容错控制在电力系统中的应用研究综述(2)

在设计网络调度策略方面，文献[37]建议采用SCADA 的热备用方式提高通信系统的可靠性;文献[38]建立了广义的电力系统多代理信息模型，通过“信息群发和转发”将多代理系统自治、智能、交互的特点和信息学理论相融合，以实现后紧急控制系统容错功能，通过信息量损失最小决策原理对信息进行辨识决策以满足信息容错的要求，同时通过各个代理之间的交互协议内容的定制和解析以满足信道容错的要求;文献[39]通过分析1979 年北美电力可靠性委员会报道的162 次扰动事件，为克服现有通信网络的缺点提出了多通道的网络体系;文献[40]针对美加电网的通信网络提出了具有容错功能的网络拓扑结构。

(5)FACTS 装置的容错控制

FACTS 装置包括：SVC、STATCOM、SSSC、TCSC和UPFC 装置等[41]。经过多年发展，这些装置已经在提高系统暂态稳定性方面发挥了重要作用。文献[42]采用层叠式多级逆变器结构实现STATCOM 的容错控制策略;文献[43]提出当静止串联补偿器的一个或多个传感器信号中断时，结合粒子群算法和PQ 解耦方法实现容错控制，文献[44-45]则将神经网络和粒子群相结合实现容错控制;文献[46]研究了故障条件下UPFC 的特性，文献[47]进一步仿真了UPFC 在故障恢复模式中的容错控制策略和控制效果;还有一些学者对有源滤波器和桥电路重构的容错控制进行了深入研究[48-49]。

(6)继电保护装置的容错控制

装设继电保护装置的目的就是当系统发生故障时，切除故障部分，并满足选择性、灵敏性、快速性和可靠性的“四性”要求。但是，继电保护装置本身不可避免的也会发生误动和拒动现象。针对这种情况，文献[50]采用容错控制技术，设计了一个基于故障检测与诊断的容错控制系统，将基于联邦卡尔曼滤波器的故障检测与诊断系统和智能容错控制相结合，实现微机保护传感器故障的容错控制。其主要思想是：当传感器出现故障时，容错控制器根据检测到的故障类型，采用不同的控制策略进行信号重构，利用重构后的信号代替故障传感器的测量值，输入给保护部分，从而使系统在传感器发生故障时仍能保持一定控制性能。国外学者在继电保护的容错控制方面也取得了一些类似的研究成果[51-52]。

值得一提的是，一些大的停电事故表明局部故障常会导致许多继电保护装置相继动作，继而引起一系列线路和电源的连锁反应跳闸，并最终发展为系统的解列、频率或电压崩溃[10]。而利用智能容错控制方法对故障正确诊断与隔离，避免大量继电保护装置连锁故障将是防止大停电事故的重要措施。

3 电力系统的容错控制研究存在的问题和发展方向

3.1 目前存在的问题

虽然容错控制已经有30 多年的发展历史，但在电力系统的应用研究中仍存在很多问题需要解决，主要包括：

1)异类故障解耦研究不足

目前，对于故障诊断的研究，传感器与执行器是分开考虑的。传感器故障诊断的前提是假设执行器和电网处于完好的状态，但实际运行中，这种假设有很大的局限性。传感器、执行器和电网故障如何解耦有待于深入研究。

2)智能化水平不均衡

目前，对于电力系统故障诊断的研究比较充分，而对于传感器和执行器故障诊断的研究不足。故障诊断是容错控制的前提，现有的电力系统一次故障的诊断技术/方法主要有专家系统、人工神经网络、优化技术、Petri 网络、模糊集理论、粗糙集理论、多代理技术等[5]。而针对传感器和执行器的故障诊断方法从目前的资料来看只有人工神经网络和专家系统，在智能方法使用的广度和深度上远不及电力系统一次故障诊断的研究。而多类型故障的故障诊断方法研究不足限制了容错控制的应用。

3)协调控制水平不高

局部故障需要电网支援的资源越多越好，但目前电网的协调控制研究不足，限制了容错控制的发展。有理由相信，电网各部分装置若利用智能方法协调控制将有效减少装置的误动和连锁事故的发生，从而阻止发生大面积停电事故。

4)优化算法的应用受到限制

电力系统作为一个复杂的非线性被控对象，故障诊断需要复杂的智能算法，这占用了计算机的大量资源，留给容错控制算法的资源不多，而计算精度与优化的容错控制存在着巨大矛盾，这需要多学科交叉共同予以解决。

5)网络化控制策略研究不足

在对广域系统实施网络化控制中，必须要考虑到容错控制方法的应用，否则可能产生严重后果[53]，文献[54-55]研究了数据包丢失，网络延时，采样不同步等诸多网络容错控制方法，但距离实际应用还有一段距离。

3.2 未来的发展方向

目前，电力系统的容错控制研究尚处于起步阶段，未来的发展主要有以下几个方面：

1)电力系统作为一个复杂的大系统，针对不同类型故障采用不同智能方法是提高故障诊断和容错控制水平的有效手段。

2)研究基于容错控制的继电保护装置和协调控制策略将减少发生连锁性事故的机率。

3)软件算法越来越复杂，算法的可靠性应该成为能否实际应用的重要指标[56]。

4)通信网络在带来方便的同时也会带来新问题，建立可靠的网络结构以及与之适应的网络化控制策略将是亟待解决的现实问题。

4 结束语

电力系统是一个复杂的大系统，传感器、执行器、通信网络和电网本身都可能发生故障，对故障进行检测、诊断和隔离，实施容错控制是提高电力系统可靠性的有效途径。目前，电力系统的容错控制研究已经取得了一些成果，也遇到了许多理论性问题，距离实际应用还有许多工作要做，有些问题可以借鉴其他领域的方法予以解决[57-58]，有些问题还需要进一步深入研究。有理由相信，随着研究的深入，容错控制这种智能方法将会被大量应用到电力系统中，为建设更具弹性的坚强电网发挥重要作用。

参考文献

[1] 齐俊桐, 韩建达. 旋翼飞行机器人故障诊断与容错控制技术综述[J]. 智能系统学报, 2007, 2(2): 31-39.

