付 ,廖 臣,汪 浩

(貴州電網(wǎng)有限責(zé)任公司信息中心,貴陽(yáng) 550000)

0 引言

隨著社會(huì)飛速發(fā)展，人們對(duì)生活質(zhì)量的要求越來(lái)越高，這樣一來(lái)，電力資源就會(huì)在人們的生活中扮演不可替代的角色。這樣給電力系統(tǒng)的發(fā)展提出更高要求，帶來(lái)更大的挑戰(zhàn)。隨著國(guó)家電力系統(tǒng)發(fā)展的越來(lái)越龐大，系統(tǒng)運(yùn)行機(jī)制和模式也更加的復(fù)雜多變[12-15]，一旦出現(xiàn)問(wèn)題，遠(yuǎn)非傳統(tǒng)方法能夠有效解決。在電力系統(tǒng)中，用傳統(tǒng)算法設(shè)計(jì)系統(tǒng)居于主流，不過(guò)，實(shí)際的用電情況變化非常復(fù)雜，如果系統(tǒng)不進(jìn)行優(yōu)化設(shè)計(jì)，則無(wú)法滿足需求，這樣一來(lái)就要浪費(fèi)大量的電力能源。而電力系統(tǒng)的實(shí)時(shí)運(yùn)行會(huì)增加非必要能源的消耗，這樣，越來(lái)越多的科研工作者就投身于節(jié)能優(yōu)化系統(tǒng)的開(kāi)發(fā)當(dāng)中去了[1]。

另一方面，DCS(Distributed Control System)集散控制系統(tǒng)，又叫“分布式控制系統(tǒng)”。它綜合了通信、顯示和控制等多方面的技術(shù)，而又能組成多級(jí)計(jì)算機(jī)系統(tǒng)以實(shí)現(xiàn)分散控制、集中操作、分級(jí)管理、配置靈活等優(yōu)勢(shì)而在工業(yè)控制領(lǐng)域取得了相當(dāng)廣泛的應(yīng)用，特別是應(yīng)用在電力系統(tǒng)的企業(yè)生產(chǎn)中。目前，在電力系統(tǒng)中，不管是調(diào)度還是管理都急迫的需要強(qiáng)大的綜合管理和優(yōu)化控制的功能。這些都要求電力系統(tǒng)在運(yùn)行過(guò)程中要有安全可靠、實(shí)時(shí)有效和靈活組態(tài)等特點(diǎn)，從目前這些要求來(lái)看，DCS能夠滿足以上應(yīng)用的要求[2]。

本文運(yùn)用DCS技術(shù)，建立了電力系統(tǒng)節(jié)能控制軟件模型，設(shè)計(jì)了電路轉(zhuǎn)換控制軟件，同時(shí)提出了一種多重自適應(yīng)的粒子群優(yōu)化算法，結(jié)合不同算法下的仿真結(jié)果，設(shè)計(jì)與實(shí)現(xiàn)了基于DCS的電力節(jié)能優(yōu)化控制系統(tǒng)，有效地優(yōu)化了電力能耗。

1 電力節(jié)能控制系統(tǒng)設(shè)計(jì)

1.1 DCS管理控制原理

DCS的結(jié)構(gòu)主要分為四層，即管理層、系統(tǒng)控制層、現(xiàn)場(chǎng)控制層和設(shè)備層。

其結(jié)構(gòu)如圖1所示。其中，管理層的設(shè)備主要包含操作員站還有工程師站、與分散的控制系統(tǒng)進(jìn)行信息交流的人機(jī)接口及監(jiān)測(cè)整個(gè)系統(tǒng)中各部分的運(yùn)行情況。系統(tǒng)控制層是來(lái)負(fù)責(zé)接收安放在現(xiàn)場(chǎng)的電力設(shè)備發(fā)送回來(lái)的電信號(hào)，按照早就已經(jīng)安排好的控制策略算出控制量并返回給現(xiàn)場(chǎng)設(shè)備?，F(xiàn)場(chǎng)設(shè)備層安排的位置在被控生產(chǎn)過(guò)程的周圍地帶，該層作用是將生產(chǎn)過(guò)程中采集到的各種物理信號(hào)轉(zhuǎn)化為電信號(hào)，以便傳輸[3]。

