close

Вход

Забыли?

вход по аккаунту

?

Управление процессами перетоков мощности в системах регионального энергоснабжения на основе аппарата нечёткого регулирования и нейронных сетей

код для вставкиСкачать
На правах рукописи
Руцков Алексей Леонидович
УПРАВЛЕНИЕ ПРОЦЕССАМИ ПЕРЕТОКОВ МОЩНОСТИ В
СИСТЕМАХ РЕГИОНАЛЬНОГО ЭНЕРГОСНАБЖЕНИЯ НА
ОСНОВЕ АППАРАТА НЕЧЁТКОГО РЕГУЛИРОВАНИЯ
И НЕЙРОННЫХ СЕТЕЙ
Специальность 05.13.06 –Автоматизация и управление
технологическими процессами и производствами
(промышленность)
АВТОРЕФЕРАТ
диссертации на соискание учёной степени
кандидата технических наук
Воронеж – 2018
Работа выполнена в ФГБОУ ВО «Воронежский государственный
технический университет»
Официальные
оппоненты:
Ерёменко
Юрий
Иванович,
доктор
технических
наук,
профессор,
Старооскольский технологический институт
(филиал) ФГАОУ ВО «Национальный
исследовательский
технологический
университет
«МИСиС»,
заведующий
кафедрой автоматизированных и информационных систем;
Горлов Алексей Николаевич, кандидат
технических наук, доцент, ФГБОУ ВО «ЮгоЗападный государственный университет»,
заведующий кафедрой электроснабжения
Ведущая организация:
ФГБОУ ВО «Тамбовский государственный
технический университет»
Защита диссертации состоится «18» мая 2018 г. в 1400 часов в
конференц - зале на заседании объединённого диссертационного совета
Д 999.109.03 ФГБОУ ВО «Воронежский государственный технический
университет» по адресу: 394026, г. Воронеж, Московский просп., 14.
С диссертацией можно ознакомиться в научно-технической
библиотеке ФГБОУ ВО «Воронежский государственный технический
университет» и на сайте www.cchgeu.ru.
Автореферат разослан «12» марта 2017 г.
Учёный секретарь
диссертационного совета
Белецкая C. Ю.
ОБЩАЯ ХАРАКТЕРИСТИКА ДИССЕРТАЦИОННОЙ РАБОТЫ
Актуальность работы. Технологический процесс передачи и
потребления энергии в распределительных электроэнергетических системах
(ЭЭС) требует реализации современных средств автоматизации,
позволяющих
осуществлять
выбор
оптимизационных
режимов
функционирования. Основными критериями эффективности данного
процесса являются напряжение питания и интегральный показатель качества
- минимизация потерь активной мощности (при условии поддержания
постоянства системной характеристики – частоты питающей сети).
Амортизация электрических и тепловых сетей, постоянный рост
мощностей
потребительских
энергоустановок,
увеличение
неравномерностей в передаче перетоков мощности во времени и по
направлениям следования существенно усложняют задачи, решаемые при
управлении энергораспределением на различных уровнях системы
управления (СУ). Становится очевидным, что СУ должна обеспечивать
решение задач производственно-технологического и
оперативнодиспетчерского характера.
Значительные резервы улучшения качества функционирования
сложных технологических процессов перетока мощностей в рамках ЭЭС
заключаются
в
дальнейшем
совершенствовании
программноалгоритмической базы интегрированных иерархических СУ на основе
применения современных математических методов и информационных
технологий, что является предпосылкой для структур Smart Grid.
СУ процессами в распределительных сетях и узлах нагрузки должны
отличаться высокими адаптивными возможностями, что практически
осуществляется
посредством
организации
из
элементов
ЭЭС
автоматизированных систем диспетчерского управления (АСДУЭ), в рамках
которых осуществляется сбор актуальной информации о состоянии ЭЭС, её
анализ и выработка соответствующих оптимизационных воздействий в
локальных объектах управления (автотрансформаторное оборудование,
регулируемая нагрузка в узлах энергораспределения).
В настоящее время вопросам аппаратного развития элементов ЭЭС
посвящено большое количество исследований. Отметим работы Ю.С.
Железко, В.Э. Воротницкого, А.И. Зайцева, Ю.Г. Шакиряна, А.К.
Шидловского, В.Н. Казанцева. Наиболее существенным препятствием на
пути к внедрению этих разработок для практических нужд является
требование существенных капиталовложений в короткие сроки, что
значительно ограничивает их потенциал.
Вопросам оптимизации управления, связанным с функционированием
(в частности, разработке математических методов и алгоритмов с
повышенными показателями эффективности) в рамках СУ параметров ЭЭС
и локальных систем управления, посвящены работы А.З. Гамма, В.Л.
Бурковского, Б.И. Аюева, С.Л. Подвального, Д.А. Арзамасцева.
Следует отметить, что в настоящее время недостаточное внимание
уделяется анализу и учёту неопределённых факторов, оказывающих
существенное влияние на функционирование ЭЭС. При этом, основной упор
делается на решение вопросов оптимизации функционирования отдельных
элементов систем энергораспределения при низком уровне учёта
взаимодействия смежных систем передачи и потребления энергоресурсов,
что является причиной чрезмерной энергоёмкости отечественного
энергетического комплекса.
Решение данной задачи, в первую очередь, заключается в планомерном
внедрении концепции адаптивных СУ энергораспределением применительно
к распределительным объектам региональной системы на базе концепции
Smart Grid. Так как масштабная реализация аппаратных средств в
современных условиях является крайне проблематичной, то наиболее
реальным представляется развитие программно-аппаратных комплексов
ЭЭС. В частности, наиболее перспективным является применение
адаптивных подходов на базе искусственных нейронных (ИНС) сетей и их
разновидности – нечётких нейронных сетей (ННС) к оптимизации элементов
