絡(luò)化控制數(shù)據(jù)的一種基于電力感知網(wǎng)絡(luò)模型作為電力感知網(wǎng)絡(luò)系統(tǒng)模型，提高功率傳感器網(wǎng)絡(luò)的模糊模型精度，打破時(shí)滯延遲，傳感智能電網(wǎng)感知網(wǎng)絡(luò)控制梯度，優(yōu)化網(wǎng)絡(luò)控制計(jì)算，實(shí)現(xiàn)智能電網(wǎng)的網(wǎng)絡(luò)感知最優(yōu)控制。仿真實(shí)驗(yàn)證明，該識(shí)別方法可優(yōu)化傳統(tǒng)的不確定時(shí)滯魯棒控制系統(tǒng)，具有良好的適應(yīng)性和魯棒控制性，進(jìn)一步完善了智能電網(wǎng)感知網(wǎng)絡(luò)控制系統(tǒng)的各項(xiàng)性能指標(biāo)。下一步工作將進(jìn)行不確定非線性智能電網(wǎng)感知結(jié)構(gòu)網(wǎng)絡(luò)容錯(cuò)控制研究。

圖1 模糊感知的智能電網(wǎng)感知云網(wǎng)絡(luò)控制仿真

參考文獻(xiàn)

[1] JARUPAN B， EKICI E. PROMPT： A cross layer position?based communication protocol for delay?aware vehicular access networks [J]. Ad Hoc Neworks （Elsevier） Journal Special Issue on Vehicular Networks， 2010， 8： 489?505.

[2] MAJEED A， RAZAK S， ABU?GHAZALEH N， et al. TCP over multi?hop wireless networks： the impact of MAC level interactions [J]. Ad?Hoc， Mobile and Wireless Networks， 2009， 20： 1?15.

[3] 高存臣，劉振，任啟峰.時(shí)滯離散系統(tǒng)的非線性準(zhǔn)滑模魯棒控制[J].控制理論與應(yīng)用，2013，30（1）：123?130.

[4] 逄海萍，王璐萍.含狀態(tài)時(shí)滯不確定性系統(tǒng)的全滑模控制[J].計(jì)算機(jī)仿真，2010（11）：159?161.

[5] 唐功友，逄海萍，孫慧影.不確定時(shí)滯系統(tǒng)的全局魯棒最優(yōu)滑?？刂芠J].控制理論與應(yīng)用，2009，26（8）：850?854.

[6] 沈啟坤，張?zhí)炱?，錢厚斌.一類非仿射非線性系統(tǒng)的自適應(yīng)模糊控制[J].電機(jī)與控制學(xué)報(bào)，2006，10（6）：592?596.

[7] 文杰，姜長(zhǎng)生，錢承山.非仿射非線性系統(tǒng)的自適應(yīng)模糊輸出反饋控制[J].系統(tǒng)工程與電子技術(shù)，2009，31（7）：1694?1698.

[8] 李春茂.網(wǎng)絡(luò)化控制系統(tǒng)自適應(yīng)預(yù)測(cè)控制方法研究[D].成都：西南交通大學(xué)，2007.

[9] 付偉，楊先一，馮偉，等.網(wǎng)絡(luò)控制系統(tǒng)時(shí)延的預(yù)測(cè)控制補(bǔ)償方法[J].系統(tǒng)工程與電子技術(shù)，2011，33（9）：2066?2071.

2 結(jié) 語

本文提出了一種基于不確定非線性智能電網(wǎng)感知云網(wǎng)絡(luò)控制系統(tǒng)方法研究，將模糊電力感知網(wǎng)絡(luò)系統(tǒng)模型與智能電網(wǎng)感知云網(wǎng)絡(luò)化控制系統(tǒng)相結(jié)合，利用同時(shí)優(yōu)化傳統(tǒng)數(shù)據(jù)值和電力云網(wǎng)絡(luò)化控制數(shù)據(jù)的一種基于電力感知網(wǎng)絡(luò)模型作為電力感知網(wǎng)絡(luò)系統(tǒng)模型，提高功率傳感器網(wǎng)絡(luò)的模糊模型精度，打破時(shí)滯延遲，傳感智能電網(wǎng)感知網(wǎng)絡(luò)控制梯度，優(yōu)化網(wǎng)絡(luò)控制計(jì)算，實(shí)現(xiàn)智能電網(wǎng)的網(wǎng)絡(luò)感知最優(yōu)控制。仿真實(shí)驗(yàn)證明，該識(shí)別方法可優(yōu)化傳統(tǒng)的不確定時(shí)滯魯棒控制系統(tǒng)，具有良好的適應(yīng)性和魯棒控制性，進(jìn)一步完善了智能電網(wǎng)感知網(wǎng)絡(luò)控制系統(tǒng)的各項(xiàng)性能指標(biāo)。下一步工作將進(jìn)行不確定非線性智能電網(wǎng)感知結(jié)構(gòu)網(wǎng)絡(luò)容錯(cuò)控制研究。

圖1 模糊感知的智能電網(wǎng)感知云網(wǎng)絡(luò)控制仿真

參考文獻(xiàn)

[1] JARUPAN B， EKICI E. PROMPT： A cross layer position?based communication protocol for delay?aware vehicular access networks [J]. Ad Hoc Neworks （Elsevier） Journal Special Issue on Vehicular Networks， 2010， 8： 489?505.

[2] MAJEED A， RAZAK S， ABU?GHAZALEH N， et al. TCP over multi?hop wireless networks： the impact of MAC level interactions [J]. Ad?Hoc， Mobile and Wireless Networks， 2009， 20： 1?15.

