智能（高級）終端:電表行業(yè)由量測技術(shù)拓展至智能化控制補(bǔ)償產(chǎn)品產(chǎn)業(yè)化開發(fā)應(yīng)用的創(chuàng)新課題3

智能（高級）終端:電表行業(yè)由量測技術(shù)拓展至智能化控制補(bǔ)償產(chǎn)品產(chǎn)業(yè)化開發(fā)應(yīng)用的創(chuàng)新課題
（第3部分）

中國現(xiàn)代電網(wǎng)量測技術(shù)平臺(tái)
張春暉

2017年3月24日

3,配電臺(tái)區(qū)智能（高級）終端高級應(yīng)用系統(tǒng)前期設(shè)計(jì)技術(shù)的討論

作為技術(shù)創(chuàng)新產(chǎn)品的前期設(shè)計(jì)，本文匯集智能化相關(guān)資料并經(jīng)提煉后，將重點(diǎn)敘述運(yùn)用配電臺(tái)區(qū)智能（高級）終端，構(gòu)建配電臺(tái)區(qū)低壓電網(wǎng)多輸入多輸出（mimo）在線監(jiān)測，控制，補(bǔ)償閉環(huán)優(yōu)化系統(tǒng)的框架設(shè)計(jì)與參考技術(shù)，供配電臺(tái)區(qū)智能（高級）終端高級應(yīng)用系統(tǒng)方案設(shè)計(jì)的參考。

1）優(yōu)化控制理論:"電力混成控制論"

鑒于由清華大學(xué)學(xué)者提出的"電力混成控制論"構(gòu)建的先進(jìn)能量管理系統(tǒng)，已經(jīng)在上海電網(wǎng)應(yīng)用解決大電網(wǎng)的多重目標(biāo)趨優(yōu)控制問題，體現(xiàn)了技術(shù)創(chuàng)新的思路 。本文將"電力混成控制論"作為智能（高級）終端高級應(yīng)用功能的設(shè)計(jì)技術(shù)基礎(chǔ)。

下面的內(nèi)容摘錄于清華大學(xué)學(xué)者:?智能電網(wǎng)基礎(chǔ)?。

一是，"電力混成控制論主導(dǎo)思想:將一切不滿足要求和不滿足狀態(tài)都分類定義為事件，通過控制使得系統(tǒng)回歸至無事件運(yùn)行狀態(tài)，則系統(tǒng)的各項(xiàng)指標(biāo)（穩(wěn)定性，電能質(zhì)量和經(jīng)濟(jì)性）一定是足夠滿意的"。

二是，"電力混成控制論"的運(yùn)行架構(gòu):由最高決策指揮層，中間處理與操作層，底層（混成控制指令接收和執(zhí)行裝置）組成。

三是，本文參照"電力混成控制論"的集合論語言，描述配變臺(tái)區(qū)低壓電網(wǎng)運(yùn)營達(dá)到多指標(biāo)，自趨優(yōu)的智能控制過程:

?式（1）: e=e^d
式中，由低壓電網(wǎng)實(shí)測到的運(yùn)營指標(biāo)數(shù)據(jù)d，經(jīng)邏輯判斷（邏輯函數(shù)）e^,確定是否形成指標(biāo)異常事件e。

?式（2）:c=f(e)
式中，由指標(biāo)異常事件e，運(yùn)用邏輯函數(shù)f，判斷事件類型并將其轉(zhuǎn)化為控制命令c。

?式（3）:o=f^(c)
式中，一個(gè)由控制命令集c，運(yùn)用邏輯函數(shù)f^,由命令轉(zhuǎn)化為操作指令集o。

?式（4）:o=f^[f(e)]
式中，操作指令集o是指標(biāo)異常事件集合e的一個(gè)復(fù)合邏輯函數(shù)。

?式（5）:x*=y(x o_)
式中，整個(gè)低壓電網(wǎng)運(yùn)營狀態(tài)x受控，可以通過時(shí)間離散的操作指令o_ ,加以改變?yōu)閤*。

?式（6）:a(o)---->e€0
式中，操作指令作用的結(jié)果a 是使指標(biāo)異常事件集合e成為空集。

式（6），意味著配電臺(tái)區(qū)低壓電網(wǎng)實(shí)現(xiàn)了多指標(biāo) ，自趨優(yōu)運(yùn)營的高端目標(biāo)。

