基于離散模型的協同合作智能控制裝置的設計與研究

王德志 李 瑜

包頭職業技術學院 內蒙古包頭 014030

1 項目整體方案

本項目設計了一種基于離散模型的協同合作的能源控制裝置，給出了系統硬件和軟件方案設計，完成了離散模型的協同合作的控制算法的設計和實現。通過該算法可以自適應地實現對各種控制參數的調節，實現精準的功率輸出控制，對能源轉換進行協同控制。

項目設計的基于離散模型的協同合作智能控制裝置主要是負責對輸出能源和輸入能源的協調和轉換控制，其結構如圖1所示。該架構圖給出了電氣系統中常見的典型的能源控制系統結構，其包括能源控制系統、供電單元、儲能單元和多個用電單元。基于離散模型的協同合作智能控制系統是整個系統的核心，其負責協調供電單元、儲能單元和用電單元之間的能源交互，根據用電單元負載需求，控制和協調供電單元和儲能單元為系統供電，保證各個用電單元能夠正常工作的情況下使整個供電效率最優。

基于上述裝置，在整個裝置中包括了采集回路、主控電路、開關電路三大核心電路。其中，采集回路主要是負責對供電電源、儲能單元和用電單元的電能信息采集，包括電壓信號、電流信號，開關組主要是能量分流和控制作用，其負責控制切斷和連接各個單元與儲能單元的電能通路。在傳統的控制策略中，通常是采用簡單的多路PID控制模式，根據采集回路確定采集參數，然后根據輸出到用電單元和儲能單元的電能對開關組進行控制，這種方式不會從整體上考慮到系統的能源轉換效率，通常只是保證對所有的供電系統的供電穩定性，確保每個用電單元能夠隨時獲得其所需要的供電即可。

基于上述裝置，本項目構建了如圖2所示的基于離散模型的協同合作智能控制算法的能源控制系統，該系統以一個供電單元供電控制為例，其供電方式有儲能單元向用電單元供電和電力輸入向用電單元供電，這兩種方式分別構成了兩個采集回路直接將信號采集輸送到離散模型的協同合作智能控制算法，在控制器中，通過離散模型的神經網絡算法對采集到的電流、電壓等信息和供電段的輸出信息直接決定輸出的PWM波，控制開關電路，實現對輸入供電的控制，確保用電單元接受的輸入能夠滿足其需要，并且保持穩定。考慮到本文只是通過軟件算法來實現對整個電力系統的能源供給控制，因此，采集單元、開關電路等設備都是采用目前典型的電力能源控制系統中已有的開關電路和電流電壓傳感器模塊來進行輸出的控制和輸入輸出信號的采集，目標輸入主要是通過電位器來調節電流和電壓電位器，把該信號作為離散模型的協同合作智能控制算法的輸入信號，其控制算法將根據目標輸入的電流和電壓實現對輸出到用電單元的電能控制。

在上述控制系統算法模型中，其核心部分包括離散模型的設計和協同控制單元的設計，這兩個是實現整個協同合作智能控制的關鍵。在離散模型中，需要具備自適應的處理能力；在協同合作智能控制中，需要具備多代理的協同自助的處理能力。

2 基于神經網絡的離散模型

本文在離散模型設計時，采用的是一種典型的神經網絡離散模型結構[10]，該模型負責對數據的離散處理，在神經網絡系統采用三層模式進行設計，具有一個輸入和三個輸出，其模型處理的都是離散數據。通過前文對能源控制系統的控制原理和基于BP神經網絡的離散控制模型的原理分析和設計，以儲能單元的電能采集信息、輸出單元的電能采集信息和電力供電輸入的電能采集信息三組參數作為神經網絡的輸入，這三組參數分別為對應采集單元采集到的電流和電壓值，同時儲能輸出PID算法和電力其具體基于BP神經網絡的離散處理算法流程為圖3所示。

首先，輸入一些現有的離散系統的控制參數，讓模型進行自我學習，我們將所有參數通過輸入層進入我們建立好的模型后，會在隱含層將各個神經元的閾值和連接權值恢復到初始狀態，然后建立的模型會開始學習，模型進行運行。與此同時，在模型中的隱含層的各個神經元會對剛才進行初始化狀態的數據和建立的離散模型進行處理，這時候神經網絡的隱含層的輸出就是輸出層的輸入，輸出層有了輸入值后，去計算神經元的輸入和輸出。然后進行兩次數據的對比和計算誤差，隱含層根據誤差去調整整個神經網絡各個單元的閾值，輸出層會根據這個誤差去調整隱含層各個單元的閾值，更新學習模型，然后判斷學習模式是否結束。如若沒有結束的話，再次將學習模式提供給整個神經網絡；如果已經結束學習，就要判斷學習的次數和誤差是否符合要求，如果沒有達到要求，再次進入學習模式，如果達到要求，這個過程就完成。