[3] 高存臣，劉振，任啟峰.時(shí)滯離散系統(tǒng)的非線性準(zhǔn)滑模魯棒控制[J].控制理論與應(yīng)用，2013，30（1）：123?130.

[4] 逄海萍，王璐萍.含狀態(tài)時(shí)滯不確定性系統(tǒng)的全滑?？刂芠J].計(jì)算機(jī)仿真，2010（11）：159?161.

[5] 唐功友，逄海萍，孫慧影.不確定時(shí)滯系統(tǒng)的全局魯棒最優(yōu)滑模控制[J].控制理論與應(yīng)用，2009，26（8）：850?854.

[6] 沈啟坤，張?zhí)炱?，錢厚斌.一類非仿射非線性系統(tǒng)的自適應(yīng)模糊控制[J].電機(jī)與控制學(xué)報(bào)，2006，10（6）：592?596.

[7] 文杰，姜長(zhǎng)生，錢承山.非仿射非線性系統(tǒng)的自適應(yīng)模糊輸出反饋控制[J].系統(tǒng)工程與電子技術(shù)，2009，31（7）：1694?1698.

[8] 李春茂.網(wǎng)絡(luò)化控制系統(tǒng)自適應(yīng)預(yù)測(cè)控制方法研究[D].成都：西南交通大學(xué)，2007.

[9] 付偉，楊先一，馮偉，等.網(wǎng)絡(luò)控制系統(tǒng)時(shí)延的預(yù)測(cè)控制補(bǔ)償方法[J].系統(tǒng)工程與電子技術(shù)，2011，33（9）：2066?2071.

2 結(jié) 語

本文提出了一種基于不確定非線性智能電網(wǎng)感知云網(wǎng)絡(luò)控制系統(tǒng)方法研究，將模糊電力感知網(wǎng)絡(luò)系統(tǒng)模型與智能電網(wǎng)感知云網(wǎng)絡(luò)化控制系統(tǒng)相結(jié)合，利用同時(shí)優(yōu)化傳統(tǒng)數(shù)據(jù)值和電力云網(wǎng)絡(luò)化控制數(shù)據(jù)的一種基于電力感知網(wǎng)絡(luò)模型作為電力感知網(wǎng)絡(luò)系統(tǒng)模型，提高功率傳感器網(wǎng)絡(luò)的模糊模型精度，打破時(shí)滯延遲，傳感智能電網(wǎng)感知網(wǎng)絡(luò)控制梯度，優(yōu)化網(wǎng)絡(luò)控制計(jì)算，實(shí)現(xiàn)智能電網(wǎng)的網(wǎng)絡(luò)感知最優(yōu)控制。仿真實(shí)驗(yàn)證明，該識(shí)別方法可優(yōu)化傳統(tǒng)的不確定時(shí)滯魯棒控制系統(tǒng)，具有良好的適應(yīng)性和魯棒控制性，進(jìn)一步完善了智能電網(wǎng)感知網(wǎng)絡(luò)控制系統(tǒng)的各項(xiàng)性能指標(biāo)。下一步工作將進(jìn)行不確定非線性智能電網(wǎng)感知結(jié)構(gòu)網(wǎng)絡(luò)容錯(cuò)控制研究。

圖1 模糊感知的智能電網(wǎng)感知云網(wǎng)絡(luò)控制仿真

參考文獻(xiàn)

[1] JARUPAN B， EKICI E. PROMPT： A cross layer position?based communication protocol for delay?aware vehicular access networks [J]. Ad Hoc Neworks （Elsevier） Journal Special Issue on Vehicular Networks， 2010， 8： 489?505.

[2] MAJEED A， RAZAK S， ABU?GHAZALEH N， et al. TCP over multi?hop wireless networks： the impact of MAC level interactions [J]. Ad?Hoc， Mobile and Wireless Networks， 2009， 20： 1?15.

[3] 高存臣，劉振，任啟峰.時(shí)滯離散系統(tǒng)的非線性準(zhǔn)滑模魯棒控制[J].控制理論與應(yīng)用，2013，30（1）：123?130.

[4] 逄海萍，王璐萍.含狀態(tài)時(shí)滯不確定性系統(tǒng)的全滑?？刂芠J].計(jì)算機(jī)仿真，2010（11）：159?161.

[5] 唐功友，逄海萍，孫慧影.不確定時(shí)滯系統(tǒng)的全局魯棒最優(yōu)滑模控制[J].控制理論與應(yīng)用，2009，26（8）：850?854.

[6] 沈啟坤，張?zhí)炱?，錢厚斌.一類非仿射非線性系統(tǒng)的自適應(yīng)模糊控制[J].電機(jī)與控制學(xué)報(bào)，2006，10（6）：592?596.

[7] 文杰，姜長(zhǎng)生，錢承山.非仿射非線性系統(tǒng)的自適應(yīng)模糊輸出反饋控制[J].系統(tǒng)工程與電子技術(shù)，2009，31（7）：1694?1698.

[8] 李春茂.網(wǎng)絡(luò)化控制系統(tǒng)自適應(yīng)預(yù)測(cè)控制方法研究[D].成都：西南交通大學(xué)，2007.

[9] 付偉，楊先一，馮偉，等.網(wǎng)絡(luò)控制系統(tǒng)時(shí)延的預(yù)測(cè)控制補(bǔ)償方法[J].系統(tǒng)工程與電子技術(shù)，2011，33（9）：2066?2071.