СУ транспорта и потребления энергомощностей.
Таким образом, актуальность темы диссертационной работы
обусловлена необходимостью дальнейшего развития математического
аппарата, ориентированного на реализацию в рамках структурных элементов
ЭЭС нечёткого нейросетевого управления процессами перетоков активной и
реактивной мощности и нечёткого регулирования локальных объектов
энергораспределения (элементов транспорта и потребления энергоресурсов).
Тематика диссертационной работы соответствует одному из основных
научных направлений Воронежского государственного технического
университета «Вычислительные комплексы и проблемно-ориентированные
системы управления».
Целью диссертационного исследования является повышение
качества управления процессами перетоков мощности в рамках ЭЭС на
2
основе разработки алгоритмов и моделей, реализуемых на основе аппарата
ННС и ИНС, с учётом факторов неопределённости, а также оптимизации
функционирования локальных объектов энергораспределения на базе
нечётких нейронных регуляторов (ННР).
Задачи исследования. Для достижения данной цели в работе
поставлены следующие задачи:
- осуществить анализ функционирования распределительных объектов
ЭЭС, ориентированный на повышение эффективности управления
процессами перетоков мощности;
- проанализировать степень влияния факторов неопределённости на
процессы передачи энергоперетоков и разработать формализованное
описание перетоков мощности на базе аппарата ННС;
- разработать модели и алгоритмы управления перетоками мощности
на основе ИНС и ННС в рамках интегрированной структуры СУ
технологического процесса передачи мощности;
- разработать оптимизационные модели управления локальными
распределительными объектами по критерию минимизации потерь
мощности
и
осуществить
синтез
ННР
локальных
объектов
энергораспределения;
- разработать программное обеспечение алгоритмов управления
процессами
перетоков
мощности
и
нечёткого
регулирования
соответствующих локальных распределительных объектов;
- создать программно-аппаратный комплекс моделирования и анализа
эффективности реализации средств управления распределительными
объектами ЭЭС.
Объект исследования: процессы управления перетоками мощности в
региональной системе энергораспределения.
Предмет исследования: методы и алгоритмы управления процессами
перетоков мощности, оптимизации и управления в условиях
неопределенности функционирования ЭЭС в рамках АСДУЭ.
Методы исследования основаны на использовании аппарата теории
математического моделирования, теоретических основ электротехники,
нейронных и нечётких нейронных сетей, теории системного анализа, теории
управления.
3
Соответствие диссертации паспорту специальности.
П.4 Теоретические основы и методы математического моделирования
организационно-технических систем и комплексов, функциональных задач и
объектов управления и их алгоритмизация.
П.6 Научные основы, модели и методы идентификации
производственных процессов, комплексов и интегрированных систем
управления.
П.15 Теоретические основы, методы и алгоритмы интеллектуализации
решения прикладных задач при построении АСУ широкого назначения
(АСУТП, АСУП, АСТПП и др.).
Научная новизна:
В диссертации получены следующие результаты, характеризующиеся
научной новизной:
- способ формализации процессов перетоков мощности в рамках ЭЭС,
отличающийся комплексным учётом факторов неопределённости с
последующим описанием посредством ИНС и ННС;
- нечёткие модели управления процессами перетоков мощности,
отличающиеся повышенными показателями точности и позволяющие
учитывать наиболее значимые параметры энергораспределения в различные
периоды времени;
- алгоритм обучения ННС, базирующийся на сочетании градиентных
методов и метода наименьших квадратов, отличающийся учётом
динамических свойств распределительных объектов с различной степенью
неопределённости параметров;
алгоритмы
оптимизации
управления
локальными
распределительными объектами (автотрансформаторным оборудованием,
регулируемой нагрузкой узлов энергораспределения), отличающиеся
реализацией комплексного критерия минимизации потерь активной
мощности (на основе методов Лагранжа и Ньютона – Рафсона);
- универсальный ННР, отличающийся возможностью учёта наиболее
значимых факторов, влияющих на процессы перетоков мощности и
позволяющий осуществить настройку параметров управления в конкретных
условиях реализации;
- структуры программного обеспечения процессами перетоков
мощности, а также программно-аппаратного обеспечения системы
моделирования и анализа средств управления, отличающиеся реализацией
механизма интеграции с инструментальной системой Matlab.
4
Практическая значимость работы. Предложенные в работе
алгоритмы и модели управления процессами перетоков мощности, а также
средства их информационной поддержки реализованы в виде специального
программного комплекса, ориентированного на использование в рамках
региональных АСДУЭ. Алгоритмы оптимизации и нечёткого управления
локальными объектами в условиях неопределённости их параметров могут
быть
использованы
научно-исследовательскими
организациями,
занимающимися развитием структур АСДУЭ на базе технологии Smart Grid.
Реализация результатов работы для решения задач управления
процессами перетоков мощности, оценки параметров оборудования и
оптимизации в условиях воздействия неопределённых факторов позволяет
добиться положительного эффекта за счет минимизации потерь активной
мощности в элементах ЭЭС.