在實際工作過程中，需要將實時采集到的輸出單元、儲能單元和電力供電輸入單元的電流和電壓信號輸入參數輸入至網絡中，即可從輸出層得到儲能單元PID控制器的調節參數P1、I1、D1，這三個參數作為儲能輸出PWM控制的PID控制參數，對儲能輸出進行控制，同時輸出層得到儲能單元PID控制器的調節參數P2、I2、D2，這三個參數作為電力供電輸入PWM控制的PID控制參數，對電力供電輸入進行控制，進而實現對電力系統的儲能輸出和外部電力供電輸入進行協調控制。這種方式可以綜合儲能供電和外部供電的優點形成互補，在外部供電不穩定時，可以確保用電端能夠得到更加穩定和精準的電能供電支持，同時優化了內部能源供給結構，使得供電最優。

3 協同合作智能控制算法

根據傳統的協同處理算法模型的處理步驟，我們要規定一個關鍵符號集，在這個過程中，需要將用電模塊的輸出引入關鍵符號集中，用來協助過濾算法在計算中能得到各個用電單元的信息，并把這個因素考慮進去，負荷特征計算方法原理如下：

假設用電單元的供電線路的負荷電壓和電流分別為{u(k)，k=1，N}，{i(k)，k=1，N}，采樣頻率Fs=10kHz。則采樣離散化的電壓、電流的關系為：

(1)

在每個采樣點上，已知量為u(k)、i(k-1)、i(k)和i(k+1)，求解r(k)和l(k)兩個未知量，在計算中認為r(k)和l(k)在2個連續的采樣點{k，k+1}上是不變的。

(2)

假設在m個采樣點{1，…，k，…，m}上，r(k)和l(k)保持不變，則得到m個方程式，可求解r(k)和l(k)。

(3)

上述方程可以用最小二乘法求出最優解，構造代價函數

負荷特征信息的計算方法和匹配方法以及協同過濾算法的原理。根據上述信息，在協同過濾算法中，將使用離散控制器的索引偏好和用電單元的負荷特征信息矩陣進行合并，以學習基于鄰近的協同策略篩選模型如下：

(4)

在式(4)中，符號sim′(un,us)表示的含義是根據用電模塊的負載特征信息和用電模塊的偏好矩陣，通過計算后獲得了第s個用電單元和第n個用電單元之間的相似度。得到式(5)，如下所示：

sim′(un,us)=αsim(un,us)R+(1-α)sim(un,us)p

(5)

將式(5)和式(4)比較可知，它不僅融入了通過負荷特征信息計算得到的第n個用電單元和第s個用電單元的相似度，同時也獲得了n個用電單元和第s個用電單元的相似度。

通過上面的設計，我們在搭建協同策略去篩選模型時，實現了通過負載的特征信息去通過離散控制策略的協同過濾分析模型，最后得到的矩陣分解模型中融入了負載的特征信息，得到了最優的計算模型。

該計算控制測略模型式以常見的協同過濾方法中的矩陣分解模型和權正則矩陣分解模型為標準，通過上面的分析過程，我們可以得出，在模型中，對于這種缺少關鍵信息的值，將其看作是負例進行處理，然后都是把負載的特征信息設置成一個權值，把它作為關鍵信息，如果模型在計算中沒有考慮到負載的特征信息會成為負例來處理。

本文在整個設計過程中整體的思想就是利用負載的特征信息作為離散控制器的偏好數值，其模型如下所示：

在模型中常常選用1和0，其中0表示不喜歡，1表示喜歡，同時也可以設置多個級別，用來預測喜好程度，因此，在整個過程中還需要構建一個最優求解模型，其模型如下：

能源控制作為電力系統中的核心和節能的關鍵，如何設計低成本高效的能源控制系統是未來電力系統節能和新能源技術應用的關鍵，本文根據用電單元的負荷特點來進行用電輸出控制，均衡整個電力輸出控制，能夠有效地提高電力系統能源控制精度和能源利用效率，對促進電力系統節能技術和新能源技術的發展具有非常重要的意義。