前言

第1章 緒論

1．1 復雜不確定系統智能協調控制的背景及意義

1．2 配電網安全控制的背景

1．3 配電網安全性、穩定性與系統脆弱性間的關系

1．4 電網安全控制的研究現狀

1．5 本書主要內容

參考文獻

第2章 智能協調控制的理論基礎

2．1 多Agent系統

2．2 多Agent系統強化學習

2．3 蟻群算法

2．4 BP神經網絡

2．5 粒子群算法

參考文獻

第3章 電網脆弱性預警指標

3．1 引言

3．2 電網脆弱性及其影響因素

3．3 電網安全性預警指標

3．4 各指標的優缺點及適用范圍

參考文獻

第4章 基于電壓穩定的配電網脆弱性指標推導

4．1 引言

4．2 電壓穩定概述

4．3 電網電壓穩定評估指標L

4．4 指標求取模型

4．5 算例分析

參考文獻

第5章 基于量子多Agent的配電網脆弱性評估

5．1 引言

5．2 基于量子理論的多Agent系統強化學習

5．3 基于QMAS的配電網脆弱性分析系統的設計

5．4 初級脆弱性評估功能的實現

5．5 配電網綜合脆弱性評估功能的實現

參考文獻

第6章 基于母線間脆弱信息協調的配電網低電壓風險評估

6．1 引言

6．2 孤立母線低電壓風險分析

6．3 母線間脆弱性相互影響關系的定量計算

6．4 配電網低電壓脆弱性綜合指標

6．5 算例分析

參考文獻

第7章 基于方向協調蟻群算法及其在配電網重構中的應用

7．1 引言

7．2 基于方向性信息素的改進蟻群算法

7．3 方向協調蟻群算法在配電網重構中的應用

參考文獻

第8章 機組檢修計劃模型的優化與求解

8．1 引言

8．2 機組檢修計劃優化模型建立

8．3 基于改進蟻群算法機組檢修計劃的求解

8．4 算例分析

參考文獻

《復雜不確定系統智能協調控制：配電網安全控制》系統闡述了復雜不確定系統的智能協調控制問題，建立了適用于復雜不確定系統的智能協調控制機理模型，為復雜控制系統研究中的難點問題提供了有效的解決措施。并且以配電網安全控制為例，將所研究的控制模型加以應用。《復雜不確定系統智能協調控制：配電網安全控制》理論豐富，內容先進，還有應用實例，可為復雜不確定大系統的控制理論發展提供新的思路，為我國配電網安全控制分析提供新的理論依據。

協調控制系統的復雜性主要體現在以下兒個方面:

(1)多變量的強烈耀合。協調控制系統的壓力控制回路和負荷控制回路相互關聯，存在著強烈的摧合特性。這種特性還存在著一類病態的結構，那就是汽輪機側具有快速響應特性，而鍋爐側則具有相對較慢的響應特性，由于這種特性，如果在系統動態解藕時未充分考慮“量’一時間’的平衡關系.很容易造成能量的累積，從而使系統不穩定。這給協調控制系統的解藕設計帶來了困難；

(2)多目標相互關聯。在不同的任務約束情況下。協調控制系統需要滿足不同的優化目標。由于優化目標的相互關聯，在滿足某一優化目標時，需要充分考慮其它目標的次優化問題。因此協調控制系統除了解決多變量解藕問題以外、還需在最優目標與次優目標之間協調、平衡。

(3)機組動態從本質上說是非線性的。由于機組存在著非線性特性，現有協調控制系統的分析與設計通常將其在某一工作點線性化，而忽略其高頻非線性。這種高頻非線性常常會被控制器激發而使調節過程振蕩，

(4)機組動態是時變的。機組動態特性是時變的、因此根據某一工作點下的線性化模型來設計的協調控制系統，未必能保證系統在其它工作點下的適應性‘這實際上涉及到模型的自動適應性以及控制算法的魯棒性。

(5)系統存在著不確定干擾。系統存在的不確定干擾，例如燃煤的煤質變化‘給煤量的擾動等，使機爐協調控制系統存在著較大的不確定因素，在設計協調控制系統時，需要考慮系統的抗干擾性能。

