CN113435020A - 电力系统干扰控制方法、装置、计算机设备和存储介质 - Google Patents

电力系统干扰控制方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN113435020A
CN113435020A CN202110665779.9A CN202110665779A CN113435020A CN 113435020 A CN113435020 A CN 113435020A CN 202110665779 A CN202110665779 A CN 202110665779A CN 113435020 A CN113435020 A CN 113435020A
Authority
CN
China
Prior art keywords
matrix
fuzzy
power system
control function
power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110665779.9A
Other languages
English (en)
Inventor
陈华昊
黄豫
聂金峰
梁宇
潘旭东
覃芸
雷成
袁康龙
施寅跃
龙瑞华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Haikou Power Supply Bureau of Hainan Power Grid Co Ltd
Energy Development Research Institute of China Southern Power Grid Co Ltd
Original Assignee
Haikou Power Supply Bureau of Hainan Power Grid Co Ltd
Energy Development Research Institute of China Southern Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Haikou Power Supply Bureau of Hainan Power Grid Co Ltd, Energy Development Research Institute of China Southern Power Grid Co Ltd filed Critical Haikou Power Supply Bureau of Hainan Power Grid Co Ltd
Priority to CN202110665779.9A priority Critical patent/CN113435020A/zh
Publication of CN113435020A publication Critical patent/CN113435020A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Computing Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Feedback Control In General (AREA)

Abstract

本申请涉及一种电力系统干扰控制方法、装置、计算机设备和存储介质。通过在监测到电力系统中电力参数的运行数值大于预设阈值，获取电力参数对应的线性化处理后的模糊状态模型以及电力参数对应的状态反馈控制函数，并根据模糊状态模型获取全局模糊模型，利用模糊状态模型、状态反馈控制函数和全局模糊模型获取电力系统对应的目标H无穷控制函数，根据目标H无穷控制函数获取对应的判断矩阵，基于判断矩阵的矩阵解调整运行数值，使判断矩阵在预设范围内并令电力系统恢复正常。相较于传统的电力系统稳定性控制技术，本方案通过在待处理的电力参数运行数值超过特定阈值时，利用基于H无穷控制的矩阵对电力参数进行控制，从而提高了电力系统的稳定性。

Description

电力系统干扰控制方法、装置、计算机设备和存储介质
技术领域
本申请涉及电力技术领域，特别是涉及一种电力系统干扰控制方法、装置、计算机设备和存储介质。
背景技术
在当今全世界呼吁保护环境、节能减排、开发新能源的大环境下，人们正在逐渐摆脱对传统化石能源如石油、煤炭、天然气等的依赖，而开始加强对电能的开发与利用，此外伴随着近些年国内光伏能源与风能等可再生能源得到大力开发，使光伏能源发电与风能发电等分布式微电网的发展也成为一种趋势，我国电网现在呈现一种以大电网为核心主干，各分布式微电网为补充的形式，但是分布式微电网并不像大电网一样容易调控其不稳定因素较多，因而分布式微电网的并入对大电网而言可能产生干扰或引起波动，因此，在电力系统受到干扰时保持电力系统的稳定运行显得十分重要。然而随着电网电力系统的日渐复杂，电网电力系统的控制难度明显增加，目前对于电力系统的稳定性控制方式难以有效控制电力系统稳定运行。
因此，目前的电力系统干扰控制方法存在稳定性不足的缺陷。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高电力系统稳定性的电力系统干扰控制方法、装置、计算机设备和存储介质。
一种电力系统干扰控制方法，所述方法包括：
监测电力系统中待处理的电力参数的运行数值，若所述运行数值大于预设阈值，获取所述电力参数对应的线性化处理后的模糊状态模型以及所述电力参数对应的状态反馈控制函数；根据所述模糊状态模型，获取所述电力系统对应的全局模糊模型；
根据所述模糊状态模型、所述全局模糊模型以及所述状态反馈控制函数，获取所述电力系统对应的目标H无穷控制函数；
根据所述目标H无穷控制函数，获取所述电力参数对应的判断矩阵；
获取所述判断矩阵对应的矩阵解，并根据所述矩阵解调整所述运行数值，以使所述判断矩阵在预设数值范围内，控制所述电力系统恢复正常。
在其中一个实施例中，所述监测电力系统中待处理的电力参数的运行数值，包括：
监测所述电力系统中发电机的轴电势间的相对角度以及所述发电机的转速。
在其中一个实施例中，所述获取所述电力参数对应的线性化处理后的模糊状态模型，包括：
根据所述转速，获取所述相对角度对应的第一数学模型；
根据所述发电机的等值转动惯量、所述发电机的机械功率、所述发电机的电磁功率、所述发电机的等值阻尼系数、所述发电机的扰动功率幅值以及所述发电机的扰动功率频率，获取所述转速对应的第二数学模型；
