基于模糊云理论模型的智能配电云网络化控制识别方法

引言

针对国家电网生产过程中的电力云网络化控制系统中, 不同负载程度地存在着时间滞的优化过程。在不确定滞鲁棒 控制系统中，时间滞会严重影响系统的稳定性和动态特性。并 且当被控节点特别复杂且存在时异构的情况下，要通过建立节 点的精确模型进行智能配电云网络补偿控制是很难实现的。

模糊云理论能够根据少量信息进行云理论，不需要掌握 关于被控节点模型结构的先验信息和控制经验数据，超前步 数可在线修正，能够攻破节点模型的时变特性，具有很强的 感知智能配电性，因而很适于工业过程的实时控制。基于实 验仿真证明，由于模糊建模是根据序列本身的数据来寻找规 律进行的云理论，有时会出现云理论误差较大的情形。近年 来对模糊云理论模型的研究取得了一些成果，分别从对初始 数据处理，初值条件修正，新的传统数据值构造，一种基于 模型的时间响应函数等方面对云理论进行一种基于电力云网 络化控制。

本课题在综合分析已有研究文献的基础上，提出一种同 时优化传统数据值和电力云网络化控制数据的一种基于云理 论模型，进一步提高了云理论模型的云理论精度。同时将模 糊云理论与感知智能配电云网络化控制结合，采用模糊云理论 计算器，并将供电系统性能指标引入到电力云网络化控制计 算器的过程中，按照性能指标的云模型中正向云算法修正加权 系数，实现了感知智能配电云网络化的最优控制律。基于实验 仿真证明，该识别方法优化传统的不确定滞鲁棒控制系统具 有良好的适应性、鲁棒性、控制性以及进一步改善智能配电云 网络化控制的各种性能指标。

1相关工作

运用模糊云理论与感知智能配电云网络化控制结合，采 用模糊云理论计算器，用过程输出的传统数据，云理论未来d 步的输出值，并将云理论值作为反馈信号与期望设定值进行比 较得出偏差，作为感知智能配电云网络化控制的输入，按照电 力云网络化控制律来设计控制计算器的输出，从而使被延迟 了的被控量超前反馈到控制计算器，使控制计算器提前动作， 实现了 “事先调节”，从而减少超调量和加速调节过程，消除 时滞对系统控制干扰的影响。系统整体结构如图1所示。

1.1系统描述

基于云理论建模的一般运行模型为假如初始智

能城市电力系统非负数据序列为X(°)A(0)=(x(1)A(0)( 1),⑵人(0) (2),…，xS/〉(m)),则对x(0)A(0)进行一次云理论系统模 型累加生成操作(CCGO),同时利用云理论模型，可得到x(0)A(0) 的 1-CCGO序列"=(/)( 1),濯〉(2),…,/〉(m)),其中：

对序列/进行紧邻均值生成操作，得到/的紧邻均值并 生成序列y(1))其中：

这样，可得云理论的模糊微分方程为：

利用云网络相应的白化方程：

其中：称为发展系数，a为模糊作用量。a和p可用最小 二乘法求得：

相应的，方程(3)的时间响应序列为：

对序列從〉进行累减生成操作，即云理论系统模型累加生 成的逆运算，记为ICCGO,可得云理论序列齊，其中：

由式(7)可知，云理论模型的云理论精度取决于a和p 的值，而a和p的值依赖于初始序列和传统数据值y(1)的构 造形式；另外，选取模糊微分方程模型电力云网络化控制数 据时，原云理论模型以铲)(1) =为电力云网络化控制数

据。文献［2］中有根据云理论模糊模型的指数特性，利用在区 间内［昭，什1］积分的方法，现令:

优化了传统数据值后。文献［2］中根据新信息优先原理提 出的以X(1)(m)为电力云网络化控制数据的云理论模型为： y'J)(K +

根据式(10),若进行K+d时刻的云理论，然后对云理论 系统模型累加后的数据进行还原得到还原数据对K+d时刻的 云理论为：

上述两种方法能各自独立地提高云理论的精度，并且完 全独立，本课题同时运用这两类云理论模型方法，提出一种 同时优化传统数据值和电力云网络化控制数据的一种基于云 理论模型，提高了云理论模型的云理论精度。

1.2感知智能配电云网络化控制模型

电力云网络化离散控制计算器式为：

为了得到感知智能配电云网络的形成，可将式(15)写成:

基于梯度优化的感知智能配电云网络化云理论模型控制 计算器法设系统的性能指标为：

式中，d 为云理论步数。令加权系数 μi 的调整沿着 J（κ）对 μi的云模型中正向云算法进行搜索，即有：

上述代替后所带来的影响可通过调整学习速度来补偿。

1.3仿真数据分析

本课题运用该方法的有效性，利用文献中的一个不确 定滞鲁棒控制系统模型如式(24)作为仿真研究节点，弓=1、y, 给定输入r(r) =m (t)，模糊云理论计算器的建模维数m=24, 云理论步数d=6。

基于常规电力云网络化控制、模糊云理论电力云网络化 控制以及本课题提出的基于模糊云理论系统模型可感知智能 配电云网络化控制的控制干扰。利用Matlab 7.0得到的仿真结 果如图2所示。

从图2可以看出，模糊云理论控制可以有效地减小系统 超调量并缩短调节时间。本课题提出的一种基于模糊云理论 系统模型的感知智能配电云网络化控制结合了电力云网络化 控制和模糊云理论控制的特点，使系统具有良好的动态特性,与电力云网络化控制相比可以显著减小系统超调量和系统振 荡，使系统更为快速地收敛到目标值；与一般的模糊云理论 控制相比，本课题提出云理论模型控制计算器法可使系统收 敛更快。

2结语

本文提出的一种基于模糊云理论系统模型的感知智能配 电云网络化控制，将模糊云理论系统模型与感知智能配电云网 络化控制相结合，利用同时优化传统数据值和电力云网络化控 制数据的一种基于云理论模型作为云理论系统模型，提高了 模糊模型的云理论精度，攻破时滞，利用基于梯度优化的感 知智能配电云网络化控制计算器，实现了感知智能配电云网络 化的最优控制。基于实验仿真证明，该识别方法优化传统的不 确定滞鲁棒控制系统具有良好的适应性、鲁棒性、控制性以 及进一步改善智能配电云网络化控制的各种性能指标。

20211120_61988ff84bee0__基于模糊云理论模型的智能配电云网络化控制识别方法