电力系统控制的发展趋势

2005310260 张树卿 zsqr998@sohu.com

0引言

现今电网互连，其带来显著经济效益和社会效益的同时，庞大的规模与复杂的运行特性给电力运行部门提出了巨大的挑战——如何发展、利用新的技术、方法，有效地

对大系统进行控制，保证全国电网的稳定运

行、提高系统的稳定水平与供电质量。 电力部门对提高电力系统的安全稳定性

做了大量工作，如：加强电力系统规划和运行管理，制定和健全有关规范、标准（如制定《电力系统安全稳定导则》）； 加强电网建设，改善电网结构； 改进继电保护装置

的性能和设置，提高切除故障的速度和可靠性； 加强电网安全稳定分析，积极推进安

全稳定控制技术的开发和应用[2]，可见控制对电力系统能够安全稳定运行起着至关重要的作用。

提到“电力系统控制”，这只是一个泛泛

的概念，控制在电力系统中几乎无所不在：发电机组、锅炉、燃气轮机、给水系统等等，但无论何种形式的控制、采用什么样的控制方法、控制的对象是什么，控制的目的都是使整个系统安全稳定的运作，本文所讲的控制，是一个宽泛的概念，并不涉及电力系统

中某项具体的控制措施。

电力系统规模在不断发展，科学技术、

控制方法同样也在发展。诸如新型电力电子技术、新型储能技术、广域测量技术和广域测量系统以及人工神经网络、模糊控制、专家系统、综合智能控制等控制方法与技术的完善与逐步应用或其应用潜力为改进、提高现今电力系统控制提供了基础与有利条件。 本文首先简单回顾现今电力系统控制，

包括其理论、方法、实现手段，并对各种控

制作简单的评测；接着总结未来电力系统控制的要求、需要解决的问题，进而讨论电力系统控制的发展趋势，总结提出几种应运而生的新的控制方法。 1.现今电力系统控制

1.1鲁棒控制

H∞鲁棒控制原理可简单归纳如下。 对一个线性系统 XAXBUPW,XRn,URmeCXQW,WRr,eR1 设在W0时系统是稳定的，且

Z[e,u]T。传递函数矩阵Tzw(s)的H∞范数

为 TsupsupTzw(f(t))W0zw 0w0RrW0W[w01,w02,...,wT0r,]为各次干扰谐波

的幅值向量。如果有一控制策略U*

使

HZZW,0为一足够小的正

数，则称U*

是H∞的最优控制。

对仿射非线性系统 Xf(X)g1(X)Wg2(X)UZh(X)K(X)U XRn,URm,WRr寻求一个控制U*

使得在X0闭环系

统是渐进稳定的，同时使上述系统以W为输入，罚函数向量Z为输出的系统满足下列不等式 T(Z(t)22W(t)2)dt0 0则该系统即称为非线性H∞控制系统或非线性鲁棒控制系统。可以看出上述积分体现了系统的输入对输出的影响限制在一个“满意程度”内。

H ∞鲁棒控制不仅具有处理多变量问题的能力，而且与线性二次高斯最优控制不

同，它可解决具有建模误差，参数不确定和干扰未知系统的控制问题，并直接解决鲁棒控制问题。H ∞算法具有较好的直观性及严格的数学基础。此外，H ∞控制经较简单的运算便可使系统具有良好的性能。在H ∞控制的应用上，目前主要还是线性系统及仿射非线性系统。应当指出，好的鲁棒控制应能对结构方面的问题作出考虑，但H ∞控制方法不能顾及信息类型，为此许多学者在H ∞鲁棒控制中引入L综合及自适应控制对H ∞控制进行修正并取得了较好的结果。

在进行电力系统H ∞鲁棒控制设计时，如何采用系统化的方法来对权函数进行选择而又不过于复杂是一个亟待解决的问题，对一般非线性系统的H ∞控制尚需进一步的研究。[3]

