多輸入輸出多跳電力系統的負荷控制算法

劉　煒

(廣州番禺職業技術學院，廣州　511483)

多輸入輸出多跳電力系統的負荷控制算法

劉煒

(廣州番禺職業技術學院，廣州511483)

摘要：在多輸入輸出多跳電力系統中，需要對電力傳輸節點進行負荷控制設計，提高電力系統的綜合評估和控制能力。傳統方法對電力負荷的控制方法采用多維子空間QoS預測算法，對多輸入輸出(MIMO)的電力傳輸節點的負荷預測精度不高。提出一種基于多跳節點子空間特征分解的電力系統的負荷控制算法。構建了多輸入輸出的電力負荷的時間序列信號模型，采用分數階傅里葉變換對信號模型進行特征空間重構，在信號子空間中，采用高階累積量對角切片負荷時間序列進行特征分解，在此基礎上，采用多跳節點子空間特征分解對MIMO節點的電力系統負荷進行準確預測控制。仿真實驗進行了性能驗證，實驗結果表明，采用該算法對電力系統負荷的控制品質較高，提高了對電力系統負荷的預測精度和調度能力。

關鍵詞：電力負荷；控制；系統；多輸入輸出

隨著計算機信息處理技術的發展，采用信息處理和現代數據分析方法對電力系統的負荷控制成為未來電力系統數據管理和調度的一個重要方向，通過對電力系統的負荷控制和預測，提高對電力系統的優化調度和控制管理能力，電力系統是一個多輸入輸出(MultipleInputMultipleOutput，MIMO)網絡結構系統，在多輸入輸出多跳電力系統中，大量的負荷數據通過非線性時間序列的形式進行傳輸和調度，采用時間序列分析方法，對電力系統的負荷數據進行多跳網絡控制和傳輸調度，提高電力系統的智能控制能力和水平，相關的研究受到人們的廣泛重視[1]。

傳統方法中，對電力系統的負荷控制方法主要采用神經網絡控制方法、基于經驗模態分解的負荷預測方法進行控制、基于支持向量機和模糊子空間降噪的負荷控制方法和基于QoS調度的負荷控制方法等，但這些方法都存在著計算量較大，負荷控制的實時性不好等問題，對此，相關文獻進行了算法的改進設計[2-3]，其中，文獻[4]提出一種基于遞歸圖分析和特征空間重構的電力負荷數據預測算法實現電力系統的優化控制，對電力負荷數據進行相空間重構，在重構的相空間中進行特征映射和調度，采用最大似然估計法實現對負荷數據的預測，但是該方法存在著計算開銷較大，維數較高等問題，導致電子系統負荷控制的實時性不好。文獻[5]提出一種基于定量遞歸分及分數階傅里葉變換的多輸入輸出多跳電力系統負荷控制方法，通過高階累積量切片處理提高負荷控制性能，但是該算法對干擾強度大和信噪比較低情況下的負荷控制效果不好[6-8]。針對這些問題，本文提出一種基于多跳節點子空間特征分解的電力系統的負荷控制算法的電力負荷預測算法實現負荷控制。首先構建了多輸入輸出的電力負荷的時間序列信號模型，采用分數階傅里葉變換對信號模型進行特征空間重構，在此基礎上，采用多跳節點子空間特征分解對MIMO節點的電力系統負荷進行準確預測控制，仿真實驗進行了性能驗證，展示了本文方法在提高電力系統負荷預測精度上面的優越性能，得出有效性結論。

1MIMO多跳電力系統負荷數據時間序列分析和信號特征重構

1.1MIMO多跳電力系統負荷數據時間序列分析

為了實現對多輸入輸出多跳電力系統的負荷控制，首先構建MIMO多跳電力系統負荷數據時間序列分析模型，MIMO多跳電力系統的負荷傳輸節點的待覆蓋區域假設為W，與節點Z任意相鄰的節點的程控激勵因子為p×qbit。多輸入輸出多跳電力系統各個節點集合的具有相同的覆蓋概率Kwpg(Wpg)，服務器節點直接與多跳網絡節點相連，用一個五元組(Ni，Li，TiCi，Di)表示電力系統的無線多跳網絡模型，MIMO多跳節點分布模型如圖1所示。

圖1　電力系統的MIMO多跳節點分布模型

將多輸入輸出多跳電力系統通信節點分簇模型中，定義在t域的上的負荷時間序列函數x(t)的p階分數階傅立葉變換為廣域子空間Xp(u)或Fpx(u)，并且M層子節點數中的負荷數據的時間序列積分運算：

(1)

采用分數階傅立葉變換進行時間序列分析，構建無向圖G=(V，E)，其中，p為多輸入輸出多跳電力系統的分數階傅立葉變換的階數，用ann(u，r1，r2，α)表示以節點u為圓心的旋轉半徑，可以為任意實數，負荷時間序列在特征空間的旋轉角α=pπ/2。Fα[·]為分數階傅立葉變換的算子符號，多輸入輸出多跳電力系統通信節點分簇網絡信道的選擇權值sw(u)，得到Kp(t，u)為FrFT的變換核：

