【摘 要】 從應用角度出發，嘗試將模糊神經網絡控制原理應用在中壓無功補償控制中，通過網絡的學習和記憶功能來調節模糊控制的自適應性和魯棒性，從而來克服SVG系統中存在的電容器反復投切所引起的電網信號的波動，減少投切諧波，提高控制精度。同時也控制電壓分接頭的投切次數，來保護分接頭開關，延長開關的使用壽命，減少系統的維修成本。針對電力系統無功補償的特點，確定了模糊控制的輸入輸出隸屬度函數和控制規則，并引入BP網絡來調節隸屬度函數和控制規則，對電壓和無功的雙重控制，達到對電壓和無功補償的目的，從而提供更高質量的電能。并進行實驗仿真，將實驗數據與理論數據進行比較，證明模糊控制理論在無功補償控制中的應用是可行可靠的。 關鍵詞 無功補償 功率因數 模糊神經網絡控制 1 引言 隨著世界能源問題的日趨嚴重化，減小電力系統的無功損耗是電網充分節約電耗的重要措施；同時，無功功率對于調節電壓的穩定，保障高質電能的供應也具有重要的決定意義，對于電網硬件設備的經濟效益也有重要的影響。所以無功補償對目前電力系統意義重大。 目前主要應用的補償控制器是SVG，其具有優良的性能。但是SVG在控制過程中經常會出現電容器和電壓分接頭的頻繁投切，頻繁地投切電容產生大量的投切諧波，使系統變得不穩定。而且，有載變壓器的損壞80％是由變壓器電壓分接頭的開關引起的，電壓分接頭開關損壞維修十分困難，維修成本高，對系統的影響也很大。因此，采用更加有效的控制方式、提高投切的精度、減少器件的投切次數，特別是減少電壓分接頭的投切次數，是十分有意義的。為此引入了模糊神經網絡控制理論。 常規模糊控制器的模糊控制規則是通過總結手工操作者或該領域專家的控制策略、經驗及知識而制定的，在整個控制過程中固定不變。這使得模糊控制規則不可能確切反映被控對象的實際情況。因此，常規模糊控制器對于那些嚴重非線性的復雜被控對象不能取得優良的控制效果。人工神經具有較強的自學習和自適應能力，利用單個神經元在線調整其模糊控制查詢表，即間接調整了控制規則，又對丟失的信息進行了補償，因此可增強控制系統的魯棒性、自適應能力和提高控制精度，使系統性能不斷完善。 神經網絡在模糊控制器中的應用有三種方式：①利用神經網絡驅動模糊控制器。②利用神經網絡記憶模糊控制規則。③利用神經網絡優化模糊控制器的參數。這樣，控制系統可以直接從經驗中獲取知識，自動建立模糊規則和隸屬函數，只需通過在線計算，便可得到控制器輸出，節省了內存，提高了運行速度。 2 并聯電容無功補償的原理及現狀 在實際電力系統中，大部分負載為異步電動機。包括異步電動機在內的絕大部分電氣設備的等效電路可看作電阻R與電感L串聯的電路，其功率因數為 3 系統設計 3.1 系統說明 該系統針對我國目前網損消耗最大的10kV等級的電網應用來進行研究?？刂葡到y采用九區域控制圖，如圖2所示。 其中0區（由電壓上下限和無功上下限圍成）是穩定的工作區間，也是目標區。周圍的八個區都要經過無功補償系統對其發出各種控制命令，調節電容器和電壓分接頭的投切，從而進入0區，即穩定區。外圍八個區工作狀態及系統將發出的控制命令分別如下： 1區——電壓偏低，無功補償不足；首先發出投入電容器的指令，投入電容器組，后發升壓指令，即調節主變壓器分接頭。 2區——電壓正常，無功補償不足；發投入電容器的指令，電容器組投完后如果還在該區，則維持并發報警信號。 3區——電壓偏高，無功補償不足；先降壓檔位調節指令，當變壓器檔位調到下限位置后，仍在該區，則強切電容器組，并發報警信號。 