1.2线性最优控制

最优控制是现代控制理论的一个重要组成部分，也是将最优化理论用于控制问题的一种体现。线性最优控制是目前诸多现代控制理论中应用最多，最成熟的一个分支。

对一般线性最优控制系统可有如下提法，控制系统

X(t)A(t)X(t)B(t)U(t)XRn,URr

A(t)Rnn，B(t)Rnr

性能指标

JK[X(tf),u(t),t]dt

tf,X(tf)分别为终端时间、终端状态。 目标集[X(tf),tf]0。

由此最优控制问题可表述为：求一允许控制U(t)使系统由初始状态X(t0)出发在时间间隔[t0t,f]内，到达目标集[X(tf),tf]0，

并使性能指标J 为最小。对线性最优控制求解问题主要有变分法和

最大值原理两种方法。如果性能指标采用二次型性能指标

J12(XTQXUTRU)dt （其中R、Q 分别为状态量与控制量的权阵） ，则线性

最优控制系统的设计转化为从黎卡提方程，

ATPPAPBR1BTPQ0中解出P

阵

从

而

得

到

最

优

控

制

U*R1BT(t)P(t)X(t)的问题。对二次

性能指标如何选择权阵R、Q 是较困难的一项工作，如选择不同的R、Q ，那么其最优控制则是针对由该R、Q所确定的性能指标而言的。因此，如何恰当地选择权阵R、Q是线性最优控制设计中需注意的问题。

自余耀南在1970 年提出将最优控制理论应用到电力系统中以来，在电力系统各个控制方面展开不少研究工作，电力系统线性最优控制器目前已在电力生产中获得了广泛的应用，发挥着重要的作用。但应当指出，由于这种控制器是针对电力系统的局部线性化模型来设计的，在强非线性的电力系统中对大干扰的控制效果不理想。可以相信，随着非线性最优控制理论的发展，这一缺点将得到克服。[3]

1.3变结构控制

如何对电力系统这一非线性大系统实现有效的降阶处理，如何在系统参数不精确可知的情况下使所设计的控制器具有简单的算法和较强的鲁棒性以及良好的动态品质，是电力系统研究者关注的一个焦点。变结构控制理论在解决上述问题方面具有许多独特的优点，而为电力系统提供了一种可资参考的控制方法，并在电力系统很多方面取得了成果。

从控制的目的来看，变结构控制主要是解决系统的镇定问题，即寻求控制使原点渐近稳定，而许多课题都可以通过一定的变换使之成为这类调节器设计问题。变结构控制是利用高速开关，将系统的相轨迹引导到一个由设计者所选择的可到达的曲面S（x）=0上，这一曲面位于状态空间之中被称为

切换面或滑动面，只要满足SS<0这一条件，便称超曲面S（x）=0是可到达的。为了加快到达这一超曲面的速度还可设置趋近律。在S>0和S<0时采用不同的控制律u(t)和

u(t)，轨线只要到达该曲面便由等效控制

Ueq。来对轨线实施控制，使系统沿着切换

面被驱至所期待的状态上。系统在切换面上的运动即滑模运动只取决于被控对象及所选择的切换面。

由于变结构控制的设计思想是利用“开关’，变更控制律，因而具有不断改变系统结构的特征，其出发点不是基于线性系统，而是针对含有非线性系统在内的一般系统。故此它可被用来处理非线性问题。变结构控制具有对滑模摄动的不变性。

当系统到达切换面时，全部滑动模态均位于S （x）= 0的子空间中，在一定的条件下，不论是系统受到干扰还是参数摄动均对滑模运动无影响。在进行不确定系统的变结构控制时通常有三种方法可供选择，一是以滑动模态为目的的变结构控制；二是以李亚普诺夫方法为基础的变结构控制；三是以超稳定理论为基础的变结构控制。另外，变结构控制理论提供了一套完整的大系统降阶处理方法，它将大的系统分为若干小系统，各小系统的切换面只取局部小系统的状态变量，进而实现局部分散、分散和多层控制。

在变结构控制设计中合理地选择切换面S（x）是极为重要的，这直接影响到滑模运动的动态性能。在实用中，切面的选择尤其是对非线性系统仍有不少困难，如何通过较简单的计算学则切换面，且保证切换面滑动运动存在且动态性能最优是极为重要的问题。

此外，电力系统由于其自身的特点，在使用变结构方法时也遇到一些需解决的问题。如开关过程的延迟，磁滞现象均可能引起高频振颤，而这些振颤又对某些未建模部分起到激励作用，给稳定性构成一定的威胁。