圖1 DCS系統(tǒng)結(jié)構(gòu)

在實(shí)際電力系統(tǒng)中，DCS中包含了大量的傳感器，各種轉(zhuǎn)換器，它們能夠?qū)⒃O(shè)備層中的電力設(shè)備的運(yùn)行狀態(tài)、使用的電量和一些非電量信號(hào)信息及時(shí)收集上傳到服務(wù)器，然后將信號(hào)上傳至管理層中的控制計(jì)算機(jī)上，最后按照之前就人為設(shè)定好的算法模型進(jìn)行判斷、運(yùn)算，得出結(jié)果后發(fā)送命令給被控的設(shè)備[4]。

1.2 節(jié)能軟件模型的建立

為了能夠使工作人員更方便地了解能源消耗情況，需要對(duì)能源消耗進(jìn)行計(jì)算統(tǒng)計(jì)，這樣可以方便節(jié)能軟件模型的建立。通常利用以下公式對(duì)電力系統(tǒng)處于運(yùn)行和不運(yùn)行兩種狀態(tài)下的能源消耗計(jì)算：

(1)

上面公式是運(yùn)行狀態(tài)時(shí)計(jì)算能源消耗的公式，是電力運(yùn)行過(guò)程中的電容，是電壓大小，a是電流變換的頻率，t則是系統(tǒng)的運(yùn)行持續(xù)時(shí)間[5]。需要對(duì)公式中的數(shù)據(jù)參數(shù)進(jìn)行逐條記錄，這樣一來(lái)，可以轉(zhuǎn)化為一組對(duì)應(yīng)的元件電阻集合。當(dāng)電壓為Uk時(shí)，系統(tǒng)運(yùn)行消耗的能源量的計(jì)算公式為：

(2)

其中:tj是電力系統(tǒng)第j次連續(xù)運(yùn)行的時(shí)長(zhǎng)，Uj是第j次運(yùn)行時(shí)的電壓大小，aj為電力元件電流的變換頻率。現(xiàn)實(shí)情況中，系統(tǒng)實(shí)際運(yùn)行過(guò)程中還會(huì)有部分與電力系統(tǒng)運(yùn)行無(wú)關(guān)的參量存在，這些參量可計(jì)算電力系統(tǒng)的非必要能源消耗，也就是電力系統(tǒng)在停止運(yùn)行狀態(tài)下消耗的能量。公式如下：

Ru=Xd·Ku+|Xd|(kl+kd)

(3)

其中:Xd表示電力系統(tǒng)在停止運(yùn)行狀態(tài)下的電壓，Ku表示電流。上述所提公式能夠計(jì)算出一般情況下的電力系統(tǒng)的能源消耗，為計(jì)算機(jī)軟件仿真設(shè)計(jì)系統(tǒng)控制能源消耗提供參考依據(jù)[11]。

另一方面，電力系統(tǒng)能源消耗的另一個(gè)重要因素是電路的轉(zhuǎn)換過(guò)程。在轉(zhuǎn)換過(guò)程中一般會(huì)有大量的電力能源資源消耗，因此在節(jié)能軟件設(shè)計(jì)過(guò)程中不能忽略電路轉(zhuǎn)換過(guò)程的能源消耗。電路狀態(tài)之間的轉(zhuǎn)換過(guò)程可分為兩種，通?？梢杂枚M(jìn)制(0和1兩種狀態(tài))清晰直觀地表現(xiàn)出來(lái)。在設(shè)定的時(shí)間段內(nèi)，根據(jù)如下公式可計(jì)算出系統(tǒng)中電流狀態(tài)改變的能源消耗的變化過(guò)程：

(4)