[2] 胡寿松, 刘亚. 复杂工程系统的可靠控制[J]. 华北电力大学学报, 2003, 30(2): 34-40.

[3] Stengel R F. Intelligent Failure-tolerant Control[J]. IEEE Control Systems Magazine, 1991, 11: 14-23.

[4] Patton R J. Fault-tolerant Control: the 1997 Situation[A]. in: IFAC Symposium on Fault Detection, Supervision, Safety for Technical Processes[C]. 1997. 1033-1055.

[5] 郭创新, 朱传柏, 曹一家, 等. 电力系统故障诊断的研究现状与发展趋势[J]. 电力系统自动化, 2006, 30(8):

[6] 薛禹胜. 综合防御由偶然故障演化为电力灾难——北美“8·14”大停电的警示[J]. 电力系统自动化，2003，27(18): 1-6.

[7] 李再华, 白晓民, 丁剑，等. 西欧大停电事故分析[J].电力系统自动化，2007, 31(7): 1-4.

[8] Mishra A, Mili L, Phadke A G. Algorithm Based Fault Tolerant State Estimation of Power Systems[A]. in: 8th International Conference on Probabilistic Methods Applied to Power Systems[C]. 2004. 174-179.

[9] Chen Y, Han J Y. Algorithm-based Fault Tolerance in Computation of Power Flow[A]. in:Proceedings of the33rd midwest Symposium on Circuits and Systems[C].1990. 151-154.

[10] 杨卫东, 徐政, 韩祯祥. 电力系统灾变防治研究中的一些问题[J]. 电力系统自动化, 2000, 24(6): 7-12.

[11] 李善奎, 邓思敏. 电机励磁系统中的双微机控制[J].电气传动自动化，1999, 21(4): 50-53.

[12] El-Skarkawi M A, Marks Ⅱ R J. Missing Sensors Restoration for System Control and Diagnostics[A]. in:The 4th IEEE International Symposium on Diagnostics for Electric Machines, Power Electronics and Drives[C]. 2003. 338-341.

[13] 于达仁, 杨永滨, 崔涛, 等. 大范围线性化最优鲁棒容错快关控制系统的设计[J]. 中国电机工程学报, 2002,22(9): 25-29.

[14] 赵涌, 杨波, 王春燕. 励磁调节器的可靠性设计[J]. 自动化技术与应用, 2007, 26(2): 118-120.

[15] 杨永滨, 于达仁, 王建波. 多变量PSS励磁控制器的最优容错设计[J]. 哈尔滨工业大学学报, 1997, 29(4):9-13.

[16] 于达仁, 毛志伟. 基于直接反馈线性化的非线性励磁控制的容错性研究[J]. 电力系统自动化, 1997, 21(12):1-5.

[17] Reyes R I, Mudgett D R, Lee K Y. Power System Stabilization via Additive Multiple Adaptive Controller[A]. in: Proceedings of the 29th Conference on Decision and Control[C]. 1990. 3077-3082.

[18] Malik O P, Hope G S, Hancock G C, et al. Frequency Measurement for Use with a Microprocessor-based Water Turbine Governor[J]. IEEE Trans on Energy Conversion, 1991, 6(3): 361-366.

[19] LI Zhao-hui, YE Lu-qing, WEI Shou-ping, et al. Fault Tolerance Aspects of a Highly Reliable Microprocessorbased Water Turbine Governor[J]. IEEE Trans on Energy Conversion, 1992, 7(1): 1-7.

[20] 肖蕙蕙, 刘伟, 李山, 等. 水轮机调速器的智能故障诊断与控制研究[J]. 微计算机信息, 2007, 23(5): 216-218.

[21] Rudervall R, charpentier J P, Sharma R. High Voltage Direct Current (HVDC) Transmission Systems Technology Review Paper[J]. Energy Week, 2000.

[22] Narendra K G, Sood V K, Khorasani K, et al. Application of a Radial Basis Function (RBF) Neural Network for Fault Diagnosis in a HVDC System[J]. IEEE Trans on Power Systems, 1998, 13(1): 177-183.

[23] Stemmler H, Terens L, Dahler P. Redundant, Faulttolerant Programmable Control System for Back-to-back Ties[J]. Brown Boveri Review, 1985, 72(11): 509-515.

[24] Setréus J, Bertling L. Introduction to HVDC Technology for Reliable Electrical Power Systems[A]. in:

Proceedings 10th International Conference on Probabilistic Methods Applied to Power Systems (PMAPS)[C]. 2008. 1-8.

[25] YE Lu-qing, WANG Sheng-tie, BING Feng-shan, et al.