Положения, выносимые на защиту:
- постановка задачи оптимизации региональных ЭЭС по критерию
минимума потерь активной мощности с учётом неопределённых факторов;
- модифицированный алгоритм Ньютона – Рафсона для оптимизации
ЭЭС по критерию минимума потерь с применением ННР;
- нечёткие модели регулирования локальных объектов региональных
ЭЭС.
Реализация результатов работы:
Результаты исследований внедрены в ПАО «Россети» (филиал «МРСК
Центра» - «Воронежэнерго») в качестве составного элемента
функционального блока управления процессами перетоков мощности в ЭЭС.
Ожидаемый эффект от внедрения достигается за счёт увеличения точности
процессов управления и выражается в дополнительном снижении потерь
активной мощности в сравнении с применяемыми в предшествующих
периодах методами.
Кроме того, результаты исследования внедрены в учебный процесс
кафедры электропривода, автоматики и управления в технических системах
Воронежского государственного технического университета в рамках
дисциплин: «Системный анализ», «Теория автоматического управления»,
«Моделирование систем».
Апробация
результатов
работы.
Основные
положения
диссертационной работы докладывались и обсуждались на следующих
научно-практических конференциях: Международной (XIX Всероссийской)
конференции по автоматизированному электроприводу (АЭП-2014),
5
Саранск, 7-9 октября 2014 г.; Всероссийской научно-технической
конференции «Научные технологии в научных исследованиях,
проектировании, управлении, производстве», Воронеж, 25-28 октября 2015 г.;
Международной
научно-практической
конференции
«Актуальные
направления научных исследований XXI века: теория и практика», Воронеж,
2016, №6 (26); Международной научно-технической и научнометодологической конференции «Современные технологии в науке и
образовании», Рязань, 2016, а также на научных семинарах кафедры
электропривода, автоматики и управления в технических системах
Воронежского государственного технического университета (2013-2017 гг.).
Публикации. Результаты выполненных в диссертации исследований
изложены в 11 печатных изданиях, в том числе 5 в журналах,
рекомендованных ВАК, 3-х свидетельствах о регистрации программы для
ЭВМ. В работах, опубликованных в соавторстве и приведенных в конце
автореферата, лично соискателю принадлежат: в [4,5,9,10] - анализ
распределительных объектов регионального энергораспределения; [1,2,5] –
алгоритмы функционирования моделей управления процессами перетоков
мощности; [3, 5 - 8, 11] – модели оптимизации элементов локальных систем
энергораспределения.
Структура и объём работы. Диссертация состоит из введения, пяти
глав, заключения, списка литературы. Общий объём диссертации 171
страница, в том числе 57 рисунков, 17 таблиц; в дополнение к основной части
оформлено 5 приложений на 29 страницах. Библиографический список
включает 137 наименований.
ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ
Во введении обоснована актуальность темы диссертационной
работы, приведены цели, задачи, научная новизна, практическая значимость,
результаты внедрения, а также основное содержание работы.
В первой главе осуществлён системный анализ современных
структур сетей регионального энергоснабжения и сделан вывод о
необходимости повышения эффективности АСДУЭ за счёт комплексной
оценки факторов неопределённости.
На рис.1 представлена обобщённая функциональная схема АСДУЭ.
6
Рис. 1. Обобщённая функциональная схема АСДУЭ
Проведенный анализ показал, что решение задач управления
процессами перетоков мощности в настоящее время основано на методах
линейной экстраполяции (роста/спада) для каждого характерного периода с
приданием большего веса последнему предшествующему периоду.
В условиях оперативного управления динамикой параметров ЭЭС
широко используются модели на основе рядов Фурье, экспоненциального
сглаживания.
Рассмотрены методы моделирования и анализа распределительных
объектов электроэнергетики на базе теории массового обслуживания,
статистически. Приведена обобщённая постановка задач оптимизации
локальных систем управления с учётом неопределённых факторов.
Применяемые в рамках АСДУЭ в настоящее время алгоритмы
обладают недостаточной точностью, так как практически не учитывают
зависимость величины потерь активной мощности от реальных перетоков
мощности. На основании анализа проблематики управления процессами
перетоков мощности, а также функционирования локальных систем
управления распределительных объектов энергоснабжения сформулированы
цели и задачи диссертационного исследования, в основе которых лежат
разработка нечетких нейросетевых моделей управления процессами
перетоков мощности, а также алгоритмов, моделей нечёткого регулирования
в рамках локальных систем управления, и создание на их основе
программного комплекса процессов автоматизированной диспетчеризации
энергосистем.
7
Во второй главе осуществлён анализ процессов управления
перетоками мощности в распределительных объектах энергоснабжения на
базе ННР как важного этапа, обеспечивающего эффективность управления и
оптимизации локальных объектов энергораспределения.
Наиболее сложными при этом являются задачи управления процессами
перетоков мощности в оперативном режиме, что связано с существенным
влиянием неопределённых факторов (зависимости перетоков мощности от
часа, дня недели, сезонности, освещённости, планов производственных
мощностей).
Для решения поставленных задач наиболее эффективным