由上可見，配電臺(tái)區(qū)低壓電網(wǎng)始終處于指標(biāo)異常事件發(fā)現(xiàn)，處理和消除的過程。
2）配電臺(tái)區(qū)低壓電網(wǎng)運(yùn)營有哪些考核電能質(zhì)量，經(jīng)濟(jì)性的指標(biāo)及其調(diào)控措施？

一是，多指標(biāo),主要有:

?電壓及電壓合格率

?電流及有功功率限額

?無功功率及功率因數(shù)限值

?三相負(fù)荷不平衡度

?電壓/電流諧波含有率

?線損率等

二是，低壓電網(wǎng)多指標(biāo)的調(diào)控手段，主要有:

?有載調(diào)壓配變，用以調(diào)節(jié)電壓

?電容器補(bǔ)償/動(dòng)態(tài)無功補(bǔ)償 ，用于調(diào)節(jié)基波無功功率及功率因數(shù)/電壓/線損

?有載換相負(fù)荷開關(guān) ，用于調(diào)節(jié)三相負(fù)荷不平衡/線損

?有載調(diào)容配變，用于調(diào)節(jié)線損

?有源濾波器 ，固定諧波次數(shù)的濾波器，用于調(diào)節(jié)諧波含有率，由畸變功率引起的低功率因數(shù)，線損

?高壓斷路器及電力負(fù)荷管理終端，用于配電變壓器過負(fù)荷時(shí)，進(jìn)行報(bào)警，跳閘。

由此可見，低壓電網(wǎng)運(yùn)營的電能質(zhì)量，經(jīng)濟(jì)性各指標(biāo)及其調(diào)節(jié)手段之間，有內(nèi)在聯(lián)系，相互影響。多指標(biāo)因超限運(yùn)用綜合調(diào)控時(shí)，需要引入各指標(biāo)加權(quán)的方法來處理。

?智能電網(wǎng)基礎(chǔ)?指出:

"自趨優(yōu)是指電網(wǎng)在運(yùn)營過程中，具有使?fàn)顟B(tài)自動(dòng)保持在多指標(biāo)趨優(yōu)狀態(tài)集合內(nèi)的能力。使電網(wǎng)運(yùn)營狀態(tài)點(diǎn)使得各類指標(biāo)達(dá)到一定的標(biāo)準(zhǔn) ，即趨近最優(yōu)狀態(tài)是合理的而且是可能的。
多指標(biāo)趨優(yōu)而不是多指標(biāo)最優(yōu)，是因?yàn)橛?jì)算速度 ，求解難度等原因"。
3）配電臺(tái)區(qū)多指標(biāo)運(yùn)營優(yōu)化模型

參照湖南大學(xué)學(xué)者:?具有諧波抑制功能的綜合電能質(zhì)量控制系統(tǒng)設(shè)計(jì)?提出的"多目標(biāo)電壓無功諧波優(yōu)化算法",結(jié)合配電臺(tái)區(qū)多指標(biāo)運(yùn)營情況 ，本文下面將敘述配電臺(tái)區(qū)配電臺(tái)區(qū)多指標(biāo)運(yùn)營優(yōu)化模型設(shè)計(jì)概要。

?該優(yōu)化系統(tǒng)設(shè)計(jì)，一方面，以配電臺(tái)區(qū)運(yùn)營可靠性為基礎(chǔ)，將電壓及電壓合格率達(dá)標(biāo)，電流及有功功率不超限，無功功率及功率因數(shù)不超限，三相負(fù)荷不平衡度不超標(biāo) ，諧波含有率達(dá)標(biāo)，線損不超限作為目標(biāo)要求，運(yùn)用優(yōu)化方法，得出其控制參數(shù)的最優(yōu)解。另一方面，以有載調(diào)壓配變分接頭調(diào)節(jié)量，電容無功補(bǔ)償器/動(dòng)態(tài)無功補(bǔ)償器的補(bǔ)償量，有載換相負(fù)荷開關(guān)切換能力，有源濾波技術(shù)補(bǔ)償量，有載調(diào)容配變功率調(diào)節(jié)量為控制變量，建立配電臺(tái)區(qū)多指標(biāo)運(yùn)營優(yōu)化模型。

?配電臺(tái)區(qū)多指標(biāo)運(yùn)營優(yōu)化模型主要包括下列內(nèi)容:

該優(yōu)化系統(tǒng)可靠度計(jì)算方法

聯(lián)合概率密度函數(shù)計(jì)算，并取最小值。該函數(shù)等于各目標(biāo)指標(biāo)與其加權(quán)因子的乘積之和。其中，加權(quán)因子的數(shù)值，取決于各目標(biāo)指標(biāo)的數(shù)量級及重要程度。

有載調(diào)壓配變分接頭的電壓百分率調(diào)節(jié)范圍

電容器無功補(bǔ)償/動(dòng)態(tài)無功補(bǔ)償調(diào)節(jié)范圍

有載調(diào)容配變的調(diào)容范圍

有源濾波技術(shù)的諧波補(bǔ)償范圍

有載換相負(fù)荷開關(guān)的電流切換 限值。
4）從不同類型案例中匯集提煉出bp神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)參考技術(shù)

本部分內(nèi)容摘要于重慶大學(xué)，重慶市電科院:?基于前饋神經(jīng)網(wǎng)絡(luò)的電網(wǎng)高精度檢測?，海河大學(xué):?基于信息融合的光伏并網(wǎng)逆變器故障診斷?，中國電科院:?一種多維影響下運(yùn)行電能表計(jì)量性能評估方法?，北京郵電大學(xué):?智能信息技術(shù)?，并按需要進(jìn)行編排。

bp前饋神經(jīng)網(wǎng)絡(luò)工作過程

這里，三個(gè)參考案例的bp前饋神經(jīng)網(wǎng)絡(luò)，都采用輸入層，隱含層，輸出層3層拓?fù)浣Y(jié)構(gòu)，各層節(jié)點(diǎn)之間按一定規(guī)則互聯(lián)成網(wǎng)。

"（bp）前饋神經(jīng)網(wǎng)絡(luò)使用梯度下降法，有2部分組成:信息正向傳播和誤差逆向傳播。信息正向傳播過程中，輸入信號(hào)從輸入層經(jīng)隱層單元逐層傳播，最后傳向輸出層，每一層神經(jīng)元狀態(tài)只影響下一層神經(jīng)元狀態(tài)。如果在輸出層不能得到期望的輸出，則轉(zhuǎn)向誤差逆向傳播，將輸出信號(hào)的誤差沿原來的連接通路返回。用迭代運(yùn)算求解權(quán)值，通過修改各層神經(jīng)元的權(quán)值，使得誤差信號(hào)減小，直至達(dá)到期望目標(biāo)。只有1個(gè)隱含層的3層神經(jīng)網(wǎng)絡(luò)，只要隱節(jié)點(diǎn)足夠多，就可以以任意精度逼近一個(gè)非線性函數(shù)"。

bp前饋神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)概要:

一是 ，網(wǎng)絡(luò)輸入量進(jìn)行歸一化處理

輸入層各神經(jīng)元（節(jié)點(diǎn)）為一維輸入，多維輸出結(jié)構(gòu)。輸入量是低壓電網(wǎng)運(yùn)營的電壓，電流，功率等數(shù)據(jù)。對每個(gè)輸入量進(jìn)行歸一化處理（計(jì)算公式:略），即可得到輸入層各元素之間的函數(shù)關(guān)系，即各輸入層神經(jīng)元（節(jié)點(diǎn)）實(shí)測到的輸入值與各輸入層神經(jīng)元（節(jié)點(diǎn)）經(jīng)歸一化后的輸出值之間的函數(shù)關(guān)系。

二是，bp前饋神經(jīng)網(wǎng)絡(luò)參數(shù)選取

"在進(jìn)行bp前饋神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)時(shí)，一般從網(wǎng)絡(luò)的層數(shù)，各層神經(jīng)元（節(jié)點(diǎn)）的個(gè)數(shù)以及訓(xùn)練函數(shù)三個(gè)方面來考慮"。

?隱含層節(jié)點(diǎn)數(shù)的確定

"隱含層節(jié)點(diǎn)數(shù)直接影響網(wǎng)絡(luò)的容量，泛化能力，學(xué)習(xí)速度和輸出特性。從網(wǎng)絡(luò)容量和函數(shù)逼近的通用性考慮，隱含單元數(shù)越多越好。從網(wǎng)絡(luò)的泛化能力來考慮 ，每增加一層，計(jì)算容量將呈指數(shù)倍增加，從而訓(xùn)練時(shí)間變長，還容易陷入局部極小量，而得不到最優(yōu)"。