4區——電壓偏高，無功補償正常；先發降壓檔位調節指令，當變壓器檔位調到下限位置后，仍在該區，則強切電容器組，并發報警信號。 5區——電壓偏高，無功補償過剩；先切電容器組，后發降壓檔位調節指令。仍在該區，報警。 6區——電壓正常，無功補償過剩；先切電容器組，后升壓。若電容器組切完后仍在該區，則維持，并發報警信號。 7區——電壓偏低，無功補償過剩；先發升壓檔位調節指令，當變壓器檔位調到上限位置后仍在該區，則強投電容器組，并發報警信號。 8區——電壓偏低、無功補償正常；先升壓檔位調節指令，當變壓器檔位調到上限后仍在該區，則強投電容器組，并發報警信號。 系統的硬件系統采用DSP芯片，TMS320C2407為控制核心，其結構如圖3所示。 3.2 模糊控制規則的確定 在電力系統中，無功變化和電壓變化也相互影響，因此在制定模糊控制規則時也必須考慮。式（3）給出了無功補償量對電壓的影響 將輸入變量電壓誤差△U和無功誤差△Q分別用輸入語言變量E，F表示。將不同區域的電壓和無功誤差分別用數字值加以表示，如負數表示電壓偏低或者無功不足。選定E（F）的論域為X（Y）＝{－3，－2，－1，0，＋1，＋2，＋3}，為語言變量取7個語言值：PB，PM，PS，0，NS，NM和NB。將輸出電壓U和電容Qc分別用輸出語言變量M，W表示。選定P（Q）的論域為M（W）＝{－3，－2，－1，0，＋1，＋2，＋3}，為語言變量取7個語言值：PB，PM，PS，0，NS，NM和NB。其隸屬度函數均采用高斯函數表示。根據專家的經驗，得出表1，表2所示條件語句構成的控制規則。 3.3 模糊神經網絡控制器 圖4給出了基于神經網絡的模糊控制器的簡圖。其中的神經網絡一方面來控制輸入量的運算，一方面來調節模糊控制規則的隸屬度函數，從而對控制變量起到調節作用。其中的網絡均采用BP網絡。 4 實驗仿真 根據某容量為30Mvar的民用變電站的參數和技術指標及國際電工委員會（IEC）的標準，10kV最高偏壓不得高出500V，調整后的功率因數不應該低于0.85，試驗確定調解范圍為：電壓［－250，500］，功率因數角的臨界值為15°。對一相電壓和功率因數進行采樣試驗仿真，得到補償后的結果并與理論結果進行比較。圖5給出了變量隸屬度函數的調節對比，圖5a，5c為原隸屬度，圖5b，5d為調解后的隸屬度?？梢钥闯錾窠浘W絡調節了隸屬度函數的賦值范圍，使模糊控制更能動態準確地描述跟蹤系統變量之間的變化關系。表3列出了實驗仿真的補償結果數據與理論計算的補償結果的對比，可以看出實驗補償的結果和理論數據還是比較吻合的，由此得出，采用模糊控制方式對電網進行無功補償取得了比較理想的效果。 注：表中星號“*”表示超出控制要求范圍的數值；橫線“—”表示無數據。 5 結束語 本文從理論與試驗討論了模糊神經控制在電力系統無功補償中的應用，對于靜止無功補償器的控制方式是很大的改進。模糊神經網絡控制使得控制更加簡潔便利，通過在線調整控制規則和隸屬度函數，更加精確了控制變量的精度，減少了電子器件的投切次數，從而既保護了元件，又較大地減少了由于投切而引起的電量的波動，使控制器有了重大的改觀。實驗表明，該系統比傳統SVG控制精度提高10％左右，控制時間減少1/15，同條件下電容器和分接頭的投切次數分別減少10％～15％。相比較傳統的SVG而言，引進模糊神經網絡控制方式后系統更快速更準確，同時也具有更好的動態特性。