представляется применение ННР на базе ННС, сочетающего в себе алгоритм
Мамдани и рекуррентную нейронную сеть. ННС, применяемая в работе,
являются гибридным методом, объединяющим в себе нечёткие сети для
представления нечетких правил (при известных функциях принадлежности в
посылках и заключениях), а ИНС используется для реализации неизвестного
отображения между посылками и заключениями. Такая структура позволяет,
с одной стороны, придать нечёткому аппроксиматору большие качественные
возможности в условиях неопределённых функций, а с другой – значительно
увеличить адаптивные свойства ИНС.
Ниже приведена модель, позволяющая производить учёт
распределения перетоков мощности совместно с распределением
неопределённых составляющих:
(1)
Gk  n  R(k )  Gk   конт.дин.( k  n ) ,
где матрица R(k ) - определяемая для каждого момента времени
матрица, учитывающая структуру и характеристики ЭЭС;  конт.дин.( k n ) вектор
управления
процессами,
обусловленный
неопределённой
составляющей для периода k  n и формируемый посредством
функционирования ННР на основе правил оценки вектора входных данных;
Gk - вектор мощности в k -й дискрет времени. В качестве основной модели
в работе используется алгоритм Мамдани:
F k : если
то
где
q(t  1) есть Q1k
и,..., и
q(t  r ) есть Qrk ,
(2)
y (t )  A , k  1, 2,..., n;
k
Fk –
набор правил для функционирования алгоритма;
– вектор входных переменных; y (t ) – вектор
q(t )  (q1 (t ),..., qm (t ))
8
выходной величины;
Q1k , Qrk
– области значений входных (посылочных)
значений; Ak - множество выходной (заключительной) части правил. Данный
подход реализуется посредством структуры MISO (multiple input, single
output) – много входов и один выход.
Ключевыми элементами при этом являются: база данных
распределения параметров ЭЭС в предыдущих периодах (значения P(i ) ),
совместно с информацией об изменении режимов ЭЭС (блок «изменение
режимов»); экспертная система формирования векторов учёта влияния
интегральных показателей энергораспределения ( M (i), S (i) ); ННР
управления процессами перетоков мощности в ЭЭС. Конечной целью
функционирования подсистемы АСДУЭ – блока управления процессами
перетоков мощности – является формирование вектора P(i  k ) на период
(i  k ) относительно i - го дискрета времени.
Структура ННР управления процессами перетоков мощности в ЭЭС
подробно представлена на рис.2.
Рис. 2. Структура функционирования ННР управления процессами
перетоков мощности в ЭЭС
9
В качестве входных параметров ННР управления процессами
перетоков мощности в ЭЭС использует элементы векторов циклических и
случайных факторов (внешние воздействия окружающей среды, режимы
работы, связанные с календарной периодичностью) - M (i ) и планируемой
структуры региональной ЭЭС - S (i ) .
Третьим входным вектором для ННР на базе ННС служит выражение
предварительно организованной выборки распределения перетоков
мощности характерных предыдущих периодов. Данный параметр учитывает
динамику распределения энергоперетоков в региональной ЭЭС в
предшествующие периоды.
На выходе ННР формируется показатель перетока мощности в
оперативном режиме на заданные интервалы времени будущих периодов.
В качестве функции принадлежности входных термов использована Побразная функция (в виде разности двух сигмоидальных функции), выход
ННР реализован в виде линеаризованной величины (linear).
На основе проведённых экспериментальных исследований в качестве
оптимальной структуры ИНС принята реализация в виде многослойного
(четырёхслойного) персептрона 3 – 10 – 25 – 1, представленная в рамках
соответствующей подсистемы (структура ИНС) на рис.2. Обоснованное
проведёнными экспериментами количество эпох обучения сети - 200.
Функция активации – сигмоида. Обучение осуществляется на основе
альтернативных алгоритмов: скоростного обратного распространения
ошибки (SPB) и сочетания градиентных методов, а также метода наименьших
квадратов. Время обучения составило – (0,45  1,93) с. (в зависимости от
структуры и мощности обучающей выборки). Активационные функции
нейронов скрытых слоёв - сигмоидального типа (гиперболический тангенс).
Характеристики процессора: Intel Core i3-7350 – Core Processor (4,2 ГГц).
Погрешность управления процессами перетоков мощности в будущих
периодах с применением классического метода «роста/спада» составляет
(2,71-6,95) % от величины факта распределения перетоков мощности, в то
время как аналогичные значения для ННР – (0,02 – 2,32) %.
Предложенная
модификация
ННР
управления
процессами
распределения перетоков мощности в составе АСДУЭ (как части ЭЭС)
превосходит применяемый в существующих системах метод коэффициента
спада/роста потребления мощности (представляющий собой сочетание
регрессионных моделей, а также метода коэффициентов рядов Чебышева).
Этот факт позволяет сделать вывод о целесообразности применения
10
рассмотренного метода в этапе функционирования СУ распределительными
объектами регионального энергоснабжения в части решения последующих
вопросов оперативно-диспетчерской оптимизации.
В третьей главе рассматриваются оптимизационные модели (метод
Лагранжа и Ньютона – Рафсона) управления локальными объектами
энергораспределения по критерию минимизации потерь мощности с
использованием ННР.
Динамика локальных элементов ЭЭС (автотрансформаторная нагрузка,
регулируемая узловая нагрузка) может быть представлена в виде статических
характеристик нагрузки (СХН) в конкретные временные «срезы»
непрерывного процесса перетока мощностей:
2
n

