基于ANN的变电站电压和无功综合自动控制

赵硕伟，关艳翠

（新疆轻工职业技术学院，新疆 乌鲁木齐830021）

人工神经网络主要由多个神经元相互连接而成，是对人脑神经系统的虚拟，与计算机相比具有信息综合处理能力强、学习认知能力和逻辑能力强等特点，在信息自动处理上有着不可比拟的优势。把ANN运用到变电站电压无功综合自动控制中能有效地调节电压，保证电力系统的稳定性和可靠性，满足人们日益增长的电力需求。本文分析了人工神经网络的内涵，介绍了变电站电压和无功综合自动控制策略，论述了基于ANN的变电站电压和无功综合自动控制。

1 人工神经网络（ANN）的内涵

人工神经网络作为一种前沿技术，已成为当下国内外重点研究的对象。人工神经网络是由很多神经元相互连接构成的复杂网络系统，具有人脑的特有性质，在学习能力、记忆能力和信息处理能力上有着十分明显的优势，在信息处理领域得到广泛的应用，如神经控制器、系统识别、智能检测等。随着现代化经济和技术的不断发展，人工神经网络在变电站电压无功综合自动控制中得到应用。

2 基于ANN的变电站电压和无功综合自动控制设计

2.1 基于ANN的变电站电压和无功综合自动控制总体设计

基于ANN的变电站电压和无功综合自动控制系统的主要功能模块有：①ANN无功负荷预测模块（监测和通报无功的变化情况，为实现最优控制提供重要数据）；②A／D采样模块（获取相关数据，方便电压调节和无功计算）；③I／O模块（是实现电压无功科学、合理调节的重要依据）；④模糊化模块（在多个控制因素之间不能精确处理时进行模糊处理，为调节决策模块做好准备）；⑤调节决策模块（根据电压无功变化和功率变化等进行综合判断和决策，选择最佳控制方式）；⑥计算模块（对决策进行补充计算，保证数据在可控范围内，保证电压的稳定性）。

2.2 ANN无功负荷预测模块设计

变电站无功除了受有功负荷影响外，还受到负荷供电电压影响，在实际工作中变电站无功并不稳定，而ANN具有记忆联想能力强等特点，能对无功负荷进行全面而精确的预测，实现最佳优化策略。ANN还有非线性函数特性，可以对前馈三层ANN的任意两个隐含层中的节点进行连续函数计算，本文利用前馈三层ANN实现无功负荷预测设计。

在进行ANN无功负荷预测模块设计时，除了要考虑到变电站的实际运用外，还要根据工作日和休息日电压负荷差，进行相应的设计。即工作日构建一个无功预测模型，输入为五个工作日同一时间的无功负荷，输出为工作日无功负荷。休息日用另一个无功预测模型。为了简化装置，便于观测与操作，本文主要针对过去三个休息日的无功负荷构建模型，输入为三个休息日同一时间的无功负荷，输出为休息日无功负荷。然后利用ANN非线性函数进行预测，在这个过程中，要选取合适数量的隐含层节点（若节点太少，会增加预测时间，降低预测精确性；若节点太多，一些不需要的数据如噪声等也被记录下来，影响无功负荷预测结果），保证无功负荷预测的精确性。本文根据实际情况选取ANN第1隐含层节点20个，第2隐含层节点30个，利用150多个样本进行网络训练，每五分钟进行一次，对半个月内的近2 250个样本进行仿真，然后得出预测结果，大多数误差小于4%，少数在8%左右，能为无功负荷提供有效数据信息。

2.3 A／D采样模块和I／O模块设计

A／D采样模块对相关参数进行采样，如变压器电压、电流，然后计算出变压器的电压、无功等数据，为电压无功计算和调整提供参考数据。I／O模块设计主要是对开关、刀闸等位置进行获取，对变电站运行方式进行全面的分析和处理，为ANN控制决策模块提供依据。

2.4 ANN控制决策模块和计算模块

ANN控制决策模块采取的是前馈三层BP神经网络（且是7输入、4输出），以模糊化模块的输出作为该控制决策模块的输入，而控制决策模块的输出为无功控制决策，具体来说，流程为：cos＆、V、qt、qt＋nΔt（n＝0，1，2，3）→输入层→第1隐含层→第2隐含层→输出层→分接头上／小调、投／切电容器。

其中，cos＆是模糊处理前十分钟内功率因数均值；

V是当前电压模糊化输出；

qt是无功的模糊化输出；

qt＋nΔt（n＝0，1，2，3）是人工神经网络预测模块在相应时间内的无功负荷模糊化输出。Δt取值在5～20分钟之间。

若把功率因数均值和一定时间内的无功负荷等数据归置为0，利用样本对网络进行训练，就相当于固定电压无功综合控制。若利用ANN控制决策模块进行控制，根据一定时间内的无功变化规律，判断出引起低压母线电压变化的原因（一般有两种：高压侧电压或者无功需求变化），然后对变压器分接头或者投／切电容器进行相应的调节，减少不必要的环节和麻烦，保证电压的稳定，实现最佳综合调节控制。

此外，根据无功变化规律可以对无功负荷进行及时的判断和分析，同时可以根据用户的需求进行功率因数的设置，把电压、无功负荷、功率因数相对应的权重进行分析，做出最优电压无功综合自动控制策略。决策模块第1隐含层节点为20，第2隐含层节点为28，组织150多个样本进行试验，提高变压器的调节精确度。

3 结 论

基于人工神经网络的变电站电压和无功综合自动控制系统充分利用ANN的自学习、自组织和自适应能力，对变电站无功负荷变化进行预测、分析、调节和决策，有效利用电容器的功能，发挥其经济价值和技术价值，可以提高变电站电压稳定性和无功功率稳定性，减少变压器的调节次数，避免盲目调节现象，提高经济效益。据调查，目前变压器出现故障大多数是由分接头引起的，而基于ANN的变电站电压和无功综合自动控制系统能有效把变压器分接头调节次数降到最低，不仅可以提高变压器的运行质量和使用寿命，而且可以减少维修成本，提高经济效益。

ANN无功综合自动控制系统根据用户的需求对电压、无功负荷、功率因数等进行对应的权重设置，且该系统还设置有备用网络权值，利用无功负荷预测模块进行预测，并将预测数据与当天实际无功负荷进行对比分析，然后利用调节决策模块和计算模块对误差大的数据进行调整，保证无功负荷在合理范围内。

［1］Samarasinghe著，史晓霞等译.神经网络在应用科学和工程中的应用——从基本原理到复杂的模式识别［M］.北京：机械工业出版社，2009.

［2］杨晓亮，李建军，布文哲，等.变电站电压无功综合控制（VQC）策略的研究［J］.电源技术应用，2013，（6）：33－35.

［3］孙均梅，胡庆华，李国刚，等.一种基于十七区域图的电压无功控制方法及其应用［J］.电气技术，2011，（7）：131.

［4］赵 浩.基于PLC的变电站电压无功综合控制系统的研究［J］.知识经济，2011，（21）：55－56.