对所述第一数学模型以及所述第二数学模型进行线性化处理，得到所述模糊状态模型。
在其中一个实施例中，所述获取所述电力参数对应的状态反馈控制函数，包括：
根据所述电力系统中发电机的励磁绕组电压、预设静态增益反馈矩阵以及所述电力参数，获取所述状态反馈控制函数。
在其中一个实施例中，所述根据所述模糊状态模型，获取所述电力系统对应的全局模糊模型，包括：
根据所述模糊状态模型中的第一常值矩阵、所述模糊状态模型中的第二常值矩阵、所述模糊状态模型中的第三常值矩阵、所述模糊状态模型的第一输入值、所述模糊状态模型的第二输入值、所述发电机的励磁绕组电压以及所述电力参数对应的模糊隶属函数，获取所述全局模糊模型；所述第一常值矩阵基于所述电磁功率、所述等值转动惯量以及所述等值阻尼系数得到；所述第二常值矩阵以及所述第三常值矩阵基于预设数值得到；所述第一输入值基于所述电力参数得到；所述第二输入值基于所述等值转动惯量、所述扰动功率幅值以及所述扰动功率频率得到；所述模糊隶属函数基于所述电磁功率、所述等值转动惯量、所述电力参数以及预设模糊集得到。
在其中一个实施例中，所述根据所述模糊状态模型、所述全局模糊模型以及所述状态反馈控制函数，获取所述电力系统对应的目标H无穷控制函数，包括：
根据所述第一输入值、所述第二输入值、所述全局模糊模型中的第三输入值以及预设干扰参考值，分别将所述模糊状态模型、所述全局模糊模型以及所述状态反馈控制函数输入标准H无穷控制函数，得到所述目标H无穷控制函数。
在其中一个实施例中，所述根据所述目标H无穷控制函数，获取所述电力参数对应的判断矩阵，包括：
根据所述目标H无穷控制函数中的第一常值矩阵、所述目标H无穷控制函数中的第二常值矩阵、所述目标H无穷控制函数中的第三常值矩阵、预设无量纲数、所述目标H无穷控制函数中的预设静态增益反馈矩阵、预设对称正定矩阵以及预设数量的单位矩阵，得到所述判断矩阵；所述预设静态增益反馈矩阵基于所述状态反馈控制函数得到；
和/或
所述获取所述判断矩阵对应的矩阵解，并根据所述矩阵解调整所述运行数值，包括：
获取所述判断矩阵小于零时，所述预设对称正定矩阵的解；
根据所述预设对称正定矩阵的解调整所述运行数值。
一种电力系统干扰控制装置，所述装置包括：
监测模块，用于监测电力系统中待处理的电力参数的运行数值，若所述运行数值大于预设阈值，获取所述电力参数对应的线性化处理后的模糊状态模型以及所述电力参数对应的状态反馈控制函数；根据所述模糊状态模型，获取所述电力系统对应的全局模糊模型；
第一获取模块，用于根据所述模糊状态模型、所述全局模糊模型以及所述状态反馈控制函数，获取所述电力系统对应的目标H无穷控制函数；
第二获取模块，用于根据所述目标H无穷控制函数，获取所述电力参数对应的判断矩阵；
控制模块，用于获取所述判断矩阵对应的矩阵解，并根据所述矩阵解调整所述运行数值，以使所述判断矩阵在预设数值范围内，控制所述电力系统恢复正常。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
上述电力系统干扰控制方法、装置、计算机设备和存储介质，通过监测电力系统中待处理的电力参数的运行数值，若监测到运行数值大于预设阈值，则获取电力参数对应的线性化处理后的模糊状态模型以及电力参数对应的状态反馈控制函数，并根据模糊状态模型获取全局模糊模型，利用模糊状态模型、状态反馈控制函数和全局模糊模型获取电力系统对应的目标H无穷控制函数，根据目标H无穷控制函数获取电力参数对应的判断矩阵，从而基于该判断矩阵的矩阵解调整运行数值，使得判断矩阵在预设范围内，控制电力系统恢复正常。相较于传统的电力系统稳定性控制技术，本方案通过在待处理的电力参数运行数值超过特定阈值时，利用基于H无穷控制的矩阵对电力参数进行控制，从而提高了电力系统的稳定性。
附图说明
图1为一个实施例中电力系统干扰控制方法的应用环境图；
图2为一个实施例中电力系统干扰控制方法的流程示意图；
图3为一个实施例中线性化步骤函数的示意图；
图4为另一个实施例中电力系统干扰控制方法的流程示意图；
图5为一个实施例中电力系统状态响应的示意图；
图6为一个实施例中电力系统的控制输入的示意图；
图7为个一个实施例中电力系统优化输出响应的示意图；
图8为一个实施例中电力系统事件触发信号的示意图；
图9为一个实施例中电力系统干扰控制装置的结构框图；
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的电力系统干扰控制方法，可以应用于如图1所示的应用环境中。其中，终端102可以监测电力系统中待处理的电力参数的运行数值，并在运行数值大于预设阈值时获取电力参数对应的模糊状态模型以及电力参数对应的状态反馈控制函数，利用模糊状态模型得到全局模糊模型，并基于模糊状态模型、状态反馈函数和全局模糊模型获取目标H无穷控制函数，利用目标H无穷控制函数得到电力参数对应的判断矩阵，从而基于矩阵的解对电力参数的运行数值进行调整，使电力系统恢复正常。另外，在一些实施例中，还可以包括服务器104，终端102通过网络与服务器104进行通信。终端102可以将调整后的运行数值上传至服务器104进行保存，还可以将待处理的电力参数的运行数值变化过程上传至服务器104保存。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种电力系统干扰控制方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤S202，监测电力系统中待处理的电力参数的运行数值，若运行数值大于预设阈值，获取电力参数对应的线性化处理后的模糊状态模型以及电力参数对应的状态反馈控制函数；根据模糊状态模型，获取电力系统对应的全局模糊模型。
其中，电力系统可以是终端102所在的系统，电力系统中包括有多种电力设备，例如发电机、原动机等。电力系统中的各个电力设备可以有对应的电力参数，例如发电机具有发电机对应的电力参数，原动机具有原动机对应的电力参数。终端102可以对其所在的电力系统中各个电力设备的待处理的电力参数的运行数值进行监测。例如，在一些实施例中，上述待处理的电力参数可以包括发电机的轴电势间的相对角度以及发电机的转速，则上述终端102监测电力系统中待处理的电力参数的运行数值，包括：监测电力系统中发电机的轴电势间的相对角度以及发电机的转速。这些实施例中，相对角度可以是发电机的轴电势之间的相对角度，例如可以是等值发电机q轴电势之间的相对角度。则终端102可以对上述电力系统中等值发电机的q轴电势之间的相对角度以及发电机的转速进行监测。其中，上述相对角度可以记为δ(t)，上述转速可以记为ω(t)。