"由最小二乘法對隱含層進(jìn)行擬合，得到隱含層節(jié)點(diǎn)數(shù)的計(jì)算式":

隱含層節(jié)點(diǎn)數(shù)=[0.43mn+（0.12?n平方）+2.54m+0.77n+0.35+0.51]的開方

隱含層節(jié)點(diǎn)數(shù)還可由經(jīng)驗(yàn)公式計(jì)算選定 :

隱含層接點(diǎn)數(shù)=[（m+n）的開方+a]，式中，1<a<10

以上兩式中:
m----輸入節(jié)點(diǎn)數(shù)
n----輸出接點(diǎn)數(shù)
a----可選數(shù)

例如，配電臺(tái)區(qū)智能（高級）終端的輸入接點(diǎn)，輸出節(jié)點(diǎn)數(shù) 都取6,隱含層接點(diǎn)數(shù)確定為11。

?傳遞函數(shù)與訓(xùn)練函數(shù)的確定:包括隱含層神經(jīng)元（接點(diǎn)）的傳遞函數(shù):如采用s型正切函數(shù)tansig,輸出層神經(jīng)元（節(jié)點(diǎn)）傳遞函數(shù):如采用s型對數(shù)函數(shù) logsig,訓(xùn)練函數(shù):如采用lm(lvenberg----marquardt)訓(xùn)練規(guī)則的trainlm函數(shù)。其中，"lm算法是梯度下降法與高斯----牛頓法的結(jié)合，在快速收斂的基礎(chǔ)上，能保證較高的穩(wěn)定性和精度"。

三是，學(xué)習(xí)樣本和目標(biāo)樣本的確定

?網(wǎng)絡(luò)輸入量的個(gè)數(shù)和數(shù)據(jù)樣本的選取:（待定）。

?通常選用訓(xùn)練用的數(shù)據(jù)樣本取40----200組。其中，隨機(jī)選取80%的數(shù)據(jù)樣本 ，作為訓(xùn)練樣本，剩余20%作為對訓(xùn)練好的bp前饋神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真驗(yàn)證用。

四是，進(jìn)行仿真測試

?在搭建好的bp前饋神經(jīng)網(wǎng)絡(luò)上，用訓(xùn)練樣本進(jìn)行訓(xùn)練，需要設(shè)定訓(xùn)練誤差，學(xué)習(xí)率指標(biāo)，編制網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)流程圖，進(jìn)行網(wǎng)絡(luò)初始化。

?"利用選定的訓(xùn)練樣本反復(fù)作用于網(wǎng)絡(luò) ，不斷調(diào)整網(wǎng)絡(luò)內(nèi)部參數(shù)，使網(wǎng)絡(luò)性能函數(shù)達(dá)到最小，使網(wǎng)絡(luò)對訓(xùn)練樣本組評估的實(shí)驗(yàn)標(biāo)準(zhǔn)偏差滿足設(shè)計(jì)的精度要求，從而實(shí)現(xiàn)輸入與輸出之間的非線性央射 ，確立網(wǎng)絡(luò)神經(jīng)元（接點(diǎn)）之間的函數(shù)關(guān)系"。

?訓(xùn)練完成后，利用訓(xùn)練好的bp網(wǎng)絡(luò)對測試樣本進(jìn)行測試。

參考資料:

本文采用反向傳播（bp）學(xué)習(xí)算法

"bp算法是目前最重要的一種學(xué)習(xí)算法。這種算法在感知器上加上一個(gè)隱含層，并且使用廣義專門算法進(jìn)行學(xué)習(xí)之后發(fā)展起來"。

"在有教師的學(xué)習(xí)算法中，有教師學(xué)習(xí)問題可分兩步解:第一步，指定網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，輸入X(t)和輸出y(t)之間的關(guān)系必須依賴于一組聯(lián)結(jié)強(qiáng)度系數(shù)w，并且使w可以調(diào)節(jié)。第二步，須指定一個(gè)學(xué)習(xí)規(guī)則，即如何調(diào)節(jié)w，使實(shí)際的輸出y^（t）盡可能接近期望的輸出y（t）"。