上面的公式可以用來(lái)實(shí)時(shí)地監(jiān)測(cè)電路轉(zhuǎn)換過(guò)程中的能源消耗。同時(shí)工人也可以通過(guò)所記錄下的參數(shù)來(lái)計(jì)算出電力系統(tǒng)的最高效率，以便算出轉(zhuǎn)化過(guò)程中的能源消耗。

1.3 節(jié)能控制系總體設(shè)計(jì)方案

本文綜合考慮電力系統(tǒng)實(shí)際耗能情況，在DCS控制系統(tǒng)的基礎(chǔ)上提出一種基于DCS的電力節(jié)能控制系統(tǒng)的模型，該模型由控制器，監(jiān)測(cè)設(shè)備，電力設(shè)備三塊組成。如圖2所示。監(jiān)測(cè)設(shè)備負(fù)責(zé)將電力設(shè)備的耗能情況匯總反饋給控制器，控制器通過(guò)合理算法計(jì)算出科學(xué)的運(yùn)行方式以達(dá)到減少非必要能源的消耗，并實(shí)時(shí)控制著電力設(shè)備的運(yùn)行。由于DCS系統(tǒng)能夠?qū)崿F(xiàn)實(shí)時(shí)自動(dòng)化管理，所以該系統(tǒng)亦可節(jié)約一部分人力資源。

圖2 節(jié)能控制系統(tǒng)框架圖

DCS控制系統(tǒng)使用FOXBOROI/A系統(tǒng)，控制器使用FCP270。在DCS軟件設(shè)計(jì)中，為了實(shí)現(xiàn)PID控制功能，使用PIAD模塊[16]。為了使控制過(guò)程穩(wěn)定精確，分別設(shè)置各參數(shù)如下：控制器設(shè)為自動(dòng)，置位FBTUNE.STNREQ，比例帶PBAND=290.48分鐘，積分時(shí)間INT=1.22分鐘，微分時(shí)間DERIV=0，低通濾波器增益參數(shù)KD=0.1，設(shè)定值超前滯后系數(shù)SPLLAG=0.81。

2 改進(jìn)的粒子群優(yōu)化算法

粒子群算法(Particle Swarm Optimization，PSO)是一種群智能優(yōu)化算法，它簡(jiǎn)單并且容易實(shí)現(xiàn)、能夠?qū)崿F(xiàn)并行搜索而且計(jì)算效率高，適用于解決復(fù)雜的最優(yōu)化問(wèn)題，該算法能以比較大概率尋找出全局最優(yōu)解。近年來(lái)，許多領(lǐng)域中的科研工作運(yùn)用了粒子群算法，顯示了該算法的廣闊的應(yīng)用前景。

2.1 一般電力系統(tǒng)調(diào)度算法

當(dāng)前較為流行的電力系統(tǒng)節(jié)能調(diào)度算法使用的自適應(yīng)粒子群算法[12]，不使用復(fù)雜學(xué)習(xí)策略，考慮為了減少時(shí)間復(fù)雜度，使用進(jìn)化代數(shù)來(lái)修改慣性權(quán)重和學(xué)習(xí)因子[6]。

一般的電力系統(tǒng)需要在調(diào)度中找到最優(yōu)最節(jié)能的調(diào)度節(jié)點(diǎn)，找最優(yōu)點(diǎn)是靠算法需要有全局搜索的功能，一旦粒子的目標(biāo)函數(shù)改變，調(diào)度點(diǎn)的慣性權(quán)重也隨之變化。整個(gè)過(guò)程大體如下[7]:

算法關(guān)鍵點(diǎn)在于權(quán)重因子的變化方式，增加慣性權(quán)重的條件是電力系統(tǒng)中調(diào)度的節(jié)點(diǎn)中的各個(gè)調(diào)度目標(biāo)值向相同的最優(yōu)值靠攏或者有這個(gè)趨勢(shì)，相反，如果各個(gè)電力節(jié)點(diǎn)的目標(biāo)不趨于一致，那么就要根據(jù)進(jìn)化代數(shù)的情況來(lái)改變慣性權(quán)重的大小了，這樣做是要使得該節(jié)點(diǎn)向全局最優(yōu)解靠。表達(dá)式如下:

