基于電力物聯(lián)網(wǎng)的一種自適應能量流控制策略

方凱飛 祝鳳俠

(1、2.安順學院電子與信息工程學院，貴州 安順561000)

隨著間歇可再生能源的不斷滲透，電力物聯(lián)網(wǎng)系統(tǒng)正面臨著越來越多的未知環(huán)境和不確定性。在此背景下，如何高效可靠地運行電力物聯(lián)網(wǎng)系統(tǒng)是一個挑戰(zhàn)性的課題。由于可再生發(fā)電和存儲的不確定性，高效能量流控制策略研究成為熱點。傳統(tǒng)電力系統(tǒng)的運行可認為是一個基于確定性安全約束的調(diào)度過程。基于安全約束的最優(yōu)能量流控制方法是一種穩(wěn)態(tài)最優(yōu)，它沒有考慮局部控制器和負載動態(tài)性，并且最優(yōu)能量流的獲得是在假設系統(tǒng)能夠精確預測的條件下進行的。雖然最優(yōu)能量流給下一階段的預測提供了最優(yōu)調(diào)度，但是在兩次調(diào)度瞬間，任何不可預知的實時負載變化僅僅用一個線性控制器來處理將無法得到全局最優(yōu)。對于實時有功功率平衡問題來說，一個典型的例子是基于PI的自動發(fā)電控制系統(tǒng)。對有功電能進行局部控制的一個典型問題是電壓調(diào)節(jié)，例如具有自動電壓調(diào)節(jié)功能的大型發(fā)電裝備[1]。

早期的電力系統(tǒng)采用PI控制器調(diào)節(jié)電力物聯(lián)網(wǎng)系統(tǒng)的頻率和能量流，以保持所控制區(qū)域內(nèi)的實時發(fā)電需求平衡。單臺發(fā)電機是通過預先定義的經(jīng)濟調(diào)度比進行調(diào)節(jié)[2]。文獻[3]報道了有關改善傳統(tǒng)電力系統(tǒng)中自動增益控制(Automatic Gain Control)AGC方法魯棒性和動態(tài)性的最新技術。雖然AGC方法能對電力物聯(lián)網(wǎng)系統(tǒng)的全局能量流進行控制，然而它將電力物聯(lián)網(wǎng)系統(tǒng)視為單條母線，與電力系統(tǒng)有功功率控制之間沒有協(xié)調(diào)，沒有考慮電力系統(tǒng)的穩(wěn)定性和安全性。

電力物聯(lián)網(wǎng)系統(tǒng)的能量流控制在一些發(fā)達國家正處于積極開發(fā)階段。例如在意大利，電力物聯(lián)網(wǎng)系統(tǒng)被劃分為幾個不同的電壓調(diào)節(jié)區(qū)域，其中每個區(qū)域擁有單獨的母線[4]。每個區(qū)域內(nèi)的主發(fā)電機使用PI調(diào)節(jié)器對母線電壓進行調(diào)節(jié)[5]，指令實時更新，更新的時間間隔不超過2s[6]。Wang等人提出了一種有限狀態(tài)機調(diào)節(jié)模糊控制器，從而控制多分流的電力設備，維護電力物聯(lián)網(wǎng)系統(tǒng)電壓[13]。文獻[7]報道了一種非線性模型預測控制策略，通過從控制行為指令池中選取最優(yōu)的控制指令，控制電力物聯(lián)網(wǎng)系統(tǒng)能量流。目前對能量流控制環(huán)的頻率和電壓的開發(fā)都是基于假設條件：電力物聯(lián)網(wǎng)系統(tǒng)在短時間內(nèi)只有微小的變化和微弱的不確定性；對于長期存在較大變化的電力物聯(lián)網(wǎng)系統(tǒng)將由順序穩(wěn)態(tài)優(yōu)化方法進行處理。由于在傳輸層電力負荷的變化相對緩慢，因而電力物聯(lián)網(wǎng)系統(tǒng)中的不確定因素是負荷；由于它的周期特性，因而它能夠較好地被預測。然而在高度變化和不確定性環(huán)境下，在短期內(nèi)可能會發(fā)生較大能量流的重新分配。迫切需要一種更高效的能量流控制方法來確保電力物聯(lián)網(wǎng)系統(tǒng)能量流的最優(yōu)化。由于AGC的控制能力有限和局部無功功率資源有限，將導致電力線路過載和母線超負荷。