這里需要指出:"前饋網(wǎng)絡(luò)是一種強(qiáng)有力的學(xué)習(xí)系統(tǒng)，其結(jié)構(gòu)簡單而易于編程。從系統(tǒng)觀點(diǎn)看，前饋網(wǎng)絡(luò)是一靜態(tài)非線性央射，通過簡單非線性處理單元的復(fù)合央射可獲得復(fù)雜的非線性處理能力。但是從計(jì)算的觀點(diǎn)看，前饋網(wǎng)絡(luò)不是一種強(qiáng)有力的計(jì)算系統(tǒng)"。
5）高端網(wǎng)絡(luò):模糊神經(jīng)網(wǎng)絡(luò)

本部分內(nèi)容摘錄于?智能信息技術(shù)?，河南平頂山供電公司:?基于模糊神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電系統(tǒng)功率控制方法?。

神經(jīng)網(wǎng)絡(luò)不適合用于表達(dá)基于規(guī)則的知識(shí)，模糊邏輯系統(tǒng)缺乏自學(xué)習(xí)，自適應(yīng)能力。模糊神經(jīng)網(wǎng)絡(luò)，將模糊邏輯的長處吸收到神經(jīng)網(wǎng)絡(luò)中，使之成為更好的網(wǎng)絡(luò)。

模糊神經(jīng)網(wǎng)絡(luò)是一個(gè)多輸入多輸出(mimo)系統(tǒng)。

一是，模型

這里的模糊神經(jīng)網(wǎng)絡(luò)，采用五層結(jié)構(gòu)，各層節(jié)點(diǎn)之間按一定規(guī)則互聯(lián)。

第一層，輸入層，各節(jié)點(diǎn)輸入各測量的分量，并將輸入值傳遞到下一層。

第二層，各節(jié)點(diǎn)代表一個(gè)語言 變量值，如nb（負(fù)的大）,ps（正的小）等。其作用是計(jì)算各輸入量，屬于各語言變量
值模糊集合的隸屬度函數(shù)。根據(jù)輸入量的維數(shù)，輸入量的模糊分割數(shù)，該層節(jié)點(diǎn)總數(shù)由計(jì)算選定:（計(jì)算公式，略）。

第三層，各節(jié)點(diǎn)代表一條模糊規(guī)則，其作用是用于匹配模糊規(guī)則的前件，計(jì)算出每條規(guī)則的適應(yīng)度。該層的節(jié)點(diǎn)總數(shù)由計(jì)算選定:（計(jì)算公式，略）。對于給定的輸入量，只有在輸入量附近的那些語言變量值，才有較大的隸屬度。

第四層，節(jié)點(diǎn)數(shù)與第三層相同。其作用是實(shí)現(xiàn)對每條模糊規(guī)則適應(yīng)度的歸一化計(jì)算。

第五層，輸出層，實(shí)現(xiàn)清晰化計(jì)算（計(jì)算公式，略）。

二是，學(xué)習(xí)算法

"模糊神經(jīng)網(wǎng)絡(luò)模型實(shí)質(zhì)上是一種多層前饋網(wǎng)絡(luò)，可以仿照bp網(wǎng)絡(luò)用誤差反控的方法來設(shè)計(jì)調(diào)整參數(shù)的學(xué)習(xí)算法。并且，假設(shè)各輸入分量的模糊分割數(shù)是預(yù)先確定的，需要學(xué)習(xí)的參數(shù)主要是最后一層的聯(lián)結(jié)強(qiáng)度以及第二層的隸屬度函數(shù)的中心值和寬度"。

三是，參考案例

?基于模糊神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電系統(tǒng)功率控制方法?:

"概率模糊神經(jīng)網(wǎng)絡(luò)控制器，（用于）求取三相逆變器注入電網(wǎng)的有功和無功電流參考值"。

概率模糊神經(jīng)網(wǎng)絡(luò)控制器包括6層網(wǎng)絡(luò)結(jié)構(gòu):

"第1層為輸入層，第2層為隸屬度層，第3層為概率層，第4層為tsk模糊推理機(jī)制層，第5層為規(guī)則層，第6層為輸出層"。其中，輸入層的節(jié)點(diǎn)為2，輸出層節(jié)點(diǎn)為1。"在隸屬度層中，每個(gè)接點(diǎn)采用不對稱高斯函數(shù)實(shí)現(xiàn)模糊化運(yùn)算"。