1.4其它控制方法

文献[4]对现今应用与电力系统的各种控制作了总结，除了以上应用最广泛的控制方法外，基于电力系统线性模型的控制还有极点配置、线性二次高斯方法等；基于电力系统非线性模型的控制主要还有李雅普诺夫直接法、递推方法、反馈线性化与鲁棒控制方法相结合等。

2电力系统控制未来要求与挑战

未来各个领域中，在许多未知情况存在的情形下，高性能、强相关、可调操作的系统，它们的共同特点是，系统级的要求远远超出对单独某个部件稳定性的要求，这恰恰是控制发挥作用所在。

要了解控制在新兴的应用中的潜力，新的方法与理论必须有所发展，控制所要达到的要求与面临的挑战，下面总结了若干。[5]

包含符号和连续动态的系统控制。下一代的系统将逻辑操作（如符号推理与决策）与连续物理量（如电压、位置和浓度）结合起来。

网络环境下异步分布控制。

高度协调和自动化。反馈越来越多地被设计在大规模的决策系统中。近几十年来分析和系统鲁棒控制设计的发展前进必须延伸到更高级别的决策系统中。

集成校验与验证的自动合成控制算法。未来工程系统将要求快速设计、重新设计和应用控制软件，研究人员需要开发更多的有力的设计工具，能够从模型开发到硬件循环仿真，包括系统及软件校验和验证整个过程自动化。

大多数大型的工程系统必须在单独的部件失效的情况下仍然能够继续运行，这就要求设计能够允许系统自动调整，使得系统运行状态逐渐减弱过度而不是崩溃。

上面几点是工程对未来控制的要求，也是未来控制面临的挑战。不难发现，以上几点恰恰也是电力系统对控制的要求。

具体说来，电力系统控制需要解决的难题有：暂态功角失稳、小扰动功角失稳、频率失稳、短期电压失稳、长期电压不稳、线路机组切除等。[7]

现今，今后的趋势也是如此，跨大区联网的逐步实现，使得电力系统的规模越来越大，不同地区的资源通过电网互联得以合理有效的利用，发电各方通过互联电网相互合作又相互竞争，传统的发输配电统一集中管理和运行的机制开始向发输配电分别作为独立实体而参与竞争的电力市场运行机制转化，未来的电力系统是一个基于信息互换而协调的分散决策系统。

一些发达国家由于环境条件的压力，架设新线路受到越来越严格的限制，加上经济上的压力使得电力系统运行越来越接近其临界值，互联系统振荡、暂态稳定和电压稳定问题越来越突出。我国电力系统覆盖面积大，负荷密度小，电源往往远离负荷中心，网架结构薄弱，因而稳定水平较低。所有这些都对系统稳定控制提出了高要求。

电力市场运行机制下，不同的发电公司，包括独立电能生产者，在发电侧实行竞争，输电系统与发电分离，独立经营管理，为发电公司和用户提供转送电能的服务，用户侧也可以作为独立实体参加价格控制，这样一个开放和鼓励竞争的运行环境增加了运行规划的不确定性，使电力系统运行复杂化，运行方式快速多变。

近年来，电力电子技术、计算机技术、通信技术也得到了快速发展，新的快速控制装置不断在电力系统中得到应用，为复杂快速多变的电力系统运行问题提供了解决方法，有代表性的如FACTS及基于GPS 的系统同步测量技术，都可望使分析和控制以前所未有的规模和速度进行。

3电力系统控制发展趋势

3.1电力系统控制中心的发展趋势 现代电力系统控制中心是基于分布式的开放式结构，将EMS/SCADA/DMS 和MIS 系统有机地集成为一体。Internet和Intranet 的使用正快速渗透到电力系统运行领域，为软件技术的集成提供了好的环境，成为决定EMS系统设计的因素之一。跨平台的计算机高级语言，控制中心间的标准通信模式和电力系统分散化运行的软件体系结构将逐步导致共享数据库的集成系统。

在灵活多变的电力市场运行机制下，结合基于GPS 的远方功角测量而进行的状态估计是一个重要课题。包含暂稳、中长期动态稳定和电压稳定的动态安全评估应成为EM系统的标准功能，带有自学习功能的在线动态安全分析是发展方向。[6]

