158
РАЗРАБОТКА АЛГОРИТМА ИНТЕЛЛЕКТУАЛЬНОГО
УПРАВЛЕНИЯ ИРПМ С ПРИМЕНЕНИЕМ НЕЙРОСЕТЕВОГО
ПОДХОДА
Голицын Ю.Д., Семенов И.И., Шумский Н.В., Соснина Е.Н.
ФГБОУ ВО «Нижегородский Государственный Технический Университет им. Р.Е. Алексеева»
Нижний Новгород, Россия
Аннотация
Состояние вопроса:
Энергетический интернет (ЭИ), позволяющий расширить взаимодействие производителей и
потребителей электроэнергии (ЭЭ) за счет обеспечения свободных перетоков мощности в распределительных
электрических сетях, рассматривают как версию 2 интеллектуальных сетей [1]. Новые участники сети смогут
беспрепятственно интегрироваться в общую инфраструктуру и обмениваться ЭЭ так же легко, как и при передаче
информации по сети интернет. Построение энергосистемы в стиле Интернет возможно с использованием устройств
активно-адаптивного управления потоком мощности. Объектом исследования является управляемый интеллектуальный
регулятор потока мощности (ИРПМ) и применение нейросетевого подхода при разработке его активно-адаптивной
системы управления (ААСУ).
Материалы и методы:
Использованы обучение искусственных нейронных сетей (ИНС) «с учителем», алгоритм
Левенберга – Марквардта, метод Гаусса.
Результаты:
Доказана эффективность методики обучения ИНС «с учителем» для ААСУ ИРПМ типового узла
нагрузки. Рассмотрена зависимость КПД от добавочного напряжения при обеспечении необходимого качества ЭЭ.
Система управления адекватно реагирует на изменение переменных параметров сети, рационально распределяя токи по
параллельным ветвям, одновременно повышая общий КПД сети и стабилизируя напряжение на нагрузке.
Выводы:
Повышения эффективности и надежности ЭС можно добиться с помощью технологии ИЭ. Базовым
устройством концепции выступает энергетический роутер - ИРПМ. Перспективным решением при разработке ИРПМ
является децентрализованная система управления на основе ИНС, алгоритм обучения которой включает пять этапов: 1)
генерация, 2) фильтрация, 3) оптимизация, 4) обучение, 5) тестирование.
Ключевые слова:
интернет энергии, управление потоками мощности, искусственная нейронная сеть.
ALGORITHM DEVELOPMENT OF SPFR INTELLIGENT CONTROL WITH A
NEURAL NETWORK APPROACH
Jurij Golicyn, Nikita Shumskii, Ilia Semenov, Elena Sosnina
Nizhny Novgorod State Technical University
Nizhny Novgorod, Russian Federation
Abstract
Background:
The Energy Internet (EI), which allows expanding the interaction of electricity producers and consumers by
ensuring free power flows in distribution electric networks, is considered as version 2 of Smart Grid [1]. New network participants
will be able to seamlessly integrate into the common infrastructure and exchange electricity as easily as when transmitting
information over the Internet. The construction of an Internet-style power system is possible using active-adaptive power flow
control devices. The object of the study is a controlled smart power flow regulator (SPFR) and the use of a neural network approach
in the development of its active-adaptive control system (AACS).
Materials and Methods:
The supervised learning ANN, the Levenberg-Marquardt algorithm, the Gauss method are applied.
Results:
The effectiveness of the supervised learning method for a typical load unit has been proven. As the main functional
dependence, the dependence of the efficiency on the additional voltage was chosen while maintaining the required quality of energy
efficiency. The control system responds adequately to changes in the variable parameters of the network, rationally distributing
currents along parallel branches, while increasing the overall efficiency of the network and stabilizing the voltage across the load.
Conclusions:
Improving the efficiency and reliability of power supply can be achieved using IoE technology. The basic device
of the concept could be an Energy Router – SPFR. A promising solution for SPFR control system is a decentralized control system
based on an ANN. Neural network training could be provided in five stages: 1) generation, 2) filtering, 3) optimization, 4) training,
5) testing.
Key words:
energy internet, power flow control, artificial neural network.
