分布式可中断负荷的网络化控制装置设计与控制方法研究

论文摘要

随着信息科技的快速发展,人们生活质量的提高,用户对电力供应的数量和质量的要求也越来越高。针对目前电力需求快速增长,用电量和高峰负荷持续增大,负荷峰谷差进一步拉大,负荷率不断下降等情况,单纯的增加发电容量既不经济也不可行。负荷管理和控制作为需求侧管理的重要内容日益受到人们的重视,本文所研发的分布式可中断负荷的网络化控装置将解决负荷资源利用不足这一难题,使电气设备及供电线路处于最佳的经济运行状态,缩小负荷峰谷差值,确保安全经济供电。合理的利用分布式可中断负荷资源,可以为电网提供更多、更有效的服务。以东北大学与沈阳供电公司2010年合作专项“基于DSM的现代负荷管理系统”为研究背景,本文研究了分布式可中断负荷控制中的网络化控制装置的设计问题,优化分组调度问题、多模型切换控制的策略分析等关键问题,具体包括：(1)分析了当前我国电力紧张的状况,针对这一状况阐述了分布式可中断负荷网络化控制对缩小峰谷差,提高电网可靠性的重要意义。并且对分布式可中断负荷控制目前存在的问题及未来的发展方向做了进一步的研究。(2)通过对协议自学习电路的设计,ARM7开发板的研究及GPRS无线通信模块的设计,研发了分布式可中断负荷网络化的控制装置,并以当今应用最广泛的可中断负荷设备空调为例,进行应用,实验证明该装置的实用性和可靠性。(3)提出了一种基于改进蚁群算法的分布式可中断负荷优化调度策略。在改进的蚁群算法中对信息素更新策略引入了全局信息素残留系数,避免了陷入局部最优；给出了信息素启发式因子和信息素影响因子的取值方法,有利于扩大搜索解空间,便于搜索到全局最优解。为了提高用户的满意度,算法中充分考虑了负荷反弹、用户的满意度、设备的使用寿命等条件的限制。该策略既保证了负荷平衡的要求,又保证了售电损失最小。(4)提出了一种基于动态模型库的自学习模型切换控制策略。引入了动态模型库的概念,在每个采样点根据切换指标来选择与实际模型最接近的模型,将当前控制器切换到该模型,同时对动态模型库的多模型进行了优化。该策略克服了负荷对象中含有的外部扰动、不确定性及模型参数突变下系统瞬态响应差的缺点,并验证了其全局稳定性及收敛速度最优。计算结果仿真表明该控制方法的有效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文的研究背景及意义
• 1.1.1 论文研究的背景
• 1.1.2 论文研究的意义及作用
• 1.2 分布式可中断负荷资源的利用
• 1.3 分布式可中断负荷资源优化调度与控制
• 1.3.1 蚁群算法的基本理论
• 1.3.2 蚁群算法的基本原理
• 1.3.3 蚁群算法的特点
• 1.4 负荷的网络化控制系统
• 1.4.1 网络化控制系统的基本结构及特点
• 1.4.2 负荷网络化可控系统简介
• 1.5 切换控制的基本理论
• 1.5.1 切换控制系统定义
• 1.5.2 切换信号和切换路径
• 1.5.3 切换系统的解
• 1.6 本文的主要工作
• 第2章 分布式网络化可中断负荷装置及系统设计
• 2.1 技术背景
• 2.2 分布式可中断负荷可控终端的通信控制装置的优点
• 2.3 整体设计流程
• 2.4 系统的硬件设计
• 2.4.1 GPRS硬件连接设计
• 2.4.2 GPRS模块和ARM开发板连接设计
• 2.4.3 本设计装置的处理单元原理图及外围电路原理图
• 2.5 数据收发控制模块
• 2.5.1 红外发射接受电路的设计
• 2.5.2 红外发射接受模块与ARM7并行口的连接
• 2.6 通信协议的制定
• 2.7 系统的软件设计
• 2.7.1 基于ARM7分布式可中断负荷控制系统通讯程序的设计
• 2.7.2 上位机软件的设计
• 2.8 应用分析
• 第3章 基于改进的蚁群算法分组优化设计策略研究
• 3.1 引言
• 3.2 改进蚁群算法的分布式可中断负荷的前期优化分组
• 3.2.1 问题提出
• 3.2.2 可中断负荷的优化分组算法
• 3.2.3 改进蚁群算法目标函数的转化
• 3.2.4 改进蚁群算法约束条件的处理
• 3.2.5 改进蚁群算法转移概率的确定
• 3.2.6 改进蚁群算法中信息素更新策略
• 3.2.7 改进蚁群算法可行解的形成
• 3.3 优化分组实例
• 3.4 本章小结
• 第4章 多模型切换控制策略在负荷网络化控制系统中的应用
• 4.1 引言
• 4.2 问题描述
• 4.2.1 每组负荷模型的切换描述
• 4.2.2 对子模型中每台空调的控制描述
• 4.3 基于动态模型库的多模型切换控制策略
• 4.3.1 自适应模型参数的估计
• 4.3.2 多模型的建立与切换控制策略研究
• 4.4 系统的稳定性分析及渐近最优证明
• 4.5 仿真研究
• 4.6 本章小结
• 第5章 总结与展望
• 5.1 论文结论
• 5.2 后续工作及展望
• 附录
• 参考文献
• 致谢
• 攻读硕士学位期间所做工作