终端102可以对上述各个电力参数的运行数值进行监测，若终端102检测到上述运行数值大于预设阈值，例如电力设备收到干扰，导致对应的电力参数的运行数值发生波动从而大于预设阈值，具体地，在一些实施例中，终端102执行控制流程的触发条件可以按照如下表达式所示：
Figure BDA0003116779140000061
其中，ρ为设定的无量纲数，无量纲数可以是两个具有相同量纲的物理量的比值成为一个无量纲的量，该无量纲数可以用于调节触发条件，无量纲数可以由经验值给出，He和Hx为用户设定的矩阵，x(t)为上述待处理的电力参数，e(t)可以基于上述电力参数的阈值与对应的电力参数的差得到。终端102可以在电力参数的运行数值符合上述触发条件的表达式时，确定需要对电力系统进行控制。终端102可以在控制流程中获取上述电力参数对应的模糊状态模型，该模糊状态模型可以是经过线性化处理后的模型，例如，终端102可以首先根据上述电力参数建立电力系统的数学模型，并利用该数学模型进行线性化，从而得到上述电力参数对应的模糊状态模型。其中，上述数学模型以及上述模糊状态模型中均可以包括多个函数。
终端102还可以在执行控制的过程中获取电力参数对应的状态反馈控制函数，状态反馈控制函数可以用于获取电力参数对应的静态增益反馈矩阵，从而基于该矩阵进行电力系统中电力参数运行数值的控制。例如，在一些实施例中，获取电力参数对应的状态反馈控制函数，包括：根据电力系统中发电机的励磁绕组电压、预设静态增益反馈矩阵以及电力参数，获取状态反馈控制函数。这些实施例中，终端102可以基于上述电力系统中的励磁绕组电压、预设静态增压反馈矩阵以及电力参数，得到上述状态反馈控制函数。具体地，状态反馈控制函数的表达式可以如下所示：
Figure BDA0003116779140000071
其中，u(t)可以是电力系统中发电机的励磁绕组电压，即电力系统的控制输入，μh为归一化隶属度函数，x(tk)可以是上述电力参数的矩阵表达形式，包括上述相对角度和转速等，Kh为对应模糊规则的1*2维控制静态增益反馈矩阵。终端102可以基于上述的参数得到Kh，从而基于Kh在电力系统受到干扰时对电力系统进行控制。其中，励磁绕组是可以产生磁场的线圈绕组。一般在电动机和发电机内，有串励和并励之分。发电机内用励磁绕组，可以替代永磁体，可以产生永磁体无法产生的强大的磁通密度，且可以方便调节，从而可以实现大功率发电。
终端102还可以基于上述模糊状态模型，获取电力系统对应的全局模糊模型。例如，终端102可以基于上述模糊状态模型，对模糊状态模型采用单点模糊化、乘积推理和平均加权去模糊化得到上述电力系统对应的全局模糊模型。其中，全局观测器模糊模型可以用于对电力系统中各个电力参数的输出值进行观测，终端102可以基于全局模糊模型进行电力系统的控制。
步骤S204，根据模糊状态模型、全局模糊模型以及状态反馈控制函数，获取电力系统对应的目标H无穷控制函数。
其中，模糊状态模型可以是终端102对上述电力参数进行线性化后得到的模型，全局模糊模型可以是终端102基于模糊状态模型进行处理后得到的模型，状态反馈控制函数可以是终端102基于电力参数得到的函数，状态反馈控制函数可以用于限制电力系统中各个电力参数的运行数值。终端102可以利用上述模糊状态模型中、上述全局模糊模型以及上述状态反馈控制函数，获取电力系统对应的目标H无穷控制函数。例如，终端102可以利用上述模糊状态模型中的各个函数中的变量、上述全局模糊模型中的各个变量和上述状态反馈控制函数中的变量，分别输入H∞控制的标准形式函数，从而得到上述目标H无穷控制函数。其中，H∞控制是对传递函数增益大小的一个度量指标，即是一个系统输入输出的放大倍数。H无穷的标准问题实际是：求解已真有理(解析有界)的控制器，使外输入到加权输入的传递函数阵的H无穷范数最小，可以用于研究满足预设数值指标的电力系统。
步骤S206，根据目标H无穷控制函数，获取电力参数对应的判断矩阵。
其中，H无穷控制函数可以用于在电力系统受到波动时，作为控制电力系统恢复正常的依据和条件。终端102可以基于上述目标H无穷控制函数得到电力参数对应的判断矩阵。例如，终端102可以利用上述目标H无穷控制函数中的各个变量的组合，结合李雅普诺夫稳定性理论和模糊逻辑结合现行矩阵不等式技术形成矩阵，并令该矩阵在预设数值范围内，从而得到上述判断矩阵。其中，上述判断矩阵可以用于调整电力系统中各个待处理的电力参数的运行数值的矩阵；上述李雅普诺夫稳定性，可用来描述一个动力系统的稳定性。如果此动力系统任何初始条件在平衡态附近的轨迹均能维持在平衡态附近，那么可以称为在处李雅普诺夫稳定，利用李雅普诺夫的分析方式，可在不知道系统实际能量的情形下，证明系统的稳定性。
步骤S208，获取判断矩阵对应的矩阵解，并根据矩阵解调整运行数值，以使判断矩阵在预设数值范围内，控制电力系统恢复正常。
其中，判断矩阵可以是基于上述目标H无穷控制函数得到的矩阵，终端102可以利用该判断矩阵对上述电力参数的运行数值进行调整，从而使运行数值恢复到正常范围内，使得电力系统恢复正常。例如，终端102可以对判断矩阵进行求解，得到对应的矩阵解，并基于矩阵解调整上述电力参数对应的运行数值。其中，矩阵解可以是一种矩阵，例如可以是一种正定矩阵。在线性代数中，正定矩阵的性质类似复数中的正实数。正定矩阵定义可以是：设M是n阶方阵，如果对任何非零向量z，都有zTMz>0，其中zT表示z的转置，就称M为正定矩阵。终端102可以利用求得的正定矩阵对相应的电力参数进行调整，从而使得电力系统在收到干扰后恢复正常。
上述电力系统干扰控制方法中，通过监测电力系统中待处理的电力参数的运行数值，若监测到运行数值大于预设阈值，则获取电力参数对应的线性化处理后的模糊状态模型以及电力参数对应的状态反馈控制函数，并根据模糊状态模型获取全局模糊模型，利用模糊状态模型、状态反馈控制函数和全局模糊模型获取电力系统对应的目标H无穷控制函数，根据目标H无穷控制函数获取电力参数对应的判断矩阵，从而基于该判断矩阵的矩阵解调整运行数值，使得判断矩阵在预设范围内，控制电力系统恢复正常。相较于传统的电力系统稳定性控制技术，本方案通过在待处理的电力参数运行数值超过特定阈值时，利用基于H无穷控制的矩阵对电力参数进行控制，从而提高了电力系统的稳定性。