(2)

式中n——多輸入輸出多跳電力系統通信節點的個數，即n∈Z。

將核函數代入式(2)，電力系統時延擴展Xp(u)可以表示為：

(3)

采用MIMO多跳電力系統負荷數據時間序列分析方法，得到負荷測量均衡后的頻譜為：

=CT′(f)X(f)ej2πfτ0

(4)

1.2信號特征重構

=-

3

(5)

其中，代表對g(n)取均值：

(6)

(7)

利用高階累積量對多跳節點的輸出噪聲的不敏感性，進行干擾抑制，提高對負荷的控制性能，若w(n)為高斯噪聲，則：

(8)

若w(n)為非高斯色噪聲，計算數據發送給Sink的能量，得到信號特征重構的4階混合累積量切片為：

(9)

多輸入輸出多跳電力系統傳輸節點接收到的負載信息的功率為：

(10)

令Rd×L為d×L維數的矩陣，采用最大似然估計進行負荷數據的空間重構，對于每一個重構的廣域子空間模型，空間矢量表示為：

R1={X1，X2，X3，…，Xd}T

(11)

信號負荷控制傳輸過程中相關函數為：

(12)

對式(12)進行特征值分解得：

(13)

通過這些處理，實現對多輸入輸出多跳電力系統負荷的信號特征重構，為進行負荷控制提供信息源。

2算法改進實現

在進行結構模型構建以及負荷數據時間序列分析及信號重構的基礎上，進行負荷預測控制算法改進設計，在多輸入輸出多跳電力系統中，需要對電力傳輸節點進行負荷控制設計，提高電力系統的綜合評估和控制能力。而傳統方法對電力負荷的控制方法采用多維子空間QoS預測算法，對多輸入輸出(MIMO)的電力傳輸節點的負荷預測精度不高。為了克服傳統方法的弊端，本文提出一種基于多跳節點子空間特征分解的電力系統的負荷控制算法。在信號子空間中，從到維進行負荷預測，得到多跳節點子空間特征分解過程為：

(14)

R2={Xd+1，Xd+2，…Xd+m}T

(15)

(16)

其中，多跳電力系統負荷傳輸距離、通信功率向量V=[V1，V2，…，Vm]∈Rm×m且正交，從而得到：

VVT=IM

(17)

∑=fiag(σ1，σ2，…，σm)

(18)

σ1>σ2>σ3>…>σs+1>σm

(19)

(20)

此時，在t時刻的預測分析數據信息度Bel(xt)=p(xt|d0，…，t)為N，負荷預測的子空間正交基集合定義為：

(21)

式中xt——多輸入輸出多跳電力系統數據包預測分析樣本數據；

wt——相對于xt的自適應加權權值向量。

以能量損耗為代價函數，實現對電力系統負荷預測分析的系統特征函數描述為：

Ecv(c1，c2)=μ·Length(C)

+v·Area(inside(C))

(22)

式中c1，c2——電力系統負荷的特征數據和干擾數據；

Length(C)——時間序列的長度；

Area(inside(C))——負荷傳輸節點覆蓋半徑。

通過對算法的改進設計，實現了對多輸入輸出多跳電力系統的負荷控制，最后通過仿真實驗進行性能測試和驗證。

3仿真實驗與結果分析

為了測試本文設計的算法在實現多輸入輸出多跳電力系統的負荷控制中的性能，進行仿真實驗。實驗中，采用CPU為Intel(R)PentiumG630 2.7GHz，內存為2G的硬件配置作為仿真的硬件環境，采用網絡節點數為500，4567，3495的分布式自組織網絡構建電力系統的負荷傳輸網絡結構模型，采用Matlab進行數學仿真編程，參數設定中取得SINR閾值β=1，電力系統負荷值的路徑損耗系數α=5，數據信息流的單位節點的功率損耗常量δ={0，1，0.12，…，0.96,0.98}。容錯性評價的初值設為P=βN0(d/0.1)α，最大預測長度rmax=d/0.1。根據上述仿真環境和參數設定結果，及西寧電力系統的負荷控制，采用本文設計的電力負荷預測算法進行負荷的準確預測，首先得到電力系統的負荷數據時間序列采樣波形如圖2所示。

圖2　電力系統的負荷數據采樣時間序列波形

以數據采樣結果為測試樣本，數據采樣長度為2000。采樣時間間隔為15s，帶寬為14.7dB，采用分數階傅里葉變換對信號模型進行特征空間重構，在此基礎上，采用多跳節點子空間特征分解對MIMO節點的電力系統負荷進行準確預測控制，得到負荷數據預測的波束輸出結果見圖3。