"概率模糊神經(jīng)網(wǎng)絡(luò)控制器（采用）誤差向后傳播學(xué)習(xí)算法機(jī)制，構(gòu)造一個(gè)梯度向量，使得其中每個(gè)元素均為能量函數(shù)相對于算法參數(shù)的一階微分，從而完成概率模糊神經(jīng)網(wǎng)絡(luò)的參數(shù)在線自整定"。

四是，鑒于目前多輸入多輸出（mimo）的模糊神經(jīng)網(wǎng)絡(luò)在電網(wǎng)量測控制領(lǐng)域中應(yīng)用案例的報(bào)道甚少，因此，模糊神經(jīng)網(wǎng)絡(luò)技術(shù)如何應(yīng)用于配電臺(tái)區(qū)智能（高級）終端高級應(yīng)用系統(tǒng)設(shè)計(jì)技術(shù)探索，是需要深一步研究的課題。
6）配電臺(tái)區(qū)智能（高級）終端設(shè)計(jì)參考新技術(shù)

?配電網(wǎng)波形級實(shí)時(shí)監(jiān)測的綜合配電終端單元（idu）

據(jù)報(bào)道:2017年1月3日，國內(nèi)首套綜合配電終端單元（idu）在夏門火炬高新園區(qū)掛網(wǎng)運(yùn)行。

"綜合配電終端單元（idu）是國家863項(xiàng)目"主動(dòng)配電網(wǎng)關(guān)鍵技術(shù)研究與示范"的關(guān)鍵成套裝置，主要通過高速同步相量測量實(shí)現(xiàn)對配電網(wǎng)潮流的精確監(jiān)測，線路潛在故障的在線監(jiān)測與預(yù)防，支撐供電能力和負(fù)荷的態(tài)勢感知，并為配電網(wǎng)的瞬時(shí)剖面狀態(tài)估計(jì)，電能質(zhì)量優(yōu)化，諧波治理提供豐富的數(shù)據(jù)，有效提升配電網(wǎng)可觀，可測和可控性"。

??自適應(yīng)負(fù)荷型配電變壓器設(shè)計(jì)?（中國電科院）

"自適應(yīng)負(fù)荷型配電變壓器的結(jié)構(gòu)，包括配電變壓器本體單元 ，有載調(diào)容調(diào)壓一體化單元，配套設(shè)備單元及綜合控制單元"。

該新型配電變壓器"可在不切斷負(fù)荷情況下，根據(jù)系統(tǒng)電壓和負(fù)荷實(shí)際情況，實(shí)現(xiàn)配電變壓器分接頭和容量運(yùn)行方式的自動(dòng)調(diào)整，并具有在線負(fù)荷換相和分相無功補(bǔ)償功能，有效解決三相負(fù)荷嚴(yán)重不平衡問題，保證電壓和容量判定的及時(shí)性和準(zhǔn)確性"。

?模糊pi控制器

東北電力大學(xué):?高壓直流輸電智能控制器的設(shè)計(jì)?

（注: pi，比例積分器）

模糊pi控制器的輸入端:電流參考值與被測電流之差作為"偏差"和"偏差變化"---->模糊推理單元（按模糊控制規(guī)則計(jì)算并輸出兩個(gè)pi控制器可自動(dòng)調(diào)整參數(shù)的修正量）---->pi控制器 單元（并輸出調(diào)整命令）---->觸發(fā)器單元---->被控制對象---->被測電流（并反饋至模糊pi控制器輸入端）。

"實(shí)現(xiàn)模糊調(diào)整可以選取以下規(guī)則":

"如果穩(wěn)態(tài)偏差大，那么就增加比例系數(shù)"

"如果響應(yīng)震蕩，那么就增加微分系數(shù)"

"如果響應(yīng)遲緩，那么就增加比例系數(shù)"

"如果穩(wěn)態(tài)偏差太大，那么就調(diào)整積分系數(shù)"

"如果超調(diào)量太大，那么就減少比例系數(shù)"。

模糊pi控制器的優(yōu)點(diǎn):"當(dāng)被控制對象參數(shù)或運(yùn)行條件改變時(shí)，就能自動(dòng)在線調(diào)整pi的參數(shù)，達(dá)到智能控制的作用"。

?綜合電能質(zhì)量控制系統(tǒng)

湖南大學(xué)學(xué)者:?具有諧波抑制功能的綜合電能質(zhì)量控制系統(tǒng)設(shè)計(jì)?