在一个实施例中，获取电力参数对应的线性化处理后的模糊状态模型，包括：根据转速，获取相对角度对应的第一数学模型；根据发电机的等值转动惯量、发电机的机械功率、发电机的电磁功率、发电机的等值阻尼系数、发电机的扰动功率幅值以及发电机的扰动功率频率，获取转速对应的第二数学模型；对第一数学模型以及第二数学模型进行线性化处理，得到模糊状态模型。
本实施例中，电力参数可以是上述电力系统中待处理的电力参数。终端102可以利用电力参数得到对应的模糊状态模型。例如，终端102可以首先获取电力参数对应的数学模型，其中数学模型中可以包括多个函数。上述待处理的电力参数可以包括发电机的q轴电势之间的相对角度δ(t)以及发电机的转速ω(t)。终端102可以利用上述转速，获取相对角度对应的第一数学模型；终端102还可以根据上述发电机的等值转动惯量、发电机的机械功率、发电机的电磁功率、发电机的等值阻尼系数、发电机的扰动功率幅值和发电机的扰动功率频率，得到上述转速对应的第二数学模型。终端102可以基于上述第一数学模型和第二数学模型，得到电力系统中待处理的电力参数对应的数学模型。
具体地，上述电力系统可以是简单互联电力系统。则上述简单互联电力系统的数学模型可以如下所示：
Figure BDA0003116779140000091
其中，
Figure BDA0003116779140000092
可以是第一数学模型，
Figure BDA0003116779140000101
可以是第二数学模型，上述ω(t)为发电机的转速，δ(t)为发电机的q轴电势之间的相对角度，Pm和Ps分别为发电机的机械功率和电磁功率；F为等值转动惯量；E为等值阻尼系数；Pe为扰动功率幅值；β为扰动功率频率。终端102可以设δ(t)、ω(t)为系统的状态变量。
终端102在得到上述数学模型后，可以对上述数学模型进行线性化处理，得到模糊状态模型。例如，终端102可以采用扇区法对简单互联电力系统二阶数学模型进行局部线性化，终端102对上述数学模型进行线性化后的方程为：
Figure BDA0003116779140000102
其中，
Figure BDA0003116779140000103
x(t)＝[x1(t)x2(t)]T,x1(t)＝δ(t),x2(t)＝ω(t)，
Figure BDA0003116779140000104
其中，以x1(t)为例，如图3所示，图3为一个实施例中线性化步骤函数的示意图。上述sinx1(t)的扇区图可以如图3所示，则终端102可以基于该图对上述z1(t)进行求解。终端102在对数学模型进行线性化后，还可以基于该线性化的模型建立模糊规则。例如，终端102可以基于上述线性化的数学模型构建模糊规则中的第一规则，第一规则为：当z1(t)＝1时，模糊状态方程为：
Figure BDA0003116779140000105
终端102还可以基于上述线性化的数学模型构建模糊规则中的第二规则，第二规则为：当z1(t)＝0时，模糊状态方程为：
Figure BDA0003116779140000106
其中，
Figure BDA0003116779140000107
上述Al、Bl和Bwl可以是具有适当维数的常值矩阵。需要说明的是，而依据模糊隶属度函数的性质可知：M1(z1(t))+M2(z1(t))＝1；则上述模糊规则对应的隶属度函数为：
Figure BDA0003116779140000111
终端102构建上述模糊规则后，可以基于模糊规则建立上述简单互联电力系统的模糊状态模型，模糊状态模型的表达式如下所示：
Figure BDA0003116779140000112
z(t)＝[C1x(t)+Dlw(t)]；其中，C1＝C2＝[0.2 0.1]，D1＝D2＝0.25。从而终端102可以基于上述模糊状态模型对电力系统进行控制。
通过本实施例，终端102可以利用上述电力系统中的各个参数，对电力系统的数学模型进行线性化，得到对应的模糊状态模型，从而基于模糊状态模型对电力系统的进行稳定性控制，提高了电力系统的稳定性。
在一个实施例中，根据模糊状态模型，获取电力系统对应的全局模糊模型，包括：根据模糊状态模型中的第一常值矩阵、模糊状态模型中的第二常值矩阵、模糊状态模型中的第三常值矩阵、模糊状态模型的第一输入值、模糊状态模型的第二输入值、发电机的励磁绕组电压以及电力参数对应的模糊隶属函数，获取全局模糊模型；第一常值矩阵基于所述电磁功率、等值转动惯量以及等值阻尼系数得到；第二常值矩阵以及第三常值矩阵基于预设数值得到；第一输入值基于电力参数得到；第二输入值基于等值转动惯量、扰动功率幅值以及扰动功率频率得到；模糊隶属函数基于电磁功率、等值转动惯量、电力参数以及预设模糊集得到。
本实施例中，模糊状态模型可以是基于电力系统中各个电力参数的数学模型进行线性化后得到的模型。终端102可以基于上述模糊状态模型中的各个变量得到全局模糊模型。例如，终端102可以基于上述模糊状态模型中的第一常值矩阵、模糊状态模型中的第二常值矩阵，模糊状态模型中的第三常值矩阵、模糊状态模型中的第一输入值、该模型中的第二输入值、发电机的励磁绕组电压以及电力参数对应的模糊隶属函数，获取上述全局模糊模型。其中，上述第一常值矩阵可以是Al，上述第二常值矩阵可以是Bl，上述第三常值矩阵可以是Bwl，上述第一输入值可以是x(t)，该第一输入值可以基于输入的电力参数确定，第二输入值可以是w(t)，由上述内容可知第二输入值基于等值转动惯量、扰动功率幅值以及扰动功率频率得到。
具体地，终端102可以对模糊状态模型采用单点模糊化、乘积推理和平均加权去模糊化得到上述全局模糊模型，上述全局模糊模型的表达式可以如下所示：
Figure BDA0003116779140000121
Figure BDA0003116779140000122
其中，
Figure BDA0003116779140000123
μl(z1(t))≥0，
Figure BDA0003116779140000124
αl(z1(t))＝Fg(z1(t))，αl(z1(t))≥0，
Figure BDA0003116779140000125
Fg(z1(t))表示Z1(t)关于模糊集Fg的模糊隶属函数。则由上述分析可知，上述模糊隶属函数为Fg(z1(t))，且该模糊隶属函数基于电磁功率、等值转动惯量、电力参数以及预设模糊集Fg得到。终端102可以基于上述全局模糊模型对上述电力系统进行控制。
通过本实施例，终端102可以利用模糊状态模型中各个变量得到全局观测器模糊模型，从而终端102可以利用该全局观测器模糊模型进行电力系统的稳定性控制，提高了电力系统的稳定性。