由于電力物聯(lián)網(wǎng)系統(tǒng)的復雜性、不確定性、非線性、時變性，設計一種高效能量流控制策略并非一件容易的事情[8]。Kamwa等人將多輸入多輸出的電力物聯(lián)網(wǎng)系統(tǒng)解耦成多個單輸入單輸出的全局穩(wěn)態(tài)環(huán)，基于在不同的輸入輸出對之間存在耦合的基礎上，對單輸入單輸出全局穩(wěn)態(tài)環(huán)依次進行最優(yōu)化，而不是同時對多個單輸入單輸出穩(wěn)態(tài)環(huán)最優(yōu)化[9]。對于狀態(tài)反饋控制和控制設計問題，可以通過概率模型參考方法和模糊決策系統(tǒng)[10-11]，將不同的控制環(huán)設計于不同的運行點。文獻[12][13]直接將該問題視為電力物聯(lián)網(wǎng)系統(tǒng)的一個非線性分析模型問題，最終的控制參數(shù)將決定電力物聯(lián)網(wǎng)系統(tǒng)的運行狀況，并且需要連續(xù)不斷地進行預測。傳統(tǒng)的電力物聯(lián)網(wǎng)系統(tǒng)能量流控制技術的共同缺點：需要系統(tǒng)模型和參數(shù)的詳細信息，而這些信息對于復雜的電力物聯(lián)網(wǎng)系統(tǒng)來說，通常很難獲得。在此背景下，我們設計了一種自適應高效能量流控制策略。

1 電力物聯(lián)網(wǎng)系統(tǒng)結構分析

1.1 電力物聯(lián)網(wǎng)系統(tǒng)結構

電力物聯(lián)網(wǎng)系統(tǒng)應用的目的是提高電力物聯(lián)網(wǎng)系統(tǒng)的信息化與自動化程度。它主要依托于電力物聯(lián)網(wǎng)系統(tǒng)末端的無線傳感器網(wǎng)絡，應用場景包括高壓輸電線路、變電站一次設備、二次設備的在線監(jiān)測等應用，通過對線路與設備運行狀態(tài)的連續(xù)感知和趨勢預測，提高電網(wǎng)的安全性，降低電網(wǎng)的運行成本；由于以上這些應用的通信節(jié)點數(shù)量龐大，適合采用低成本、低功耗的無線傳感器網(wǎng)絡技術。由大量的傳感器節(jié)點自主形成一個多跳網(wǎng)絡，實現(xiàn)物與物之間的直接通信。每個傳感器節(jié)點采集的數(shù)據(jù)經(jīng)無線傳感器網(wǎng)絡傳至網(wǎng)關節(jié)點，由于網(wǎng)關節(jié)點包含數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊、通信模塊、控制模塊等，因此可自動對數(shù)據(jù)進行預處理；對電力線路的運行狀態(tài)信息、電力設備的狀態(tài)信息進行集中分類和數(shù)據(jù)融合，可以大大減少數(shù)據(jù)通信量，減輕網(wǎng)關節(jié)點的轉(zhuǎn)發(fā)負擔，減少節(jié)點能量消耗。但由于網(wǎng)關節(jié)點的處理能力有限，它所采集的數(shù)據(jù)在傳感器網(wǎng)絡內(nèi)只能進行粗粒度的處理，因此信息數(shù)據(jù)必須傳至電力物聯(lián)網(wǎng)系統(tǒng)分析處理平臺進行細粒度的處理。

1.2 電力物聯(lián)網(wǎng)系統(tǒng)能量流控制環(huán)

電力物聯(lián)網(wǎng)系統(tǒng)的主要功能：發(fā)電、傳輸、配電。我們提出一種電力物聯(lián)網(wǎng)系統(tǒng)能量流控制環(huán)結構：能夠識別電力通信信號、協(xié)議、電力裝備、控制行為。

菲式八寶冰則是一種把甜豆、果凍等一同摻在有煉乳的碎冰里食用的菲律賓甜點。在加祿語里Halo-Halo有“把東西混在一起”的意思。還有蒜香牛肉飯、肉蔬面、椰奶芋頭葉、菲式酸湯等，也是區(qū)別于許多東南亞菜的菲式風味，值得一試。

式中r(0

圖1 電力物聯(lián)網(wǎng)系統(tǒng)結構示意圖

圖2 電力物聯(lián)網(wǎng)系統(tǒng)能量流控制環(huán)