现今在实际工程中，GPS技术以及相量测量技术已有很大的发展，在这方面已经积累了较为丰富的研究与工程实践经验，以相角测量单元（PMU）为基础，国内、国外许多电网中都已有广域测量系统（WAMS）系统投运。我国电网检测已经从SCADA /EMS为代表的稳态秒级监测跨越到了以PMU/WAMS为核心的动态毫秒级监测的新阶段。正如文献[7]所述，WAMS是SCADA/EMS系统的升级提高，这些提高主要瞄向两个关键的领域：信息时效和信息解释。很简单，如果操作员、调度员在手边就有关键的信息，并且拥有分析的便利，那么他就能更有效地对电网进行控制、操作。

3.2综合智能控制

现今、模糊控制、人工神经网络专家系统等已有较大的发展，并在电力系统得到了一定的应用。实际上，这些理论很早就提出并在电力系统有了初步应用，如在线汽轮发电机诊断专家系统、智能报警处理系统（自1990年底，该系统在Public Utilities Board，Singapor运作）[8]等。这些新方法的优点及其潜力是明显的，然而它们因有上为克服的不足而没有得到广泛的应用。以下先分别对它们进行简单地总结，接着在此基础上讨论综合智能控制。

3.2.1专家系统

专家系统具有这样的能力，基于大量知识和经验来解决问题提供专家建议或技术。它是一个智能计算机程序，通过知识积累和交互解决只有专家才能解决的足够难的问题。[10]

专家系统在电力系统中的应用范围很广，包括对电力系统处于警告状态或紧急状态的辨识，提供紧急处理，系统恢复控制，非常慢的状态转换分析，切负荷，系统规划，电压无功控制，故障点的隔离，配电系统自

动化，调度员培训，电力系统的短期负荷预报，静态与动态安全分析，以及先进的人机接口等方面，并且专家系统在电力系统中应用取得了较好的效果。

虽然专家系统在电力系统中得到了广泛的应用，但仍存在一定的局限性，如难以模仿电力专家的创造性； 只采用了浅层知识而缺乏功能理解的深层适应； 缺乏有效的学习机构，对付新情况的能力有限； 知识库的验证困难； 对复杂的问题缺少好的分析和组织工具等。因此，在开发专家系统方面应注意专家系统的代价、效益分析方法问题，专家系统软件的有效性和试验问题，知识获取问题，专家系统与其他常规计算工具相结合等问题。[9]

3.2.2模糊逻辑控制

模糊逻辑是一组基于成员函数，用于对信息进行模型化的数学原则，模糊逻辑可以最小化人们通过推理解决问题的过程。模糊逻辑允许通过不准确的输入得到准确的判定，模糊逻辑可以逐渐改变幅度而不像传统数字逻辑。[10]

模糊技术适于处理一些不确定性问题，宜于实现知识的抽取和表达，但它也存在着自学习能力差，模糊建模困难等不足。其中较有前途的解决办法是将模糊控制与其它控制手段结合起来。随着对模糊集理论研究的进一步深入，相信一些不成熟的方面会得到完善，一些研究成果会逐步实用化。[9]

3.2.3人工神经网络

神经网络拥有学习复杂非线性功能映射的能力，提供了建模和控制的框架。人工神经网络将解决方案尚未明确的问题解决，是分析系统。[10]

神经网络在电力系统中的应用还是十分初步的，有很多具有特色的神经网络模型结构与算法在电力系统中还没有得到应用，随着对ANN 理论的进一步研究，今后其在电力系统中的应用前景是十分广阔的。[9]

3.2.4综合智能控制

上面介绍的各种控制手段并非都十分完善，而有着各自的长处与不足。每种控制方法虽然能在某些方面某种程度上提高控制系统的性能，但往往会在控制设计或控制过程中有一些难以解决的问题。如何将这些控