在一个实施例中，根据模糊状态模型、全局模糊模型以及状态反馈控制函数，获取电力系统对应的目标H无穷控制函数，包括：根据第一输入值、第二输入值、全局模糊模型中的第三输入值以及预设干扰参考值，分别将模糊状态模型、全局模糊模型以及状态反馈控制函数输入标准H无穷控制函数，得到目标H无穷控制函数。
本实施例中，终端102可以利用上述模糊状态模型、全局模糊模型和状态反馈控制函数，获取电力系统对应的目标H无穷控制函数。例如，终端102可以根据上述第一输入值x(t)，第二输入值w(t)，全局模糊模型中的第三输入值z(t)以及预设干扰参考值γ，分别将上述模糊状态模型、全局模糊模型和状态反馈控制函数输入标准形式的H无穷控制函数，从而得到上述目标H无穷控制函数。
具体地，终端102可以首先获取标准形式的H无穷控制函数，标准形式的H无穷控制函数可以如下所示：
Figure BDA0003116779140000131
其中，γ为上述预设干扰参考值，是常数，是外部干扰的抑制指标参考值。zT(t)可以是z(t)的转置，wT(t)表示w(t)的转置。终端102可以将上述模糊状态模型、全局模糊模型和状态控制反馈函数代入上述标准形式的H无穷控制函数中，得到目标H无穷控制函数。
通过本实施例，终端102可以利用模糊状态模型和全局模糊模型中各个变量以及上述状态反馈控制函数中的相应参数，得到目标H无穷控制函数，从而终端102可以利用目标H无穷控制函数对电力系统进行稳定性调节，提高了电力系统的稳定性。
在一个实施例中，根据目标H无穷控制函数，获取电力参数对应的判断矩阵，包括：根据目标H无穷控制函数中的第一常值矩阵、目标H无穷控制函数中的第二常值矩阵、目标H无穷控制函数中的第三常值矩阵、预设无量纲数、目标H无穷控制函数中的预设静态增益反馈矩阵、预设对称正定矩阵以及预设数量的单位矩阵，得到判断矩阵；预设静态增益反馈矩阵基于状态反馈控制函数得到。
本实施例中，终端102可以利用上述模糊状态函数、上述全局模糊模型和上述状态反馈控制函数得到上述目标H无穷控制函数，从而上述目标H无穷控制函数中可以包括上述第一常值矩阵Al，上述第二常值矩阵Bl，上述第三常值矩阵Bwl、预设无量纲数ρ、状态反馈控制函数中的预设静态增益反馈矩阵Kh、预设对称正定矩阵P和预设数量的单位矩阵。终端102可以根据上述目标H无穷控制函数中的各个变量，得到判断矩阵。例如，终端102可以将上述变量进行相加或相减形成组合，作为判断矩阵中的一项，并利用多个单位矩阵和基于常数形成的矩阵作为判断矩阵中的剩余项，形成上述判断矩阵。
终端102还可以对上述判断矩阵进行求解，在一个实施例中，获取判断矩阵对应的矩阵解，并根据矩阵解调整所述运行数值，包括：获取判断矩阵小于零时，预设对称正定矩阵的解；根据预设对称正定矩阵的解调整所述运行数值。本实施例中，上述判断矩阵中可以包括有对称正定矩阵，则终端102对上述判断矩阵求解，既是将对称正定矩阵进行求解。例如，终端102可以通过获得的状态反馈控制器，根据李雅普诺夫稳定性理论和模糊逻辑结合线性矩阵不等式技术，求得状态反馈控制器的存在条件，即优化控制方法，并求得一组正定对称矩阵解P，使上述判断矩阵成立。上述判断矩阵的表达式可以如下所示：
Figure BDA0003116779140000141
其中，Q＝P-1，Hh＝KhQ，l＝1,2，h＝1,2，K1、K2为对应模糊规则的1*2维控制增益矩阵，P为2*2维对称正定矩阵。终端102可以利用上述判断矩阵进行求解，得到对称正定矩阵P的解，并基于对称正定矩阵的解调整上述电力参数对应的运行数值，从而控制电力系统恢复正常。
通过上述实施例，终端102可以利用基于H无穷控制函数得到的判断矩阵的解对电力系统进行运行数值的调整，从而提高了电力系统的稳定性。
在一个实施例中，如图4所示，图4为另一个实施例中电力系统干扰控制方法的流程示意图。包括以下流程：终端102可以首先建立简单互联电力系统的二阶数学模型，即上述电力系统的二阶数学模型；将简单互联电力系统的二阶数学模型进行线性化；并构建简单互联电力系统的模糊规则，利用模糊规则建立简单互联电力系统的模糊状态模型，以及采用单点模糊化、乘积推理和平均加权去模糊化得简单互联电力系统的全局模糊模型；终端102可以构建简单互联电力系统的状态反馈控制器，并定义简单互联电力系统的事件触发条件，当触发条件发生时，例如相应电力参数的运行数值超过预设阈值，则终端102可以利用上述各个模型，采用H∞优化进行简单互联电力系统的干扰优化设计，利用李雅普诺夫稳定性理论和模糊逻辑结合线性矩阵不等式技术，求得状态反馈控制器的存在条件，即求得线性矩阵不等式的解，利用该解调整电力系统中电力参数的运行数值，使得电力系统在受到干扰时可以恢复正常。
以下以简单互联电力系统来进行实验，其中选取的主要技术性能指标和设备参数为：F＝100，Ps＝100，E＝2，Pm＝20，β＝1，γ＝0.75。则终端102可以利用上述参数得到上述第一常值矩阵的A1、第二常值矩阵的B1和第三常值矩阵的Bw1分别为：
Figure BDA0003116779140000151
上述第一常值矩阵的A2、第二常值矩阵的B2和第三常值矩阵的Bw2分别为：
Figure BDA0003116779140000152
则终端102可以利用上述参数，得到状态反馈控制函数中，Kh对应模糊规则的1*2维控制静态增益反馈矩阵为：K1＝[-0.9490 -1.6141]，K2＝[-1.4980 -1.6141]；终端102可以利用上述参数和数据，根据上述判断矩阵得到作为矩阵解的对称正定矩阵为：
Figure BDA0003116779140000153
终端102可以利用该对称正定矩阵对上述电力参数的运行数值进行调整，从而恢复电力系统的稳定。
其中，终端102可以设定上述简单互联电力系统的初始条件为x0＝[0.09 0.09]T；x1(t)和x2(t)分别是等值发电机q轴电势之间相对角度和发电机转速，如图5所示，图5为一个实施例中电力系统状态响应的示意图。电力系统在受到干扰后，经过上述的H无穷控制过程，x1(t)对应的状态响应曲线402和x2(t)对应的状态响应曲线404都在2s后基本恢复稳定；如图6所示，图6为一个实施例中电力系统的控制输入的示意图。电力系统受到干扰后，经过上述电力系统干扰控制流程，电力系统的控制输入在2s后就恢复稳定；如图7所示，图7为个一个实施例中电力系统优化输出响应的示意图。电力系统受到干扰后，经过上述电力系统干扰控制流程，电力系统的优化输出响应在2s后基本恢复稳定。上述电力系统干扰控制过程消除了80-90％的扰动，在电力系统受到干扰后，运行4s后，电力系统中各个参数可以达到原始状态，证明了系统具有较快的恢复能力和较强的抗干扰能力。且如图8所示，图8为一个实施例中电力系统事件触发信号的示意图。由图8可知，当终端102检测到电力系统中电力参数的实际运行数值超过预设阈值时，终端102会自动调节，从而进行有效控制。