2 自適應高效最優(yōu)能量流控制

2.1 架構

為了達到高效最優(yōu)能量流自適應控制的目的，除了考慮最優(yōu)化和非線性，還必須對電力物聯(lián)網(wǎng)系統(tǒng)的時變性和動態(tài)性具有自適應性，并相應地調(diào)整最優(yōu)控制律。

隱爆角礫巖是熱液運移的良好通道和容礦場所，是金屬礦床的一種重要類型[9]，常與淺成—超淺成中酸性斑巖體相伴產(chǎn)出。許多斑巖型金、銀、鎢錫礦及斑巖型銅金鉬礦床都與隱爆角礫巖存在密切的時空及成因聯(lián)系[10-11]。

圖3 自適應高效能量流控制架構

2.2 自適應增強學習型動態(tài)評價高效能量流設計

采用近似貝爾曼動態(tài)方程的成本函數(shù)J，如下列表達式(1)；以循序漸進的方式動態(tài)編程，動態(tài)編程系統(tǒng)結構如圖4所示。

對原始放電聲庫進行預處理,使得數(shù)據(jù)庫由3種狀態(tài)(電暈狀態(tài)、擊穿狀態(tài)和正常狀態(tài))聲音組成,每組150個樣本,共450個樣本。所有樣本均進行了標注和裁剪,以適合算法使用。其中,每組抽出30個用于測試,余下120個用于訓練。故訓練樣本共360個,測試樣本共90個。每個樣本長度為3 s等長。為充分利用實驗數(shù)據(jù),這里采用K交叉驗證方法對實驗數(shù)據(jù)進行驗證,K值取5,即數(shù)據(jù)庫被分成5份,每一份的數(shù)據(jù)容量為90個。

圖4 動態(tài)編程系統(tǒng)結構

(1)

控制中心接收來自傳感器的測量信號；傳感器可以與電力傳輸線、變壓器等進行交互。控制中心處理這些測量信號，并做出決策；決策指令傳遞給執(zhí)行器，執(zhí)行器驅(qū)動電力設備完成相應的動作。如圖2所示，是一個控制回路，表示控制中心和物理系統(tǒng)之間的能量流交互。在電力物聯(lián)網(wǎng)系統(tǒng)中，物理參數(shù)yi(t)，比如電壓、功率值被傳遞到控制中心；控制中心將運行一組算法對這些測量值進行處理。決策變量ui(t)傳遞到執(zhí)行器，驅(qū)動電力現(xiàn)場設備。

對于自適應高效最優(yōu)能量流控制，U(k)是總能量消耗、母線電壓方差、頻率方差、線流量方差、線負荷、線損、發(fā)電機穩(wěn)定裕度的函數(shù)。

相對于y(k+1)，評測網(wǎng)絡的在線訓練近似為λ(k+1)，評測網(wǎng)絡的訓練是由環(huán)狀行為網(wǎng)絡在線完成的。訓練開始時的折扣系數(shù)r=0.5。本文中評測網(wǎng)絡的權重收斂，線性增大至0.9。增大折扣系數(shù)，前向步驟數(shù)將增大，導致訓練時間延長。行為網(wǎng)絡的訓練同時取決于評測網(wǎng)絡，這兩種網(wǎng)絡將同時訓練和同時收斂。

y(k)表示在k時刻電力物聯(lián)網(wǎng)系統(tǒng)的輸出；u(k)表示為控制行為；偏導數(shù)信號被用來訓練評測網(wǎng)絡。

評測網(wǎng)絡將最小化表達式(2)。

(2)

ec(k)=γJ(k)-J(k-1)+U(k)

行為網(wǎng)絡是3層前向反饋神經(jīng)網(wǎng)絡。輸入量是電力物聯(lián)網(wǎng)系統(tǒng)的輸出向量y(k)；輸出量是控制行為向量u(k)。

(3)

評測網(wǎng)絡包括3層：輸入層、隱層、輸出層。權值的訓練是通過前向網(wǎng)絡來實現(xiàn)，如圖5所示。

圖5 評測網(wǎng)絡

評測網(wǎng)絡的輸入向量X，結合了電力物聯(lián)網(wǎng)系統(tǒng)的輸出向量y(k)，控制行為向量u(k)；輸出向量為J(k)。評測網(wǎng)絡的權值更新規(guī)則是基于自適應梯度規(guī)則，如下式(4)和(5)。