(5)

就目前普遍的電力系統(tǒng)調(diào)度過(guò)程中，調(diào)度學(xué)習(xí)因子取常數(shù)，工程上一般取值為2。另外，一般有兩種方法確定自適應(yīng)學(xué)習(xí)因子，而在實(shí)際是同步變化的方法[8]，如下:

(6)

在系統(tǒng)優(yōu)化過(guò)程中，公式(6)中兩個(gè)調(diào)度因子隨著進(jìn)化代數(shù)變化而改變，粒子在一開(kāi)始時(shí)學(xué)習(xí)自己的能力比較強(qiáng)而學(xué)習(xí)社會(huì)同類的能力非常弱，這樣就會(huì)使得整個(gè)算法體系的全局搜索能力強(qiáng)。而在運(yùn)行過(guò)程的后期，進(jìn)一步強(qiáng)化了全局搜索能力[9-10]。

如果我們嘗試將上述電力系統(tǒng)節(jié)能調(diào)度方法，慣性權(quán)重因子自適應(yīng)的方法和同步自適應(yīng)學(xué)習(xí)的方法有機(jī)結(jié)合起來(lái)，并考慮在傳統(tǒng)的電力系統(tǒng)節(jié)能調(diào)度過(guò)程基礎(chǔ)上的一些其他因素，就能夠得到一種從未有過(guò)的電力調(diào)度節(jié)點(diǎn)最好的位置的迭代公式，如下:

vi,j(t+1)=wa*vi,j(t)+Ca*r1*

[pi,j-xi,j(t)]+Ca*r2*[pg,j-xi,j(t) ]

(7)

(8)

其中:vi,j是粒子的速度，wa是慣性權(quán)重,xi,j(t)是粒子當(dāng)前位置，pi,j(t)是粒子當(dāng)前最優(yōu)位置，pg,j(t)是粒子的全局最優(yōu)位置。不過(guò)，該方法沒(méi)充分考慮電力非線性時(shí)變，所以節(jié)能效果不是很理想。

2.2 改進(jìn)多重自適應(yīng)的粒子群優(yōu)化算法(MDPSO)

傳統(tǒng)的基于PSO的節(jié)能控制方法的目的是找到整個(gè)系統(tǒng)的發(fā)電成本最小的那個(gè)狀態(tài)，這樣依賴就存在一些難以解決的問(wèn)題，例如線路阻抗小等等的一些特殊情況下，弱耦合性會(huì)出現(xiàn)在輸電線路的傳輸能量的功率和所需要花費(fèi)的成本之間，把功率與成本關(guān)聯(lián)計(jì)算，控制過(guò)程不收斂，結(jié)果不最優(yōu)[11-12]。本文提出一種多重自適應(yīng)粒子群優(yōu)化算法(MAPSO)。

首先，在給定的搜索空間內(nèi)隨機(jī)地生成數(shù)量較多的粒子，接著，就是粒子位置與速度兩個(gè)參量的更新方法。分別是根據(jù)計(jì)算得到的當(dāng)前的最優(yōu)位置和最優(yōu)速度來(lái)進(jìn)行相應(yīng)的調(diào)整，過(guò)程中慣性權(quán)重w和學(xué)習(xí)因子c也根據(jù)情況相應(yīng)的調(diào)整，這樣做是為了調(diào)度的全局最優(yōu)值成為所有粒子的靠攏點(diǎn)[13-14]。如果嘗試將該算法用于電力節(jié)能優(yōu)化系統(tǒng)的設(shè)計(jì)中，就能很好地對(duì)電力能耗進(jìn)行優(yōu)化控制，而且實(shí)用性高。

具體步驟如下：

步驟1:初始化，確定給定的搜索空間E，從E中選取size個(gè)粒子{ei1,…,eisize}產(chǎn)生隨機(jī)粒子種群P(t)={Pj|j=1,2,…，size}和速度vj(t)。