 U 
 U 
 U 
 P (U)  Pном (U)[a 0  a1  

a


...

a

 2

   P (U )];
n 

 U ном 
 U ном 
 U ном 

2
n
 U 
 U 
 U 

  b2  
  ...  bn  
  Q (U )];
Q (U)  Qном (U)[b0  b1  
 U ном 
 U ном 
 U ном 

(3)
где P (U) , Q (U) - реальное распределение перетоков активной и
реактивной мощности; Pном (U) , Qном (U) , U ном - номинальные значения
активной и реактивной мощности, а также напряжения при
функционировании в условиях нормального режима;  P (U ) , Q (U ) зависимость распределения активной и реактивной составляющих мощности
a 0 , a1 , a 2 ,...,a n , b 0 , b1 , b2 ,..., bn
от
неопределённых
факторов;
технологические параметры; U - значение напряжения питания в
рассматриваемый момент времени. Следует отметить, что напряжение
питания является функцией от времени и может изменяться как по модулю,
так и по фазе.
Модель оптимизации по критерию минимума потерь мощности в
распределительных элементах ЭЭС предлагается реализовать в виде
следующей целевой функции:


W  Wi   

i 1
i 1


k
k




2


Pi (U )2  Qi (U )2  RЭi 
1

  P  T   U i   p  L  k   min,


1

ххi
pi 
корi
i
Uкорi

  U 2 
Ui2
 U номi 

 1  %i 

100





(4)
где Wi - величина потерь мощности в элементах ЭЭС; RЭ , L соответственно эквивалентное активное сопротивление и длина элементов
11
ЭЭС; U % - изменение величины питающего напряжения в процентном
выражении от номинального значения; Pххi - мощность потерь холостого
хода элементов ЭЭС; Tpi - число часов, в течении которых осуществляется
переток по рассматриваемым элементам; pкорi - средние удельные потери на
корону; kUкорi - коэффициент потерь на корону.
При этом должны соблюдаться следующие ограничения:
 Pвнi  Pci  0;

 Qвнi  Qci  0;
i  1,..., k ;

