在随机不确定及信息耦合环境下，针对智能电网电压无功控制的特点，将现代控制技术与分布式人工智能技术相结合，探索出一种新的控制系统体系结构。采用分层混合控制策略：底层采用混合控制策略及基于模糊理论的强化学习机制建立系统底层各节点微观智能体模型，解决了风力发电机组等可再生能源的单元电压无功控制。顶层采用分布式人工智能技术，建立分层分布式可动态重构的电压无功优化控制系统的宏观系统架构。对底层智能体的学习机制进行研究，通过对底层Agent的学习机制进行仿真实验，验证了算法的收敛性。研究了具有群体智能的蚁群算法，并对接入分布式电源的IEEE14节点配电网进行了无功优化仿真实验。最后对各智能体之间的协调机制进行了研究及仿真试验。

智能电网作为合理利用分布式能源的一种新兴的智能组网模式得到了国内外研究者的广泛关注。本课题采用群体智能优化策略及零和微分对策理论研究智能电网在随机不确定及信息耦合环境下电压无功优化与协调控制问题。①采用混合控制策略及基于模糊评价的强化学习理论，建立系统底层各节点微观智能体模型，根据环境及负荷的变化，建立可动态重构的宏观系统架构。②建立考虑系统不确定及耦合因素影响的包括系统网损、无功控制设备投切限制等多种优化指标的系统数学模型。③引入混沌序列机制，采用具有群体智能策略的优化方法求解受连续-离散时间的微分-代数方程约束的典型非线性的混合动态优化问题；④对分布式发电的连续调压装置、SVC等无功调压设备等进行综合协调控制，从而实现智能电网的各节点电压偏差、系统网损、无功设备投切次数及电压合格率等指标的综合优化。本研究成果对于我国智能电网自动化理论的发展具有重要的理论价值和应用前景。

智能电网作为合理利用新能源的一种新兴组网模式得到了世界范围内的广泛关注。本课题研究智能电网在不确定和耦合信息作用下的全局动态优化控制的理论和方法。通过建立起考虑系统不确定和耦合因素影响的包括分布式电源、变压器、输配电线路和重要负荷的数学模型，对采集到的系统实时数据进行深入分析和研究。研究出先进的信息处理、控制优化策略（包括基于模糊双曲正切建模的潮流计算方法、广义模糊节点转换策略、以及近似动态规划方法等一系列关键理论和技术环节）。对分布式发电的连续调压装置、电力电子设备、并联电容器、电抗器和可调变压器分抽头等进行综合协调控制，从而实现智能电网的各节点电压偏差、系统网损、无功补偿设备投资、分接头和电容器(电抗器)投切次数以及电压合格率等指标的综合优化。本研究成果对于我国输配电（特别是新兴智能电网）自动化领域的发展和科技进步将具有重要的理论价值和广泛的应用前景。

我们承担的“智能电网的动态全局优化与节能控制理论及其应用”（50977008）面上基金项目按照原定计划顺利完成。在没有对原计划做出调整的基础上，顺利圆满完成。出版英文专著1部，发表论文75篇，其中 SCI检索论文44篇（包括IEEE会刊和Automatica论文共15篇）。此外，我们将理论成果应用于工业生产实际，申请并被授权国家发明专利14项，获得国家科技进步二等奖1项，辽宁省科技进步奖一等奖1项。我们在理论方面进行了深入的研究，取得的主要学术成果包括: 1.针对智能电网中的分布式电源及负荷，提出了一类新的时变时滞模糊双曲神经网络作为它们的数学模型，该模型考虑了存在诱导时延、数据包丢失情况。采用一个新构造的Lyapunov函数得到了保证闭环互联智能电网鲁棒稳定并具有H-infinity性能的充分条件，该条件不仅在所有电力系统控制元件都正常工作时有效，而且在智能电网的稳定控制器、逆变器等执行器可能发生故障时也有效。 2.针对输配电网中不同节点的类型不同，我们提出了一种数据驱动的最小-最大模糊神经网络，进而利用脉冲泛函微分方程理论和线性矩阵不等式技术解决了电网中存在的分岔和混沌现象、全局能耗最优选取和相位同步的实际问题。保证电网系统中，无论是否有故障发生都不影响系统同步和电网控制系统的稳定性。 3.大区域电网之间的互联性的增强有力地提高了电力系统运行的经济性，同时也使得互联系统动态过程变得更加复杂。因此我们提出了一类新的具有混合时变时滞和马尔科夫跳变的中立性脉冲神经网络模型，以及基于TS模糊理论的复杂网络智能同步控制方法。 4.智能配电网实际的控制和调节过程都是由多个智能主体来共同完成的。这些控制主体形成一组控制，在某些性能指标约束下共同控制系统而形成对策。在这种情况下，许多控制策略被提出来达到某种形式的最优化。为此，我们着重针对一些非线性系统进行了深入研究，取得了一系列非线性系统稳定和最优跟踪控制策略的重要成果。 5.智能电网调度与动态全局优化问题一直都是电网控制研究的焦点问题。我们对智能电网系统进行了分析和研究，在研究智能电网的全局稳定性的基础上，提出了基于互联神经网络计算的近似动态规划的网络优化控制器求解方法，解决了这个难题。 张化光教授参与组织了三次国际会议，担任了20多个国际会议的程序委员会委员或主席。在此基金的资助下，指导毕业博士生11人。 2100433B