步驟2:確定好目標(biāo)函數(shù)f(pj)和所有產(chǎn)生粒子{eij}，算出目標(biāo)函數(shù)取值。

步驟3:算出來(lái)全局最優(yōu)值vgbest(t)=maxpj∈P(t)f(pj(t))。

步驟4:根據(jù)進(jìn)化代數(shù)，按照公式(7)和公式(8)更新慣性權(quán)重和學(xué)習(xí)因子。

步驟5:根據(jù)如下公式，改變粒子的位置和速度。

vj(t+1)=w·f(pj)+c1·r1·f(pbestj)+c2·r2·

f(gbest),j=1,2,…size

步驟6:根據(jù)按照前面步驟更新之后的粒子，計(jì)算新的目標(biāo)函數(shù)值fnew(pj)。

步驟7:判斷新的目標(biāo)函數(shù)值fnew(pj)是否小于全局最優(yōu)值vgbest。

步驟8:如果目標(biāo)函數(shù)值大，全局最優(yōu)值保持; 若否，用目標(biāo)函數(shù)值換之。

步驟9:判斷是否滿足最大進(jìn)化代數(shù)，不滿足轉(zhuǎn)步4;滿足轉(zhuǎn)下一步。

步驟10:輸出全局最優(yōu)值和全局最優(yōu)變量取值。

3 系統(tǒng)集成和測(cè)試結(jié)果分析

3.1 基于DCS的節(jié)能優(yōu)化系統(tǒng)實(shí)現(xiàn)

本文在DCS控制系統(tǒng)和MDPSO算法的基礎(chǔ)上提出一種新的電力節(jié)能控制系統(tǒng)的模型，該模型由控制器，監(jiān)測(cè)設(shè)備(包含一些傳感器探測(cè)器和轉(zhuǎn)換器)，電力設(shè)備三塊組成。并將文章第2部分所提算法有機(jī)地運(yùn)用于控制器中。系統(tǒng)運(yùn)行過(guò)程如下：一開(kāi)始電力設(shè)備照常運(yùn)行，監(jiān)測(cè)設(shè)備負(fù)責(zé)將電力設(shè)備的耗能情況實(shí)時(shí)地匯總反饋給控制器，控制器將不斷接收到的數(shù)據(jù)通過(guò)MDPSO算法，按照上一章設(shè)計(jì)的算法迭代步驟進(jìn)行計(jì)算，每一輪都找出一種使得系統(tǒng)耗能最少的系統(tǒng)輸出功率，如此不斷搜索系統(tǒng)運(yùn)行最優(yōu)調(diào)度節(jié)點(diǎn)，找出一種使得整個(gè)系統(tǒng)輸出功率最少的運(yùn)行方式，并把產(chǎn)生的結(jié)果轉(zhuǎn)變?yōu)榭刂泼畎l(fā)送給電力設(shè)備，實(shí)時(shí)控制電力設(shè)備的運(yùn)行，經(jīng)過(guò)一段時(shí)間的循環(huán)往復(fù)、不斷調(diào)整，使得整個(gè)系統(tǒng)的耗能逐漸趨向于最低耗能狀態(tài)，每個(gè)電力設(shè)備的非必要能耗大大減少，從而降低了整個(gè)系統(tǒng)的電力能源消耗。而整個(gè)監(jiān)控體系都是由DCS來(lái)完成，這樣減少一部分人力資源的消耗[15]。整個(gè)系統(tǒng)是在虛擬DCS環(huán)境中運(yùn)行。

3.2 算法性能對(duì)比測(cè)試

判斷多重適應(yīng)粒子群算法的準(zhǔn)確度要用到Benchmark函數(shù)。本文用5個(gè)函數(shù)，將基本PSO，自適應(yīng)權(quán)重的PSO和多重自適應(yīng)學(xué)習(xí)因子的PSO進(jìn)行對(duì)比。

所選取的5個(gè)測(cè)試函數(shù)的搜索空間范圍是[-200，200]，為了能夠簡(jiǎn)化測(cè)試復(fù)雜度，就要簡(jiǎn)化搜索的過(guò)程，我們所選搜索變量的維度為5。并與其他算法對(duì)比。結(jié)果如表1所示。