(5)
где Pвнi , Qвнi - значения внутренних, а Pci , Qci - внешних перетоков
активной и реактивной мощности элементов ЭЭС.
Данная задача является задачей нелинейного программирования. Для
её решения используется модифицированный метод Ньютона – Рафсона.
На рис. 3 представлен алгоритм, включающий следующую
последовательность шагов:
Рис. 3. Алгоритм оптимизации элементов локальных систем
энергораспределения
12
Шаг 1. Задание первоначального вектора определяемых переменных в
предыдущих дискретах времени (значения перетоков активной и реактивной
мощности как функция от модуля и фазы напряжения).
Шаг 2. Проверка выполнения граничных условий.
Шаг 3. Определение перетоков активной - PННРi (U ( P ) ; ( P ) ) и реактивнойQННРi (U ( P ) ; ( P ) ) мощности в последующих периодах посредством ННР.
Шаг 4. Определение вектора невязки мощностей в узлах, где f ( F P ) 
вектор небалансов на n - ой итерации; P(U P ) , Q (U P ) – заданные значения
активной и реактивной мощности в узле, определяемые, исходя из
управления процессами перетоков мощности в предыдущих периодах.
Шаг 5. Анализ достижения заданной погрешности решения:
P
P   ; Q P   . При выполнении этого условия расчёт оканчивается
выводом результатов расчёта оптимизированных параметров – 8,9; в
противном случае осуществляется переход к следующему шагу - 6.
Шаг 6. Вычисление корректирующих значений вектора активной и
реактивной мощности с применением ННР.
Шаг 7. Задание скорректированного значения векторов активной и
реактивной
мощности,
полученных
посредством
повторного
функционирования ННР.
Варьируемыми параметрами при этом являются модуль и амплитуда
напряжения в расчётных узлах, а также настройки ННР, входящих в состав
подсистем управления перетоками мощности в ЭЭС.
В четвёртой главе осуществлен синтез ННР с эталонной моделью,
представленной ИНС для использования в составе систем управления
распределительными локальными объектами энергораспределения, в задачу
которого входит оптимизация по критерию (4).
На рис.4 представлена обобщённая структурная схема ННР,
использующая текущее изменение воспроизводимого вектора управляющей
функций в i-тый момент времени – g з. (i ) и выхода эталонной модели объекта
– y2 (i ) . Эталонная модель на основе ИНС (является эталонной моделью ОУ)
описывает динамику объекта управления (ОУ) в соответствующих
временных «срезах» непрерывного процесса перетока мощностей, обучаясь
по прогнозу ошибки – e2 (i  k )  y2 (i  k )  yОУ (i) , и управляющему
сигналу – y1 (i  k ) . Векторы настройки - W1 ,W2 позволяют производить
13
корректировку параметров входных термов (для ННС) и активационных
функций (для ИНС).
При этом структура входных векторов аналогична структуре векторов
P(i), M (i ), S (i ) для ННР (рис.2) с учётом того, что g з. (i ) и y2 (i  k ) входят
как составные части во все три вектора.
В результате подобной настройки ННС реализует инверсную модель
ОУ и является управляющим контроллером, обладающим высокими
адаптивными свойствами ввиду полноценного учёта неопределённых
факторов и воздействий, влияющих на ОУ.
Рис.4. Обобщённая структурная схема ННР и эталонной модели на базе
ИНС для различных уровней иерархии распределительных объектов ЭЭС
В работе рассмотрено применение предложенного нечёткого
регулятора к элементам локальных систем управления ЭЭС:
автотрансформаторному оборудованию, регулируемой нагрузки в узлах
энергораспределения.
Наиболее оптимальными в ходе исследования признаны термы
принадлежности входных переменных следующих типов: П-образная
функция принадлежности; функция принадлежности гауссовского типа. В
качестве терма выходного сигнала применяется линеаризованная величина.
Структура эталонной модели представленной ИНС – многослойный
персептрон с алгоритмом скоростного обратного распространения ошибки.
Структура сети переменная – в зависимости от объекта управления; число
14
циклов обучения определяется с помощью эвристических методов; тип
функции активации – сигмоида.
В качестве базового объекта региональных распределительных сетей
рассмотрена ПС 220 кВ «Южная», являющаяся балансирующей в
Воронежском регионе. Выход нелинейного ОУ при этом описывается
выражением (3) с изменяющимся во времени набором коэффициентов
технологического
процесса
(как
функции
от
нагрузки
узла
энергораспределения) и зависимостью распределения активной и реактивной
составляющих мощности от неопределённых факторов. Эталонная модель (в
соответствии со схемой рис.4) в данном случае организована посредством
модели автотрансформатора с вольтодобавочным устройством (АТ ВДТ),
работающего на холостом ходу, т.е. при минимальных суммарных потерях
мощности. При этом описывают СХН для активной и реактивной мощности
посредством квадратичных многочленов и P (U )  Q (U )  0 .
Параметры эталонной модели (ИНС): структура – многослойный
персептрон; количество нейронов скрытого слоя – 250; выборка интервала –
0,35 с.; количество элементов задержки на входе и выходе –2; тренировочная
выборка – 5000; количество эпох настройки– 500; алгоритм настройки –
trainbr.
Применение предложенного комбинированного регулятора в
структуре СУ АТ и ВДТ позволяет решить не только задачу оптимизации
установившегося режима по критерию (4), но и обеспечить более быструю
реакцию (в сравнении с классическими реализациями СУ) на возникновение
аварийного режима. Эта возможность достигается за счёт предварительной
оценки загрузки узла энергораспределения более низкого класса напряжения
(распределения реальных СХН).
Оправданным оказывается совместное применение ННР (в
соответствии со схемой – рис.4) для решения вопроса оптимизации в
структуре
управления
технологическими
процессами
узлов
энергопотребления с регулируемой нагрузкой.
Модель обобщённого технологического цикла может быть
представлена в виде:
 x1 (i )    wprivod (T , p)    v2 (T , p);

