一种新型的电力系统稳定器ANovelPowerSystemStabilizer(河北师范大学物理科学与信息工程学院）张少如，马丽梅ZHANGShao-ru,MALi-mei摘要：首先建立了单机—无穷大系统的数学模型，并进行了可逆性分析。将神经网络具有的对非线性系统的逼近能力以及对系统参数变化的适应能力与逆系统方法的解耦线性化特点相结合，提出了基于神经网络逆系统的电力系统稳定器的设计方法，并进行了仿真研究。动态仿真分析表明，该电力系统稳定器能够有效地增加系统的阻尼，提高系统的稳定性。关键词：单机无穷大系统；数学模型；逆系统；神经网络；电力系统稳定器中图分类号:TM7文献标识码：BAbstract:Firstly,mathematicalmodelofageneratorsysteminaSingleMachineInfiniteBus(SMIB)Systemwasdeveloped,andthereversibilityofthesystemwasanalyzed.Basedonartificialneuralnetworks,anovelmethodtodesignpowersystemstabilizerforaSMIBwasproposed.Thismethodcombinesapproximationabilitytononlinearsystemandadaptabilitytoparametersvariationofartificialneuralnetworksanddecouplingcharacteristicofinversesystem.Emulationalstudyhasbeencarriedout.Bythedynamicsimulationanalysis,thisstabilizercanincreasethesystemdampingandimprovesystemstability.KeyWords:singlemachineinfinitebussystem;mathematicalmodel;reversesystem;neuralnetworks;powersystemstabilizer1引言电力系统稳定器(PSS)，能增加系统阻尼、抑制低频振荡。然而，常规电力系统稳定器(CPSS)的参数是在某一运行状况下将受控系统线性化后，以其传递函数为基础来整定的。随着运行状况的变化，或某些因素(如环境、工作条件等)的影响，受控系统的动态特性发生了变化，原来设定的参数可能不再适用。这时，CPSS的效果也将明显变差[1]。为提高CPSS的性能，研究者们做了广泛的研究。文献[2-3]利用神经网络设计了PSS；文献[4]、[5]、[6]分别采用模糊控制算法、自适应算法、模糊自适应算法设计了PSS。本文利用神经网络对非线性系统的逼近能力和对参数变化的适应能力，并与非线性逆系统方法的解耦线性化特点相结合，设计了一种基于神经网络逆系统方法的电力系统稳定器(NNIPSS)，并进行了仿真研究。仿真结果表明，所设计的电力系统稳定器能有效抑制低频振荡，提高电力系统运行的稳定性。2单机无穷大系统的数学模型[7]为了方便分析，将电力系统简化为单机—无穷大系统，其系统图如图1所示。图中Vt是机端电压、XT是变压器的电抗、XL1和XL2是线路电抗、Vs是无穷大电源电压。单机−无穷大系统是一个多变量非线性动态系统，其数学模型常用一组三阶方程描述[8]。⎧⎪&⎪δ=ω−ω0⎪'2'⎪ωDω0EqVsωV⎛xd−xq⎞ω&=0P−()ω−ω−sinδ−0s⎜⎟sin2δ(1)⎨m0'⎜'⎟⎪HHHxd∑2H⎝xd∑xq∑⎠⎪E'x-x'VcosδV⎪E&'=−q+()dds+f⎪q''⎩Tdxd∑Td0Td01'T式中，状态变量x=(δ,ω,Eq)分别为：发电机转子运行角（即发电机功角）δ、发电机转子'角速度ω和发电机q轴暂态电势Eq；励磁控制电压Vf；其余为常量，依次为发电机转子角'速度的稳态值ω0、发电机机械功率Pm、惯性常数H、阻尼系数D、发电机d轴暂态电抗xd、'发电机d轴同步电抗xd、发电机d轴总暂态电抗xd∑、发电机q轴同步电抗xq、发电机q'轴总电抗xq∑、励磁绕组时间常数Td0、定子闭路时励磁绕组的时间常数Td。对于仅由端电压供电的可控整流型励磁系统，AVR和励磁机的输入输出动态特性为VfKA+KAτFs=2(2)uτAτFs+()KAKFτA+τFs+1式中u=Vt,ref+uPSS−Vt，uPSS为PSS的控制电压，定义为输入控制量，将式(2)转化为时域得到