表1 算法對(duì)比測(cè)試結(jié)果

對(duì)3種算法各運(yùn)行150次，取平均值。從表1的結(jié)果可以看出多重自適應(yīng)的粒子群算法(MAPSO)的準(zhǔn)確率比和自適應(yīng)權(quán)重的粒子群算法(AdpPSO)都高。可見(jiàn)MAPSO的精度和性能都很好。

3.3 系統(tǒng)節(jié)能效果測(cè)試仿真

從上一小節(jié)的測(cè)試結(jié)果來(lái)看，MAPSO具有搜索精度高的優(yōu)點(diǎn)，這就使得MAPSO可以應(yīng)用于電力系統(tǒng)最優(yōu)計(jì)算問(wèn)題。把MAPSO算法應(yīng)用于我們?cè)O(shè)計(jì)的基于DCS的電力節(jié)能優(yōu)化系統(tǒng)中，使用該算法來(lái)控制電力設(shè)備的狀態(tài)以達(dá)到減少非必要能源消耗的目的，用我們?cè)O(shè)計(jì)的電力節(jié)能控制系統(tǒng)和使用傳統(tǒng)算法的一般電力控制系統(tǒng)對(duì)比，節(jié)能控制效果如圖3和圖4所示。我們使用電力系統(tǒng)節(jié)能參數(shù)來(lái)衡量節(jié)能系統(tǒng)節(jié)能效果，使用電力控制超調(diào)量來(lái)衡量系統(tǒng)控制效果。

圖3 電力系統(tǒng)節(jié)能參數(shù)對(duì)比

圖4 電力系統(tǒng)控制效果對(duì)比

進(jìn)一步分析可知，本文所提的基于DCS的電力節(jié)能優(yōu)化控制系統(tǒng)使用所提算法的節(jié)能效果顯著，而且該系統(tǒng)超調(diào)量波動(dòng)比一般系統(tǒng)小，可見(jiàn)系統(tǒng)的響應(yīng)速度快，控制效果好，更加穩(wěn)定可靠。綜合考慮把權(quán)重自適應(yīng)機(jī)制和學(xué)習(xí)因子自適應(yīng)機(jī)制有機(jī)結(jié)合起來(lái)的智能粒子群算法，這樣做的好處是在運(yùn)行過(guò)程中，慣性權(quán)重可以根據(jù)進(jìn)化代數(shù)改變，而且學(xué)習(xí)因子能夠一起也改變，這就使得整個(gè)系統(tǒng)算法進(jìn)一步加強(qiáng)了它的全局搜索能力和收斂速度。仿真實(shí)驗(yàn)函數(shù)比現(xiàn)實(shí)問(wèn)題更復(fù)雜，理論性也強(qiáng)。而現(xiàn)實(shí)優(yōu)化問(wèn)題比實(shí)驗(yàn)簡(jiǎn)單，因此，一個(gè)算法在測(cè)試實(shí)驗(yàn)上的表現(xiàn)非常理想，那么完全可以說(shuō)明該算法完全可以應(yīng)用于實(shí)際工程。當(dāng)然，MAPSO有缺點(diǎn)，后期收斂速度會(huì)逐漸回落，增加時(shí)間成本。因此，考慮 MAPSO運(yùn)用到實(shí)際工程上時(shí)，仍然需要進(jìn)一步改進(jìn)。

4 結(jié)束語(yǔ)

本文提出了基于DCS的電力節(jié)能優(yōu)化控制系統(tǒng)，系統(tǒng)采用了一種多重自適應(yīng)的粒子群優(yōu)化算法。該系統(tǒng)結(jié)合了DCS良好的控制技術(shù)和多重自適應(yīng)粒子群算法收斂速度快、搜索精確度高的特點(diǎn)。從數(shù)值仿真結(jié)果可以看出，所提系統(tǒng)和算法在電力節(jié)能方面有非常好的潛力。如果能根據(jù)實(shí)際情況進(jìn)一步研究將該系統(tǒng)應(yīng)用于工程當(dāng)中去，可以預(yù)見(jiàn)能效地節(jié)約電力能耗，且能夠節(jié)約一部分人力資源。

[1] 王 磊. 論電力系統(tǒng)數(shù)字仿真技術(shù)的現(xiàn)狀與發(fā)展[J]. 企業(yè)導(dǎo)報(bào), 2011(16):296.