(6)能量平衡指標‘熱經濟指標難以直接、準確、實時地得到。如果能量平衡指標的準確性、適應性和實時性能夠得到充分的保證，那么能量平衡方法就是設計協調控制系統的一種較好的方法二一些熱經濟指標也是很重要的，例如煤質/發熱量校正系數，如果能保證指標的有效性，將會大大提高協調控制系統抗煤質擾動的能力。

(7)鍋爐側存在著很大的純時延:鍋爐側的大時延實際上反映了管道純遲延以及大慣性產生的相對遲延，常規的FLD控制器很難解決這個問題，尤其是PID控制器的積分作用常使系統過調而積聚能量、使系統產生振蕩。工程上最常見的前饋算法是為了解決在一類可測擾動下控制系統的品質問題。即使擾動是可測的.通常也較難以掌握前饋的“量”以及“時間”問題。

(8)運行的安全性要求二協調控制系統在滿足某一特定任務約束的前提下、還需保證一切變量不超限、包括被控量、狀態量和控制量。系統還需處理諸如RUNBACK, RUNDOWN等與機組安全運行相關的實際問題，

由于工業過程控制中存在著高頻非線性、不確定干擾、大純時延等特性，而且這些特性往往具有不能良好建模的問題，因此，純粹意義上基于狀態空間模型的控制算法的實現總存在著理論意義上的魯棒性和實踐意義上的魯棒性的差距。按照觀點，智能控制是控制、運籌和人工智能的有機結合。考慮到系統的復雜性，純粹采用不考慮系統機理模型以及卷積模型的算法(例如模糊算法，神經網絡算法)總存在調整參數過多，人為因素太重等問題。智能化的協調機制實際上需要解決的是系統動態性能和魯棒性能的平衡與協調關系。也就是說，它是在多變量控制的基礎上尋求一個多目標的優化問題，而這個多目標優化機制是以協調控制系統的任務約束為激勵的。

這種智能化機制的主要內容包括:任務約束轉換，’‘方’、“胖”、’‘瘦"3種結構的有機轉換，數學模型的靜態和動態適應.被控制變量超限的快速返回等。任務約束的轉換是將一些“實”的目標轉換成一些一虛“的控制目標，這種轉換過程需要相應的數學模型支持，實際L，它是在數學模型以及當前運行工況的基礎上，得到一種協調控制系統內部運行的方式。它體現了一方”1’·胖一、”瘦03種結構的有機轉換和有機協調。當系統在這3種結構之間轉換時，系統結構變為非線性、可能出現不穩定。這種多變量協調策略實際上是在約束限制內的實時優化策略。數學模型的靜態和動態適應是為了在模型的精確性意義上提高算法的魯棒性:靜態適應是為了體現靜態增益的平衡，因此可以通過在穩態時求取抿合變量的相對增益來得到。動態適應的方法可選用濾波器以及最小方差估計法而得到模型之間的幅值和相位的偏差。被控變量的快速返回可研究動態微分的作用。考慮到數學模型的非精確描述，協調這個概念成為一個模糊的概念。本文研究的算法是在多變量控制的基礎上、尋求一種模糊的實時優化策略問題。

該方法應用于協調系統中，主要基于以下幾種觀點:

(1)主要參數的變化趨勢實際上反映了機組輸入/輸出能量平衡的動態過程:

(2)對于鍋爐對象，由于其具有強烈的時間遲延和較大的慣性，因此施加作用強烈的階躍作用往往比施加較慢的積分作用效果明顯.因為積分作用無法判斷誤差的方向，如果掌握不好，容易造成鍋爐側能量的累積，而導致系統的過調;

(3)基于規則的智能控制方法應用于前饋控制中，著力反映系統的動態過程。而系統的穩態偏差山并聯的PID控制器解決;

(4)基于規則的智能控制方法對于克服協調控制系統中存在的強烈的不確定干擾以及未建模動態具有顯著的效果。