单元机组的负荷控制系统又称为协调控制系统,是将锅炉、汽机及辅机作为一个整体加以控制的十分复杂的多变量控制系统,该系统有机的、协调的控制锅炉的燃料、送风、给水以及汽机调节阀门开度,使各变量间的影响最小。它是建立在汽机控制子系统和锅炉控制子系统基础上的主控系统和机、炉子控制系统组成的二级递阶控制系统。处于调节级的主控系统是协调控制系统的核心,它对负荷指令进行运算处理形成控制决策,给出汽机负荷指令和锅炉负荷指令。处于局部控制级的各子系统在机、炉主指令下分工协调动作,完成给定的控制任务。单元机组协调控制系统的任务是:既要保证机组快速响应负荷需求,又能使机组的主要参数机前压力在变负荷的过程中保持相对稳定。

因为被控对象同时具有多变量强耦合、非线性、大惯性大迟延、慢时变等多种控制理论公认难以控制的特性,目前于火电机组协调控制系统在理论上和工程上的研究涉及面非常广泛。近十年研究工作主要集中于:

(1)神经网络控制。神经网络是由许多具有并行运算的、功能简单的信息处理单元(人工神经元)相互连接组成的网络。网络的信息处理通过处理单元之间的相互作用来实现。它所引出的经验学习方法以及实现非线性函数逼近的见解给复杂系统的建模带来了一种新的、非传统的表达工具,降低了不确定性,增加了控制系统适应环境变化的泛化能力。由于大量神经元之间广泛连接,即使有少量单元或连接损坏,也不影响系统的整体功能,使其表现出很强的鲁棒性和容错性。

(2)预测控制。华北电力大学的侯国莲等人为解决单元机组协调控制系统的高精度和快速负荷跟踪控制的问题,将预测函数控制应用于多变量复杂控制系统中,提出一种基于阶跃响应模型的多输入多输出系统的预测函数控制算法王国玉在其博士学位论文预测函数控制及其在火电厂中的应用研究一文提出了一种新型PFC算法,将此算法推广到多变量情 。哈尔滨工业大学的马述军等人针对单元机组负荷控制的特点,从对受控模型要求不太严格的非参数模型一阶跃响应出发,运用动态矩阵控制算法,,设计了基于动态矩阵控制原理的机组负荷预测控制系统[22]。

(3)模糊控制。华北电力大学的刘吉疗等人为解决火电单元机组协调控制系统的动态非线性和称合特性,设计了基于T-S模糊模型和动态解称PID控制器的模糊多模型协调控制系统 。

(4)内模控制。东南大学的李益国 等人提出一种基于系统T-S模糊模型的模糊内模控制方法,该方法首先利用快速辨识算法获取系统的T-S模糊模型,然后通过适当变形,把模糊模型求逆问题简单的转化为求解线性方程组,并将遗传算法应用于涉及的多个滤波器参数的寻优华北电力大学的房方等人,根据单元机组的低阶非线性模型,推导出一个双输入鼠输出、能够描述机组动态特性及机炉间相互称合关系的传递函数矩阵。以该矩阵为基础,采用多变量内模控制的方法对单元机组协调控制系统进行设计 。

(5)状态观测器控制。韩忠旭 等人在单元机组机理性数学模型的基础上,设计了一种增量式状态观测器,提出基于状态观测器的状态反馈与常规PID控制相结合的新型控制方法。同时,基于增量型状态观测器的状态反馈,设计了具有预测功能的预给煤运算控制回路。有效解决了机炉协调被控对象的非线性、参数慢时变迟滞与大惯性以及强赖合等问题华北电力大学曾德良在其博士论文中也提及这一研究思路。