 x2 (i )    wprivod (T , p)    v2 (T , p);

 x3 (i )    wprivod    v2    T  l  p  a0    x1 (t )    x2 (t ),
15
(6)
где x1 (i) , x2 (i) , x3 (i) , wprivod , v2 , T , p - нормированные параметры цикла;
 ,  ,  ,,  ,  , k, l, a0
– коэффициенты технологического процесса в
соответствующих нормирующих единицах измерения.
Данные
об
эффективности
ННР
применительно
к
автотрансформаторному
оборудованию,
а
также
к
узлам
энергораспределения с регулируемой нагрузкой приведены на рис.5.
Рис. 5. Сравнительная оценка эффективности применения ННР
Как показывают результаты исследований, при решении вопроса
управления подобными локальными объектами с помощью ННР,
построенного по описанным выше принципам, возможно повысить
энергоэффективность существующих технологических процессов в рамках
автотрансформаторного оборудования и узлов энергораспределения на
величину порядка 2,5 – 5 %.
В пятой главе рассматриваются вопросы практической реализации
методов и алгоритмов ИНС и ННС применительно к режимам локальных СУ
в рамках ЭЭС. Подробно описана структура и этапы функционирования
программного комплекса управления процессами распределения перетоков
мощности (структурная схема приведена на рис. 6), реализованного и
апробированного в филиале «МРСК Центра» - «Воронежэнерго».
16
Рис. 6. Структура программного комплекса управления процессами
перетоков мощности
Данный комплекс состоит из оконных форм и организован при помощи
среды Visual Studio 2010 (в виде графического интерфейса) на основании
результатов исследования, описанных в главах 1-4.
На рис. 7 представлен частный результат этапа управления процессами
распределения перетоков мощности, на котором приведена сравнительная
оценка функционирования метода ННС совместно с авторегрессионным
подходом «спада/роста» оценки данного показателя.
17
Рис. 7. Графики распределения перетоков мощности: факт, управление с применением
коэффициента роста, управление с применением ННР
Рассмотрены
режимы
настроек
тиристорного
регулятора,
применяемого в СУ АТ и ВДТ совместно с регулятором на основе инверсной
ННС и эталонной модели на базе ИНС. Предложена реализация данного
элемента на основе микроконтроллерной техники.
Разработан аппаратно-программный комплекс анализа режимов
функционирования структурных элементов ЭЭС (рис.8), позволяющий
производить моделирование и оценку эффективности применения
альтернативных вариантов структур СУ распределительными объектами
ЭЭС.
Рис. 8. Структурная схема аппаратно-программного комплекса анализа
режимов функционирования элементов ЭЭС
18
Данный комплекс включает четыре блока: модель тиристорного
регулятора (для анализа распределительных объектов перетоков мощности);
блоки регулируемой нагрузки узлов энергораспределения, а также блок СУ
на базе ИНС и ННС (позволяет производить совместное управление тремя
вышеуказанными блоками).
При этом важно отметить возможность непосредственного сопряжения
с программной средой приложения Matlab в режиме реального времени, что
значительно повышает степень пригодности комплекса в научноисследовательских и учебных целях.
Основные результаты работы
1.
Разработан способ формализации перетоков мощности в
рамках
ЭЭС,
отличающийся
комплексным
учётом
факторов
неопределённости на базе ИНС и ННС.
2.
Разработаны нечёткие модели управления процессами
перетоков мощности, отличающиеся повышенными показателями точности и
позволяющие
учитывать
наиболее
значимые
параметры
энергораспределения в различные периоды времени.
3.
Алгоритм обучения ННС (являющийся основой ННР) на
основе сочетания градиентных методов и метода наименьших квадратов,
отличающийся учётом динамических свойств распределительных объектов с
различной степенью неопределённости параметров.
4.
Разработаны
алгоритмы
оптимизации
управления
локальными распределительными объектами (автотрансформаторное
оборудование, регулируемая нагрузка узлов энергораспределения),
отличающиеся реализацией комплексного критерия минимизации потерь
активной мощности (по методу Лагранжа и Ньютона – Рафсона).
5.