假設電力物聯(lián)網(wǎng)系統(tǒng)是完全可觀測的。當系統(tǒng)反饋時，自適應高效最優(yōu)能量流控制器將動態(tài)調(diào)整由最優(yōu)能量流控制算法產(chǎn)生的穩(wěn)態(tài)控制指令。如圖3所示。處于短時期高度變化環(huán)境下，僅僅只有連續(xù)可調(diào)節(jié)資源由最優(yōu)能量流控制器連續(xù)跟蹤控制于最佳運行點。

Wc(k+1)=Wc(k)-ΔWc(k)

總而言之，練習題設計是小學數(shù)學教學過程中重要的部分，針對不同的學生可以用不同的習題進行訓練，幫助學生鞏固知識；對于習題難度要安排合理，讓學生在實踐中加深對知識的理解。小學數(shù)學教師在習題教學中應注意習題內(nèi)容的設計和習題講解的策略。在習題內(nèi)容的設計上，要把握好習題難度、重心、趣味性以及層次性；在習題的講解上要靈活運用習題并注重溝通知識脈絡。

(4)

(5)

到19世紀末20世紀初，藝術思潮的發(fā)展開始著重新穎的形式和創(chuàng)意的視角，在這一時期里，現(xiàn)實主義的藝術創(chuàng)作少之又少。并伴隨著各種傳統(tǒng)藝術門類的形式被打破，藝術的范圍擴展到了人們身邊的任何東西，藝術和生活的界限開始模糊不清了。這一時期出現(xiàn)的概念藝術、簡單藝術、波普藝術等都不約而同地有了一個共同的特點——無從解釋。“內(nèi)容將要如此徹底地消融于形式，以至藝術作品在整體或局部都不可能被簡化為任何不是自身的東西[3]”。為此，蘇珊·桑塔格批評道：“某些文學知識分子和藝術家則走的更遠，以至預言人的藝術創(chuàng)造行為終將消亡。[1][P341]”

圖6 行為網(wǎng)絡

(6)

(7)

wA(k+1)=wA(k)-Δwc(k)

(8)

(9)

U(k)=ece(k)+udeviation(k)+lline(k)+cfuel(k)+lloss(k)+etcontrol(k)

古希臘的醫(yī)學有三大法寶：語言、藥物和手術刀。今天人類最初的語言和敘事能力被醫(yī)療器械和現(xiàn)代生物醫(yī)學技術大大削弱了。如何培養(yǎng)臨床醫(yī)生對患者的理解、共情和親和能力？卡蓉基于系統(tǒng)研究和長期醫(yī)學實踐建立起“平行模式”，即在醫(yī)生書寫醫(yī)療病歷之同時增加一份人文病歷，記錄患者主觀的病痛體驗，就像人類學的田野筆記一樣書寫病患故事及人文觀察所得。平行病歷要解決的問題是醫(yī)患之間因不同敘事而產(chǎn)生的緊張關系，它強調(diào)醫(yī)療應回歸理解、共情和親和。

控制對象包括6個參量：控制誤差ece；系統(tǒng)電壓偏差udeviation；系統(tǒng)線負載lline；燃料成本cfuel；系統(tǒng)線損lloss；控制效果etcontrol。效用函數(shù)U(k)定義如下：

5.并非所有版本ODIS軟件都能進行復位出廠設置操作，很多拷貝軟件數(shù)據(jù)不夠完整，不能執(zhí)行本文介紹的“復位出廠設置”操作，并非本文介紹的方法有誤，而是您診斷檢測軟件ODIS的自診斷數(shù)據(jù)庫不夠完整所致，建議使用ODIS2.26、ODIS2.27、ODIS4.33等版本軟件進行操作。

(10)

基于社會體育的多種功效，吳邦偉非常推崇舉辦社會體育，但是因為現(xiàn)實原因，又遇到眾多困難，所以提出舉辦社會體育要依靠全社會的共同努力，利用有限的資源做好體育的普及工作等觀點；而正是對于社會體育工作的超越時代性的見解，他引領了當時江蘇社會體育走在全國前列。當下全民健身上升為國家戰(zhàn)略，國家出臺各種政策法規(guī)來促進全民健身與全民健康的深度融合，在此時代背景下，吳邦偉的社會體育思想可以給予我們許多啟示。

會后，為迎接改革開放四十周年，臺兒莊古城旅游集團副總經(jīng)理黃曉莉為濟南大學師生做了《文旅融合 助推臺兒莊全域旅游新發(fā)展》的演講，介紹了臺兒莊近些年發(fā)展中取得的優(yōu)秀經(jīng)驗及今后的發(fā)展計劃。

