[发明专利]基于二维云模型的自适应分数阶PID负荷频率控制方法

权利要求书

1.一种基于二维云模型的自适应分数阶PID负荷频率控制方法，其特征在于，包括：

S1，对互联电网任一区域的联络线功率偏差、区域频率偏差和频率偏置常数进行采样，获取到对应的区域控制偏差，将所述区域控制偏差作为误差信号E，将所述区域控制偏差经过微分项的输出作为偏差变化率E_c；

S2，将误差信号E和偏差变化率E_c分别进行归一化处理后作为二维云模型控制器的输入，所述二维云模型控制器将输入的数值转化为相应的状态语言；

S3，基于误差信号E的状态语言和偏差变化率E_c的状态语言，查询云推理规则表，获取到分数阶PID控制器各调节参数的状态语言，进而得到各调节参数的期望值；进行逆云化处理，获得各调节参数的修正量；基于各调节参数的期望值和各调节参数的修正量，获得各调节参数的调整量；

S4，将各调节参数的调整量从归一化论域映射到实际论域，得到调整量的实际值；

S5，基于各调节参数的实际值进行调节参数的调整，实现负荷频率的实时控制。

2.根据权利要求1所述的基于二维云模型的自适应分数阶PID负荷频率控制方法，其特征在于，对互联电网任一区域的联络线功率偏差、区域频率偏差和频率偏置常数进行采样，获取到对应的区域控制偏差，具体如下：

ACE＝ΔP_tie+B·Δf

其中，ACE表示区域控制偏差，ΔP_tie表示联络线功率偏差，Δf表示区域频率偏差，B表示频率偏置常数。

3.根据权利要求1所述的基于二维云模型的自适应分数阶PID负荷频率控制方法，其特征在于，状态语言共分为七个云集合，云集合包括“负大NB”、“负中NM”、“负小NS”、“零ZE”、“正小PS”、“正中PM”和“正大PB”，各云集合的最大隶属度均为“1”，每个云集合用期望E_x、熵E_n和超熵H_e三个数字特征进行表示；

所述二维云模型控制器中，对误差信号E、偏差变化率E_c、比例系数整定值ΔK_p、积分系数整定值ΔK_i、微分系数整定值ΔK_d、积分项指数整定值Δλ和微分项指数整定值Δμ均进行了云集合划分；所述比例系数整定值ΔK_p、积分系数整定值ΔK_i、微分系数整定值ΔK_d、积分项指数整定值Δλ和微分项指数整定值Δμ为分数阶PID控制器的五个调节参数。

4.根据权利要求3所述的基于二维云模型的自适应分数阶PID负荷频率控制方法，其特征在于，七个云集合及其对应的数字特征的关联表示如下：

负大(-0.6，0.1，0.01)、负中(-0.4，0.1，0.01)、负小(-0.2，0.1，0.01)、零(0，0.1，0.01)、正小(0.2，0.1，0.01)、正中(0.4，0.1，0.01)和正大(0.6，0.1，0.01)。

5.根据权利要求3所述的基于二维云模型的自适应分数阶PID负荷频率控制方法，其特征在于，所述云推理规则表包括五个，分别为比例系数整定值ΔK_p的云推理规则表、积分系数整定值ΔK_i的云推理规则表、微分系数整定值ΔK_d的云推理规则表、积分项指数整定值Δλ的云推理规则表和微分项指数整定值Δμ的云推理规则表；基于云集合的划分将不同的输入量误差信号E和偏差变化率E_c分别转化成相应的状态语言的词汇，并将相应的状态语言的词汇分别作为各个云推理规则表的行和列，找到与之相对应的输出变量的状态语言的词汇，作为各调节参数的期望值。

6.根据权利要求3所述的基于二维云模型的自适应分数阶PID负荷频率控制方法，其特征在于，将误差信号E和偏差变化率E_c分别进行归一化处理后作为二维云模型控制器的输入，输出为正态随机数x，为空间上的一个云滴。