通过上述实施例，终端102通过利用基于H∞控制函数的矩阵对电力参数进行控制，从而提高了电力系统的稳定性。
应该理解的是，虽然图2及图4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2及图4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图9所示，提供了一种电力系统干扰控制装置，包括：监测模块500、第一获取模块502、第二获取模块504和控制模块506，其中：
监测模块500，用于监测电力系统中待处理的电力参数的运行数值，若运行数值大于预设阈值，获取电力参数对应的线性化处理后的模糊状态模型以及电力参数对应的状态反馈控制函数；根据模糊状态模型，获取电力系统对应的全局模糊模型。
第一获取模块502，用于根据模糊状态模型、全局模糊模型以及状态反馈控制函数，获取电力系统对应的目标H无穷控制函数。
第二获取模块504，用于根据目标H无穷控制函数，获取电力参数对应的判断矩阵。
控制模块506，用于获取判断矩阵对应的矩阵解，并根据矩阵解调整运行数值，以使判断矩阵在预设数值范围内，控制电力系统恢复正常。
在一个实施例中，上述监测模块500，具体用于监测电力系统中发电机的轴电势间的相对角度以及发电机的转速。
在一个实施例中，上述监测模块500，具体用于根据电力系统中发电机的励磁绕组电压、预设静态增益反馈矩阵以及电力参数，获取状态反馈控制函数。
在一个实施例中，上述监测模块500，具体用于根据转速，获取相对角度对应的第一数学模型；根据发电机的等值转动惯量、发电机的机械功率、发电机的电磁功率、发电机的等值阻尼系数、发电机的扰动功率幅值以及发电机的扰动功率频率，获取转速对应的第二数学模型；对第一数学模型以及第二数学模型进行线性化处理，得到模糊状态模型。
在一个实施例中，上述监测模块500，具体用于根据模糊状态模型中的第一常值矩阵、模糊状态模型中的第二常值矩阵、模糊状态模型中的第三常值矩阵、模糊状态模型的第一输入值、模糊状态模型的第二输入值、发电机的励磁绕组电压以及电力参数对应的模糊隶属函数，获取全局模糊模型；第一常值矩阵基于所述电磁功率、等值转动惯量以及等值阻尼系数得到；第二常值矩阵以及第三常值矩阵基于预设数值得到；第一输入值基于电力参数得到；第二输入值基于等值转动惯量、扰动功率幅值以及扰动功率频率得到；模糊隶属函数基于电磁功率、等值转动惯量、电力参数以及预设模糊集得到。
在一个实施例中，上述第一获取模块502，具体用于根据第一输入值、第二输入值、全局模糊模型中的第三输入值以及预设干扰参考值，分别将模糊状态模型、全局模糊模型以及状态反馈控制函数输入标准H无穷控制函数，得到目标H无穷控制函数。
在一个实施例中，上述第二获取模块504，具体用于根据目标H无穷控制函数中的第一常值矩阵、目标H无穷控制函数中的第二常值矩阵、目标H无穷控制函数中的第三常值矩阵、预设无量纲数、目标H无穷控制函数中的预设静态增益反馈矩阵、预设对称正定矩阵以及预设数量的单位矩阵，得到判断矩阵；预设静态增益反馈矩阵基于状态反馈控制函数得到。
在一个实施例中，上述控制模块506，具体用于获取判断矩阵小于零时，预设对称正定矩阵的解；根据预设对称正定矩阵的解调整所述运行数值。
关于电力系统干扰控制装置的具体限定可以参见上文中对于电力系统干扰控制方法的限定，在此不再赘述。上述电力系统干扰控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电力系统干扰控制方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述的电力系统干扰控制方法。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的电力系统干扰控制方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种电力系统干扰控制方法，其特征在于，所述方法包括：
监测电力系统中待处理的电力参数的运行数值，若所述运行数值大于预设阈值，获取所述电力参数对应的线性化处理后的模糊状态模型以及所述电力参数对应的状态反馈控制函数；根据所述模糊状态模型，获取所述电力系统对应的全局模糊模型；
根据所述模糊状态模型、所述全局模糊模型以及所述状态反馈控制函数，获取所述电力系统对应的目标H无穷控制函数；
根据所述目标H无穷控制函数，获取所述电力参数对应的判断矩阵；
获取所述判断矩阵对应的矩阵解，并根据所述矩阵解调整所述运行数值，以使所述判断矩阵在预设数值范围内，控制所述电力系统恢复正常。
2.根据权利要求1所述的方法，其特征在于，所述监测电力系统中待处理的电力参数的运行数值，包括：
监测所述电力系统中发电机的轴电势间的相对角度以及所述发电机的转速。
3.根据权利要求2所述的方法，其特征在于，所述获取所述电力参数对应的线性化处理后的模糊状态模型，包括：
根据所述转速，获取所述相对角度对应的第一数学模型；
根据所述发电机的等值转动惯量、所述发电机的机械功率、所述发电机的电磁功率、所述发电机的等值阻尼系数、所述发电机的扰动功率幅值以及所述发电机的扰动功率频率，获取所述转速对应的第二数学模型；
对所述第一数学模型以及所述第二数学模型进行线性化处理，得到所述模糊状态模型。
4.根据权利要求1所述的方法，其特征在于，所述获取所述电力参数对应的状态反馈控制函数，包括：
根据所述电力系统中发电机的励磁绕组电压、预设静态增益反馈矩阵以及所述电力参数，获取所述状态反馈控制函数。
5.根据权利要求3所述的方法，其特征在于，所述根据所述模糊状态模型，获取所述电力系统对应的全局模糊模型，包括：