[2] 劉 哲. DCS在火電廠中的應(yīng)用分析[J]. 黑龍江科技信息,2012(3):14.

[3] 劉一福. DCS在火電廠應(yīng)用中的普遍問(wèn)題及分析[A]. 2004電站自動(dòng)化信息化學(xué)術(shù)技術(shù)交流會(huì)議論文集[C].中國(guó)動(dòng)力工程學(xué)會(huì)自動(dòng)控制專委會(huì)、哈爾濱工業(yè)大學(xué)、重慶大學(xué)、華北電力大學(xué),2004:4.

[4] 田 芳,黃彥浩,石東宇,等. 電力系統(tǒng)仿真分析技術(shù)的發(fā)展趨勢(shì)[J]. 中國(guó)電機(jī)工程學(xué)報(bào)，2014(13):2151-2162.

[5] 馮冰玥,陳春新. 企業(yè)配電網(wǎng)電能計(jì)量裝置及管理節(jié)能軟件設(shè)計(jì)[J]. 硅谷，2014(22)：12.

[6] 郭思源,李振文,洪 權(quán),等. 基于自適應(yīng)權(quán)重粒子群算法的PSS4B-W參數(shù)優(yōu)化研究[J]. 湖南電力, 2017(01):14-17+23.

[7] 任子暉,王 堅(jiān). 一種動(dòng)態(tài)改變慣性權(quán)重的自適應(yīng)粒子群算法[J]. 計(jì)算機(jī)科學(xué), 2009 (02): 227-229.

[8] 薛禹勝,羅運(yùn)虎,李碧君,等. 關(guān)于可中斷負(fù)荷參與系統(tǒng)備用的述評(píng)[J].電力系統(tǒng)自動(dòng)化, 2007, 31(10)：1-6.

[9] 張少華,劉 剛,李渝曾. 考慮提前通知的可中斷負(fù)荷管理模型[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2008, 20(4): 63-66.

[10] 張長(zhǎng)勝,孫吉貴,歐陽(yáng)丹彤. 一種自適應(yīng)離散粒子群算法及其應(yīng)用研究[J]. 電子學(xué)報(bào), 2009, 37(2): 299-304.

[11] 謝 晶. 電力系統(tǒng)節(jié)能優(yōu)化控制過(guò)程仿真分析[J]. 計(jì)算機(jī)仿真,2014(8):110-113.

[12] 陳鑄華,李 曉. 電力系統(tǒng)故障診斷的多智能體粒子群優(yōu)化算法[J]. 計(jì)算機(jī)測(cè)量與控制, 2010,18(8):1753-1755,1758.

[13] 周利軍,劉學(xué)軍. 電力虛擬儀器數(shù)據(jù)采集電路設(shè)計(jì)與分析[J]. 計(jì)算機(jī)測(cè)量與控制,2003(9):707-709,715.

[14] 張 丹,佘 維. 基于Petri網(wǎng)的電力系統(tǒng)監(jiān)控?cái)?shù)據(jù)多點(diǎn)校核方法[J]. 計(jì)算機(jī)測(cè)量與控制,2016,24(4):101-104.

[15] 印 姍,王 遠(yuǎn),張 成. 基于嵌入式操作系統(tǒng)的無(wú)線電力監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J]. 計(jì)算機(jī)測(cè)量與控制,2017,25(3):22-23,28.

[16] 鐘 洋. I/A DCS系統(tǒng)的PID參數(shù)優(yōu)化整定[J]. 儀器儀表用戶,2013,20(06):45-47.