Осуществлён синтез универсального нечёткого регулятора,
отличающегося возможностью учёта наиболее значимых факторов,
влияющих на процессы перетоков мощности и позволяющего реализовывать
настройку параметров управления в конкретных условиях реализации.
6.
Разработаны
структуры
программного
обеспечения
процессами перетоков мощности, а также программно-аппаратного
обеспечения систем моделирования и анализа средств управления,
отличающиеся реализацией механизма интеграции с инструментальной
системой Matlab.
19
Научные публикации по теме диссертации в изданиях,
рекомендованных ВАК
1. Бурковский В.Л. Реализация программного комплекса
прогнозирования уровня регионального энергопотребления / В.Л.
Бурковский, В.Н. Крысанов, А.Л. Руцков// Вестник Воронежского
государственного технического университета. – 2016. – Т.12. – № 3. – С. 4147.
2. Крысанов В.Н. Математическое моделирование искусственных
нейронных сетей в структуре трансвекторного управления системой ПЧ-АД
/ В.Н. Крысанов, А.Л. Руцков // Электротехнические комплексы и системы
управления. - 2013.– №1. – С.30 – 35.
3. Крысанов В.Н. Применение нейро-нечётких сетей для
распределённых объектов / В.Н. Крысанов, А.Л. Руцков //
Электротехнические комплексы и системы управления. -2013.- №2.- С.18 22.
4. Крысанов В.Н. Анализ энергетической эффективности управления
режимами сетей 220 – 500 кВ ООО «Системный оператор единой
энергетической системы» на территории Воронежской области / В.Н.
Крысанов, А.Л. Руцков // Электротехнические комплексы и системы
управления. - 2015.– №1. – С.75 – 80.
5. Крысанов В.Н. Вопросы концептуального развития Smart Grid в
электроэнергетике с применением искусственных нейронных и нейронечётких сетей / В.Н. Крысанов, А.Л. Руцков // Электротехнические
комплексы и системы управления. - 2014.– №1. – С.7 – 14.
Свидетельства о регистрации электронного ресурса
6. Свидетельство о государственной регистрации программы для
ЭВМ №2016662274 от 07.11.2016 «Программа прогнозирования выработки и
потребления
электрической
энергии
в
региональной
системе
электроснабжения» / А.Л. Руцков, А.Д. Данилов, В.Н. Крысанов, В.М.
Мугатина, Махмуд Омар Шукур Махмуд, В.Л. Бурковский.
7. Свидетельство о государственной регистрации программы для
ЭВМ №2016611427 от 02.02.2016 «Программа управления тиристорного
регулятора напряжения» / В.Н. Крысанов, Ю.В. Шарапов, А.Л. Руцков.
20
8. Свидетельство о государственной регистрации программы для
ЭВМ №2016662470 от 11.11.2016 «Программа прогнозирования параметров
объектов нагрузки с помощью комбинированной системы нейронной и
нечёткой нейронной сетей» / А.Л. Руцков, В.Н. Крысанов, К.В. Иванов, Ю.В.
Шарапов
Публикации в трудах международных и всероссийских
конференций
9. Романов А.В. Анализ эффективности управления режимами сетей
220 кВ / А.В. Романов, А.Л. Руцков, Н.В. Гагаринов // Всероссийская научнотехническая конференция «Научные технологии в научных исследованиях,
проектировании, управлении, производстве». Воронеж, 25-28 октября 2015 г.
- С. 106 - 108.
10. Крысанов В.Н. Повышение энергоэффективности и
энергосбережения промышленных узлов нагрузки / В.Н. Крысанов, Ю.В.
Шарапов, А.Л. Руцков // Современные технологии в науке и образовании –
СТНО – 2016: сб. тр. междунар. научн. техн. и науч. – метод. конф. в 4 томах.
Рязань: Рязанский государственный радиотехнический университет под общ.
ред. О.В. Миловзорова, 02-04 марта 2016 г. - С. 280 - 284.
11. Крысанов В.Н. Прогнозирование потребления электроэнергии
промышленными предприятиями с использованием методов искусственных
нейронных и нейро-нечётких сетей / В.Н. Крысанов, А.Л. Руцков //
Международная (XIX Всероссийская) конференция по автоматизированному
электроприводу (АЭП-2014). Саранск, 7-9 октября 2014 г. - С. 122 - 125.
Подписано в печать 02.03.2018
Формат 60х84/16. Бумага для множительных аппаратов.
Усл. печ. л. 1,3. Тираж 80 экз.
Заказ № 28
ФГБОУ ВО «Воронежский государственный технический
университет»
394026 Воронеж, Московский просп., 14
21
1/--страниц
Пожаловаться на содержимое документа