根据所述模糊状态模型中的第一常值矩阵、所述模糊状态模型中的第二常值矩阵、所述模糊状态模型中的第三常值矩阵、所述模糊状态模型的第一输入值、所述模糊状态模型的第二输入值、所述发电机的励磁绕组电压以及所述电力参数对应的模糊隶属函数，获取所述全局模糊模型；所述第一常值矩阵基于所述电磁功率、所述等值转动惯量以及所述等值阻尼系数得到；所述第二常值矩阵以及所述第三常值矩阵基于预设数值得到；所述第一输入值基于所述电力参数得到；所述第二输入值基于所述等值转动惯量、所述扰动功率幅值以及所述扰动功率频率得到；所述模糊隶属函数基于所述电磁功率、所述等值转动惯量、所述电力参数以及预设模糊集得到。
6.根据权利要求5所述的方法，其特征在于，所述根据所述模糊状态模型、所述全局模糊模型以及所述状态反馈控制函数，获取所述电力系统对应的目标H无穷控制函数，包括：
根据所述第一输入值、所述第二输入值、所述全局模糊模型中的第三输入值以及预设干扰参考值，分别将所述模糊状态模型、所述全局模糊模型以及所述状态反馈控制函数输入标准H无穷控制函数，得到所述目标H无穷控制函数。
7.根据权利要求5所述的方法，其特征在于，所述根据所述目标H无穷控制函数，获取所述电力参数对应的判断矩阵，包括：
根据所述目标H无穷控制函数中的第一常值矩阵、所述目标H无穷控制函数中的第二常值矩阵、所述目标H无穷控制函数中的第三常值矩阵、预设无量纲数、所述目标H无穷控制函数中的预设静态增益反馈矩阵、预设对称正定矩阵以及预设数量的单位矩阵，得到所述判断矩阵；所述预设静态增益反馈矩阵基于所述状态反馈控制函数得到；
和/或
所述获取所述判断矩阵对应的矩阵解，并根据所述矩阵解调整所述运行数值，包括：
获取所述判断矩阵小于零时，所述预设对称正定矩阵的解；
根据所述预设对称正定矩阵的解调整所述运行数值。
8.一种电力系统干扰控制装置，其特征在于，所述装置包括：
监测模块，用于监测电力系统中待处理的电力参数的运行数值，若所述运行数值大于预设阈值，获取所述电力参数对应的线性化处理后的模糊状态模型以及所述电力参数对应的状态反馈控制函数；根据所述模糊状态模型，获取所述电力系统对应的全局模糊模型；
第一获取模块，用于根据所述模糊状态模型、所述全局模糊模型以及所述状态反馈控制函数，获取所述电力系统对应的目标H无穷控制函数；
第二获取模块，用于根据所述目标H无穷控制函数，获取所述电力参数对应的判断矩阵；
控制模块，用于获取所述判断矩阵对应的矩阵解，并根据所述矩阵解调整所述运行数值，以使所述判断矩阵在预设数值范围内，控制所述电力系统恢复正常。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202110665779.9A 2021-06-16 2021-06-16 电力系统干扰控制方法、装置、计算机设备和存储介质 Pending CN113435020A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110665779.9A CN113435020A (zh) 2021-06-16 2021-06-16 电力系统干扰控制方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110665779.9A CN113435020A (zh) 2021-06-16 2021-06-16 电力系统干扰控制方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN113435020A true CN113435020A (zh) 2021-09-24

Family

ID=77756094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110665779.9A Pending CN113435020A (zh) 2021-06-16 2021-06-16 电力系统干扰控制方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN113435020A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111884217A (zh) * 2020-07-30 2020-11-03 海南电网有限责任公司海口供电局 一种基于t-s模型的单机无穷大电力系统优化控制方法
US20210131767A1 (en) * 2019-10-30 2021-05-06 Viettel Group System Optimizing Control Coefficients Of Flight Object Under Complex Environmental Effects Using Hybrid Fuzzy Logic And Pid Variant Controller

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210131767A1 (en) * 2019-10-30 2021-05-06 Viettel Group System Optimizing Control Coefficients Of Flight Object Under Complex Environmental Effects Using Hybrid Fuzzy Logic And Pid Variant Controller
CN111884217A (zh) * 2020-07-30 2020-11-03 海南电网有限责任公司海口供电局 一种基于t-s模型的单机无穷大电力系统优化控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
陈华昊 等: "基于事件触发的电力系统H∞优化控制", 《电力勘测设计》 *
陈华昊等: "基于T-S模糊模型的简单互联电力系统事件触发控制", 《中国水能及电气化》 *

Similar Documents

Publication Publication Date Title
Soliman et al. Hybrid ANFIS‐GA‐based control scheme for performance enhancement of a grid‐connected wind generator
Mi et al. Sliding mode load frequency control for multi‐area time‐delay power system with wind power integration