自適應高效最優(yōu)能量流控制器，提供協(xié)調(diào)輔助有功和無功能量流控制。本文的權值系數(shù)按照啟發(fā)式選擇。更大的權值系數(shù)具有更高級的優(yōu)先權，這些權值系數(shù)可以根據(jù)系統(tǒng)條件和特定的設計而調(diào)整[14]。

2.3 自適應高效最優(yōu)能量流控制律的近似

自適應高效最優(yōu)能量流控制器的最優(yōu)控制目標是通過訓練行為網(wǎng)絡，使得第k步的最小。我們采取最小化神經(jīng)網(wǎng)絡行為訓練來近似最優(yōu)控制率。

(12)

(13)

在訓練期間，當時Eα(k)=0時，J(k)最小，因而U(k)為局部最優(yōu)控制率。全局最優(yōu)控制率可以通過將自適應高效最優(yōu)能量流控制器置于不同系統(tǒng)條件下運行獲得[15]。為了使得初始條件對電力系統(tǒng)的影響最小化，評測網(wǎng)絡和行為網(wǎng)絡的初始權值取值局限于非常小的值，使得兩種網(wǎng)絡的初始輸出都接近于0。折扣系數(shù)r=0.5，行為網(wǎng)絡和評測網(wǎng)絡都連接到12條母線的電力系統(tǒng)，進行在線訓練。由于錯誤信號，兩種網(wǎng)絡的權值在每步都要更新。當兩種網(wǎng)絡都收斂時，訓練過程將切換到其它運行點繼續(xù)訓練，折扣系數(shù)r慢慢增大。

3 實驗結果與分析

為了驗證本文提出的控制策略的正確性與有效性，對12條母線的電力物聯(lián)網(wǎng)系統(tǒng)進行了仿真。如圖7所示，母線3和4是兩條遠距離負載母線；4臺發(fā)電機均采用全瞬態(tài)動力學方法建模；本電力系統(tǒng)不存在無限大容量母線。主要仿真參數(shù)如下：AEOEFCS控制器的采樣頻率為1秒；訓練期間，行為網(wǎng)絡和評測網(wǎng)絡的權值更新率為1次/秒；母線的參考電壓設定為0.97單位。電力物聯(lián)網(wǎng)系統(tǒng)分別由AGC和AEOEFCS 驅(qū)動運行。

圖7 電力物聯(lián)網(wǎng)系統(tǒng)能量流測試

3.1 燃料成本

如圖8所示，相對于傳統(tǒng)的AGC法，AEOEFCS具有更低的燃料成本，大約低3.3%。原因是AEOEFCS驅(qū)動的4臺發(fā)電機相互之間的協(xié)調(diào)達到最優(yōu)，因而燃料成本較低。

圖8 燃料成本

3.2 系統(tǒng)線損

如圖9，相對于傳統(tǒng)的AGC法，AEOEFCS具有更低的系統(tǒng)線損。大約低15.6%。原因是AEOEFCS驅(qū)動的發(fā)電機相互之間的協(xié)調(diào)達到最優(yōu)控制效果，電壓損失最小，因而系統(tǒng)線損較低。

圖9 系統(tǒng)線損

3.3 結線能量流

如圖10所示，相對于傳統(tǒng)的AGC法，AEOEFCS具有更低的結線能量流，大約低15.6%；采用AEOEFCS，結線的能量流偏差范圍在2MW。原因是AEOEFCS的母線電壓能夠基本保持在常規(guī)值，因此電力系統(tǒng)的波動更小，結線能量流調(diào)整得更加均勻，更加接近標稱值。

圖10 結線能量流

結 語

本文首先分析了電力物聯(lián)網(wǎng)系統(tǒng)的特點；提出了電力物聯(lián)網(wǎng)系統(tǒng)架構和能量流控制環(huán)；然后提出了一種基于動態(tài)隨機最優(yōu)化的自適應高效能量流控制策略(AEOEFCS)。

通過實驗驗證了AEOEFCS控制策略的性能，結果表明：AEOEFCS有效地降低了燃料成本和系統(tǒng)線損；電力物聯(lián)網(wǎng)結線能量流調(diào)整更加均勻，系統(tǒng)的能量流波動較小；具有較好的控制效果和自適應能力。AEOEFCS控制策略適合應用于負載變化不可預測的電力物聯(lián)網(wǎng)系統(tǒng)中。