圖3　負荷數據波束輸出

從圖3可見，采用本文算法進行電力系統的負荷預測的精度較高，具有特征強度較好的波束輸出，提高了負荷控制能力，為了對比算法性能，采用本文算法和傳統方法，在不同電力節點簇個數下進行負荷控制，以控制精度為測試指標，得到仿真結果如圖4所示。從圖4可見，采用本文算法，控制品質較高，提高了對電力系統負荷的預測精度和調度能力。

圖4　性能對比

4結語

在多輸入輸出多跳電力系統中，需要對電力傳輸節點進行負荷控制設計，提高電力系統的綜合評估和控制能力。傳統方法對電力負荷的控制方法采用多維子空間QoS預測算法，對多輸入輸出(MIMO)的電力傳輸節點的負荷預測精度不高。對此，本文提出一種基于多跳節點子空間特征分解的電力系統的負荷控制算法。首先構建了多輸入輸出的電力負荷的時間序列信號模型，采用分數階傅里葉變換對信號模型進行特征空間重構，在此基礎上，采用多跳節點子空間特征分解對MIMO節點的電力系統負荷進行準確預測控制，仿真實驗進行了性能驗證，展示了本文方法在提高電力系統負荷預測精度上面的優越性能，本文方法在電力控制方面具有較好的應用價值。

參考文獻：

[1]周雁, 王福豹, 黃亮.無線傳感器執行器網絡綜述[J]. 計算機科學, 2012, 39(10): 21-25.

ZHOUYan,WANGFu-bao,HUANGLiang,etal.Overviewofwirelesssensorandactornetworks[J].ComputerScience, 2012,39(10):21-25.

[2]趙瑞琴, 申曉紅，張效民，等. 無線多跳網絡最佳轉播模型及廣播機制研究[J].計算機學報，1024,37(2): 335-343.

ZHAORui-qin,SHENXiao-hong,ZHANGXiao-min,etal.Researchonoptimizedrebroadcastmodelandbroadcastingmechanismforwirelessmulti-hopnetworks[J].ComputerScience, 2014. 37(2)：335-343.

[3]protocolsinwirelesssensornetworksasurvey[J].InternationalJournalofComputerScienceandEngineeringSurvey, 2010, 1(2):63-83.

[4]XUXiao-hua,LIXiang-Yang,MAOXu-fei, et al.Adelay-efficientalgorithmfordataaggregationinmultihopwirelesssensornetworks[J].IEEETransactionsonParallelandDistributedSystems, 2011,22(1): 163-175.

[5]LIDe-ying,ZHUQing-hua,DUHong-wei,etal.Animproveddistributeddataaggregationschedulinginwirelesssensornetworks[J/OL].JournalofCombinatorialOptimization, 2012,5: 1-20.

[6]ZHANGKH,SONGH,ZHANGL.ActivesContoursDrivenbyLocalImageFittingEnergy[J].Patternrecognition,2010,43(4):1199-1206.

[7]王秋, 曲婷, 陳虹. 基于隨機模型預測控制的自主車輛轉向控制[J]. 信息與控制, 2015,44(4): 499-506.

WANGQiu,QUTing,CHENHong.Steeringcontrolofautonomousvehiclesbasedonstochasticmodelpredictivecontrol[J].InformationandControl, 2015, 44(4): 499-506.

[8]周軍海,林亞平,周四望.一種低功耗的社區機會網絡消息路由算法[J].計算機科學,2014,41(1):178-182.

ZHOUJun-hai,LINYa-ping,ZHOUSi-wang.Power-efficientmessageroutingalgorithmforcommunity-basedopportunisticnetwork[J].ComputerScience, 2014,41(1):178-182.

(本文編輯：趙艷粉)

Load Control Algorithm for Multi-Input Multi-Output Power System

LIU Wei

(GuangzhouPanyuPolytechnic,Guangzhou511483,China)

Abstract:In the multi-input multi-output (MIMO) multi-hop power system, the load control design of the power transmission node is needed to improve the comprehensive evaluation and control of the power system. The traditional method of power load control method, using the multi-dimensional subspace QoS prediction algorithm, produces low load forecasting accuracy for MIMO power transmission node. This paper proposes a load control algorithm for power system based on multi hop node space feature decomposition. The model of power load time series signal model is constructed by using fractional Fourier transform to feature space reconstruction. In the signal subspace, the high order accumulated load time series is used to decompose the load time series. Thereby, the power system load of MIMO node is predicted and controlled by using multi-hop nodes. The simulation test results have verified that this proposed algorithm can improve control quality, forecasting precision and scheduling ability for electric power system load.

Key words:power load; control; system; multi-input multi-output (MIMO)

DOI：10.11973/dlyny201601013

作者簡介：劉煒(1981)，男 ，碩士，講師，主要研究方向為計算機控制、算法。

中圖分類號：TP271

文獻標志碼：A

文章編號：2095-1256(2016)01-0061-05

收稿日期：2015-09-15