Elsisi New design of adaptive model predictive control for energy conversion system with wind torque effect
Kassem et al. Reactive power control for voltage stability of standalone hybrid wind–diesel power system based on functional model predictive control
Hwang et al. Disturbance observer‐based integral fuzzy sliding‐mode control and its application to wind turbine system
Chowdhury et al. Transient stability of power system integrated with doubly fed induction generator wind farms
Asghar Performance comparison of wind turbine based doubly fed induction generator system using fault tolerant fractional and integer order controllers
Darabian et al. Improving power system stability in the presence of wind farms using STATCOM and predictive control strategy
Abouheaf et al. Model‐free adaptive learning control scheme for wind turbines with doubly fed induction generators
Zhao et al. Deep learning based model-free robust load restoration to enhance bulk system resilience with wind power penetration
CN107240921A (zh) 基于积分自适应逆推的svc滑模控制方法
Hou et al. Cluster computing-based trajectory sensitivity analysis application to the WECC system
Mohamed et al. Robust sliding‐mode observers for large‐scale systems with application to a multimachine power system
Yang et al. Inertia‐adaptive model predictive control‐based load frequency control for interconnected power systems with wind power
Shotorbani et al. Direct Lyapunov theory‐based method for power oscillation damping by robust finite‐time control of unified power flow controller
Fan et al. Transient stability enhancement control of power systems with time‐varying constraints
Torelli et al. A novel optimal power flow formulation based on the Lyapunov theory
Toulabi et al. Optimal robust first‐order frequency controller design for DFIG‐based wind farm utilising 16‐plant theorem
Paital et al. An adaptive fractional fuzzy sliding mode controlled PSS for transient stability improvement under different system uncertainties
Asadi et al. Data-driven automatic generation control of interconnected power grids subject to deception attacks
Therattil et al. Hybrid control of a multi‐area multi‐machine power system with FACTS devices using non‐linear modelling
Mukherjee et al. Modeling and quantifying the impact of wind penetration on slow coherency of power systems
Ge et al. Frequency coordinated control strategy based on sliding mode method for a microgrid with hybrid energy storage system
Shamisa et al. Model free graphical index for transient stability limit based on on‐line single machine equivalent system identification
Goldoost‐Soloot et al. Wide‐area damping control for inter‐area oscillations using inverse filtering technique

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210924