制方法结合起来形成一种综合的智能控制，使综合的智能控制系统能够体现出各种控制方法的优势而尽量避免各自的不足，目前已成为研究人员所关注的问题。综合智能控制一方面包含了智能控制与现代控制方法的结合，如模糊变结构控制，自适应或自组织模糊控制，自适应神经网络控制，神经网络变结构控制等。另一方面包含了各种智能控制方法之间的交叉结合，如专家模糊控制，模糊神经网络控制，专家神经网络控制等。对电力系统这样一个复杂的大系统来讲，综合智能控制更有巨大的应用潜力。现在在电力系统中研究得较多的有神经网络与专家系统的结合，专家系统与模糊控制的结合，神经网络与模糊控制的结合，神经网络、模糊控制与自适应控制的结合等方面。

模糊控制与神经网络控制都是典型的智能控制方法，虽然二者在概念、内涵上有着明显的不同，但由于二者之间的互补性，因而将二者结合起来成为目前综合智能控制的一个研究热点。它们的相似之处在于都侧重于处理实际中由不确定性、不精确性引起的系统控制问题，而差别在于神经网络对于知识的抽取和表达比较困难，而模糊信息处理方法却擅于模仿人的经验处理一些不确定信息； 另一方面，模糊系统很难从样本中直接学习规则，且在模糊推理中会增加模糊性，神经网络却有较强的学习能力，而可以利用联想记忆而降低模糊性。神经网络适合于处理非结构化信息，而模糊系统对处理结构化的知识更有效。因此，模糊逻辑和人工神经网络的结合有良好的技术基础。这两种技术从不同角度服务于智能系统，人工神经网络主要应用在低层的计算方法上，模糊逻辑则用以处理非统计性的不确定性问题，是高层次（语义层或语言层） 的推理，这两种技术正好起互补作用。神经网络把感知器送来的大量数据进行安排和解释，而模糊逻辑则提供应用和挖掘潜力的框架。因此将二者结合起来的研究成果较多。

文献[9]还列举了综合智能系统在国内的初步应用，总的来说，综合智能控制应用于电力系统的研究才刚刚起步，随着人们对

各种智能控制理论研究的进一步深入，它们之间的联系也会更加紧密，相信利用各自优势而组成的综合智能控制系统会对电力系统起到更加重要的作用。

4总结

随着电力系统的不断发展，大区电网互联，电网规模增大，系统更为复杂，运行难度也不断加大，新的技术手段、新的控制方法、控制理论也应运而生。通过诸多文献的总结分析，已有的先进技术（如计算机网络通信、GPS技术等），为电力系统控制提供了更多的有利条件，新的控制理论，将完善、改进电力系统控制，电力系统控制将朝着综合智能的方向发展，全网控制将更加协调一致，系统运行将更加安全、稳定。

参考文献： [1]陈淮金，陈星莺.条状电力系统阻尼特性分析及控制措施的研究.中国电机工程学报，1996，6（4）

[2] 电力部电力系统安全稳定控制调查组.电力系统安全稳定控制开发应用调查综述.电力系统自动化，1998，22（9）：5-8

[3] 吴捷，刘永强，陈巍.现代控制技术在电力系统控制中的应用（一）.中国电机工程学报，1998，18（6）：377-382

[4] 李文磊，井元伟，王明顺，刘晓平.电力系统稳定控制综述.控制与决策，2002，17（6）：833-838

[5]Richard M. Murray，Karl J. Astrom，Stephen P. Boyd，Roger W. Brockett，and Gunter Stein. Future Directions in Control in an Information-Rich World. IEEE Control Systems Magazine，April 2003：20-33

[6] 方勇杰，薛禹胜.现代电力系统控制的发展趋势——1997 年IFAC/C IGRE电力系统及发电厂控制会议评述.电力系统自动化，1997，21（10）：1-3

[7]Joachim Bertsch，Cedric Carnal，Daniel Karlsson，John Mcdaniel and Khoi Vu. Wide-Area Protection and Power System Utilization. Proceedings of The IEEE，2005，

93（5）：997-1003

[8] Kit Po Wong. Artificial Intelligence and Neural Network Applications in Power Systems. IEE 2nd International Conference on Advances in Power System Control，Operation and Management，December 1993，Hong Kong.

[9] 吴捷，刘永强，陈巍.现代控制技术在电力系统控制中的应用（二）.中国电机工程学报，1998，18（6）：383-387

[10] Deepak L. Waikar and Fazlur

Rahman. Assessment of Artificial Intelligence Techniques for Power System Protection. IEEE Catalogue No： 98EX137，1998