該綜合電能質(zhì)量控制（調(diào)節(jié)）裝置由有載調(diào)壓變壓器，并聯(lián)補(bǔ)償電容器組和注入式并聯(lián)有源電力濾波器（hapf）組成。

該系統(tǒng)采用多目標(biāo)電壓，無功，線損，諧波函數(shù)及其加權(quán)因子的優(yōu)化算法，從全局進(jìn)行系統(tǒng)優(yōu)化。

有源部分只承受很小的諧波電壓，有效降低有源部分的容量。

注入式并聯(lián)有源電力濾波器的復(fù)合控制部分，采用復(fù)合電流的模糊pi控制技術(shù)。

?抑制不對稱負(fù)荷動(dòng)態(tài)無功補(bǔ)償時(shí)向電網(wǎng)注入的諧波含量

南京理工大學(xué):?計(jì)及諧波抑制的不對稱負(fù)荷動(dòng)態(tài)無功補(bǔ)償方法?

"晶閘管相控電抗器（tcr）配合電力電容器，可以校正功率因數(shù)，穩(wěn)定系統(tǒng)電壓，還可以補(bǔ)償三相負(fù)荷的不平衡"。

"在不對稱程度較為嚴(yán)重的場合，對tcr的分相控制會(huì)使tcr向電網(wǎng)注入包括3次諧波在內(nèi)的高次諧波"。

基波電壓與高次諧波電流均產(chǎn)生無功功率。根據(jù)功率平衡理論，無功補(bǔ)償?shù)哪繕?biāo)使無功矩陣中各項(xiàng)元素為0。在實(shí)際控制應(yīng)用中，采用（可調(diào)）加權(quán)對角陣進(jìn)行計(jì)算。

"采用改進(jìn)的無功補(bǔ)償策略，能有效降低在負(fù)荷嚴(yán)重不對稱情況下tcr向電網(wǎng)注入的諧波成分 。在電網(wǎng)中諧波成分較大時(shí) ，還能綜合考慮諧波因素和無功補(bǔ)償?shù)男阅苤笜?biāo)，給出較為合理的觸發(fā)角控制tcr，明顯減少母線上含有的電流諧波成分。從理論上可以考慮任意次諧波成分"。

?超級智能開關(guān)（南京捷泰電力設(shè)備公司）

該新產(chǎn)品"集測量，保護(hù)，控制，故障錄波，電能質(zhì)量監(jiān)測，配變監(jiān)測 ，負(fù)荷管理和通信功能于一體。產(chǎn)品功能國際領(lǐng)先，國內(nèi)外無同類產(chǎn)品"。

該新產(chǎn)品"采用插拔式結(jié)構(gòu)，"三段式保護(hù)功能"，"測量與保護(hù)一體化電流互感器"，"通過校驗(yàn)臺(tái)進(jìn)行計(jì)量校驗(yàn)的斷路器"。

該新產(chǎn)品主要技術(shù)指標(biāo):

額定電壓:ac,400v

額定電流:250a
,400a,630a

額定運(yùn)行短路分?jǐn)嗄芰?42.5ka。

說明:本文以上敘述配電臺(tái)區(qū)智能（高級）終端第1 項(xiàng)高級應(yīng)用功能的前期設(shè)計(jì)技術(shù)，還有3項(xiàng)高級應(yīng)用功能:"在現(xiàn)場自主進(jìn)行緊急事件處理","多路徑優(yōu)化搜索" ,"實(shí)現(xiàn)配電網(wǎng)與用戶互動(dòng)，即具有多通信方式網(wǎng)關(guān)功能"的前期設(shè)計(jì)技術(shù),將由本文作者另撰寫專題文章發(fā)布。
聲明

本文為張春暉先生原創(chuàng)內(nèi)容，歡迎原文轉(zhuǎn)發(fā)，如需轉(zhuǎn)載請?jiān)谖恼麻_頭注明作者姓名并注明“本文轉(zhuǎn)載于中國現(xiàn)代電網(wǎng)量測技術(shù)微信公眾平臺(tái)，電網(wǎng)量測技術(shù)微信公眾號(hào)為dianwangliangce”字樣

小編微信號(hào) gestapo1977