[发明专利]一种双向优化BP神经网络滑模变结构的四阶电力系统混沌控制方法

说明书

本发明是一种双向优化BP神经网络滑模变结构的四阶电力系统混沌控制方法。本发明以四阶电力系统混沌数学模型为基础，利用双向优化BP神经网络与滑模变结构控制相结合的控制方法对电力系统混沌振荡进行控制。在神经网络中，本发明对算法正向使用的激励函数和反向使用的学习率分别作出了优化，进而有效抑制滑模变结构控制的抖振现象，使混沌振荡控制更为理想；相较于传统滑模变结构控制，本发明既保留了BP神经网络和滑模变结构控制的优良特性，又在克服神经网络假饱和现象、提高泛化能力以及合理加快学习过程的前提下，更有效地削弱了滑模变结构控制的抖振现象，使电力系统混沌控制获得更好的效果。

技术领域

本发明涉及四阶电力系统混沌控制技术领域，是一种双向优化BP神经网络滑模变结构的四阶电力系统混沌控制方法。

背景技术

随着大电网互联、远距离输电成为当代电网的发展趋势，电力系统结构日益复杂。作为典型的非线性系统，电力系统自身的非线性在特定的情况下将发生混沌振荡，表现为一种非周期的无规则的低频振荡，同时，突发事件和不确定的因素也可能会导致系统在运行过程中出现混沌振荡现象。当前，国内外均多次观测到低频振荡现象，其中混沌振荡带来的危害不容忽视。当电力系统发生混沌振荡时，如果不能得到及时的抑制，互联系统之间的稳定性将会降低，甚至容易引发严重的连锁事故，导致大规模停电，影响电力系统正常运行的安全性和稳定性，造成经济损失乃至威胁人身安全。

目前，针对非线性系统的控制的研究已经成为国内外研究的热点问题。在对混沌控制的不断探索中，人们积累了大量的宝贵经验。在众多控制方法中，滑模变结构控制法能够克服系统的不确定性，对干扰和未建模动态具有很强的鲁棒性，尤其是对非线性系统的控制具有良好的控制效果。除此之外，变结构控制系统算法简单、响应速度快、对外界噪声干扰和参数摄动同样具有很强的鲁棒性的特点也是使滑模变结构控制法成为目前应用比较广泛的非线性系统控制方法之一的原因。同时根据已有研究结论，该控制方法对电力系统混沌振荡也有着较为理想的控制效果。

滑模变结构控制通过选择切换平面使控制系统状态在有限时间内到达切换平面，并沿着切换面到达控制目标。在该控制方法中，变结构控制系统运动包括切换面外的趋近运动和切换面上的滑动运动两部分，当系统进入滑动模态运动后将不再受到外部干扰与参数变化影响，具有完全鲁棒性。

但是，在实际滑模变结构控制系统中，由于开关器件的时滞性及惯性等因素的影响，当系统的状态到达滑模面后，不是保持在滑模面上作滑动运动，而是在滑模面附近做来回穿越运动，甚至产生极限环振荡，这种现象称为抖振现象。它有可能激励起系统中未建模高频成分，引发系统的高频震荡。因此，抑制或者消除这种抖振是滑模变结构控制中亟待被解决的重要问题。

当前，人们已经为解决滑模变结构控制系统抖振的问题做出了许多努力并给出了一些较为有效的方案，但实际上收效并不大。随着智能控制的不断发展，神经网络的应用在计算机的助力下已成为当今国际上的热点研究方向，神经网络滑模变结构控制应运而生。目前，已有许多研究成果表明，将神经网络与滑模变结构控制相结合后，将有效削弱滑模变结构中的抖振现象。

神经网络的主要贡献在于提供了一种非线性静态映射，它能以任意精度逼进任意给定的非线性关系。基于BP算法的多层前馈神经网络(BP神经网络)作为应用非常广泛的神经网络之一，亦存在一些问题，譬如神经网络假饱和现象、泛化能力不够强、学习速度不理想等问题都将直接影响神经网络的应用效果，甚至在结合滑模变结构控制后无法解决后者的抖振问题，从而也将无法达到理想的控制混沌振荡的要求。

发明内容

本发明为实现双向优化BP神经网络滑模变结构的四阶电力系统混沌控制，本发明提供了一种双向优化BP神经网络滑模变结构的四阶电力系统混沌控制方法，本发明提供了以下技术方案：

一种双向优化BP神经网络滑模变结构的四阶电力系统混沌控制方法，包括以下步骤：

步骤1：建立四阶电力系统混沌数学模型，对四阶电力系统混沌数学模型进行简化后建立受控系统；