粗糙集理论在在线互动式UPS中的应用

时间:2022-10-27 12:23:51

粗糙集理论在在线互动式UPS中的应用

摘要:在线互动式UPS具有结构简单、可靠性高、效率高等优点,已经广泛地应用于各行业,而且正逐步走向家庭。但是随着各种电器设备种类增加,要求UPS必须对负载具有宽适应性。另外,电力品质的下降以及其他一些不确定干扰因素的存在,使得UPS很难做出准确的控制。利用粗糙集在处理不确定数据方面的优势,采用粗糙集理论对UPS进行响应控制,该方法经实际验证,取得了比较好的效果。

关键词:UPS;不确定;粗糙集

中图分类号:TP303.3文献标识码:A文章编号:1009-3044(2008)25-1536-03

The Application of Rough Set in Line-Interactive UPS

SUN Jie1,2, LI Yun-fei1, WANG Lin1

(1. School of Computer Science &Technology, Suzhou University, Suzhou 215021, China; 2. Abler Electronics (Suzhou) Co. Ltd, Suzhou 215128, China)

Abstract: The Line-Interactive UPS, which has been widely used in various industries, has simple structure, high reliability and high efficiency advantages. Now, it's gradually moving toward the family. With the increase in various types of electrical equipment, UPS must have the capacity of wide adaptability of the load. Otherwise, the decline of power quality and interfere with other uncertain factors, UPS is very difficult to make precise control. A UPS control method of using rough set theory, which has advantages of dealing with the uncertainty data, after the actual verification achieved good results.

Key words: UPS; uncertainty; rough set

1 引言

UPS是不间断电源(Uninterruptible Power System)的英文简称,是能够提供持续、稳定、不间断的电源供应的重要外部设备。根据工作方式的不同,UPS可分为后备式、在线式、在线互动式和Delta变换型四种。

在线互动式UPS的控制方法主要是基于专家系统的规则提取法,根据设计者的经验来选定控制参数。由于负载类型的不确定性,这种控制方法很难完全满足要求。

粗糙集理论是一种处理不完整和不确定性知识的数学工具,现已应用在知识挖掘、故障诊断、智能控制等领域中。所以,在UPS的控制中采用粗糙集理论有比较好的针对性。

2 粗糙集理论

粗糙集理论是Pawlak Z及其合作者于1982年提出的一种处理模糊性和不精确问题的新型数学工具[1]。它的最大特点是不需要提供求解问题时所需处理的数据集合之外的任何先验信息(如统计中要求的先验概率和模糊集中要求的隶属度),即能有效地分析和处理不精确、不一致、不完整等各种不完备数据,并从中发现隐含的知识,揭示潜在的规律[2]。

2.1 粗糙集的基本概念

2.1.1 不可分辨关系和基本集

分类过程中,相差不大的个体被归于同一类,它们的关系就是不可分辨关系。基本集定义为由论域中相互间不可分辨的对象组成的集合,是组成论域知识的颗粒。不可分辨关系这一概念在粗糙集理论中十分重要,它深刻揭示出知识的颗粒状结构,是定义其它概念的基础。

2.1.2 集合的上下逼近和边界区[3]

给定一个有限的非空集合U称为论域,R为U中一族等效关系,二元对K=(U,R)称为一个近似空间。设 X 为 U 中的一个对象,X为U的一个子集,R(x)表示所有与x不可分辨的对象所组成的集合,换句话说,是由x决定的等效类,即R(x)中的每个对象都与x有相同的特征属性。集合X关于R 的下逼近定义为R*(x);集合x关于R的上逼近定义为R*(x),表达式如下:

■(1)

■ (2)

R*(x)实际上由那些根据现有知识判断肯定属于X的对象所组成的最大集合,有时也称为X的正区,记作POS(x);同样,肯定不属于X的对象组成的集合称为X 的负区,记作NEG(X)。R*(x)是由所有与X 相交非空的等效类R(x)的并集,是那些可能属于X的对象组成的最小集合。显然有:

■ (3)

集合X 的边界区定义为:

■ (4)

BND(X)为集合X的上逼近与下逼近之差。如果BND(X)是空集,则称X关于R是清晰的;反之如果BND(X)不是空集,则称集合X为关于R的粗糙集。

2.2 属性约简和核

属性约简是粗糙集理论的核心内容之一。知识库中知识并不是同等重要的,甚至其中某些知识是冗余的。所谓知识约简,就是在保持知识库分类能力不变的条件下,根据其等价关系删除其中不相关或不重要的属性,从而简化决策表。

令 R为一族等价关系,r∈R,如果:

■ (5)

则称r为R 中不必要的;否则r称为R中必要的。如果每一个r都为R中必要的,则称R为独立的。设Q∈P,如果Q是独立的,且IND(Q)∈IND(P),则称Q为P的一个约简。P 中所有必要关系的集合称为P的核,记为:CORE(P)。

3 在UPS中的实际应用

3.1 粗糙集控制在UPS中的基本模型

粗糙集控制模型框图如图1所示。首先采集UPS各侦测点的反馈数据,选取其中一部分数据作为训练样本,另外一部分作为验证样本。经过数据归一化处理,使数据具有同一性,方便数据的离散化。离散化之后接着就是进行属性约简从而得到核集,然后提取决策规则存入相应的规则库。最后用采集到的验证样本数据进行验证,如果验证结果有误,则重新进行选择样本进行规则的提取,直到结果满意为止,最终应用到UPS中。

图1 粗糙集控制基本模型

3.1.1 数据采集

本文用某公司型号为JOXL 1KVA 230V在线互动式UPS为实验对象,将机器的输入电压、输入电流、输出电压、输出电流、电池电压作为条件属性;相应的UPS动作为决策属性,比如:升压、降压、AC-DC、DC-AC、关机。实验环境及设备说明如表1所示。

表1实验环境及设备说明

3.1.2 数据预处理

UPS通过硬件电路对各侦测点进行采样,反馈信息都是电压值的形式。由于输入信号的变化以及负载类型的不确定,输出响应一般也不同,再加上各侦测点的幅值也不尽相同,所以在利用粗糙集提取规则之前必须对数据先进行归一化处理。这里把实际采集的数据转化为决策隶属度值,表达式如下[5]:

■ (6)

注:X为被侦测电路点的实际电压值;X0为UPS正常做出响应时应测得的标准电压的参考值;a为修正系数;e为侦测电路点的正常浮动范围,即容差;t为侦测电路点的极限偏差;μ为侦测电路点属于某种负载的隶属度。

因为粗糙集只能处理离散化数据,所以还要对归一化之后的连续性隶属度数值先作离散化处理,本文采用等距离散化方法[6]进行数据的离散化,形成最初的动作决策表。

3.1.3 属性约简和决策规则提取

先把最初决策表的相同知识合并,再利用目前最常用的区分矩阵的方法进行属性约简,得到最终的决策表。然后从决策表中提取决策规则,表示成“IF…THEN…”形式并存入相应的决策规则库。最后就是利用先前采集的验证样本数据对决策规则进行验证,经过验证修改最终得到比较满意的决策规则。

3.2 与原产品控制方法对比

这里以AC-DC的切换时间作为比较对象,分别测试整流载和电阻载在模拟市电断电情况下UPS的相应动作,同时用示波器截取波形记录切换时间。以负载量50%、80%和100%的情况作为参考,如表2所示。

表2 AC-DC切换时间表

以上测试数据是经过50次切换后得到的平均值,由此可以看出在两种负载类型的情况下利用粗糙集控制要均好于原先的控制方法,尤其表现在切换时间的稳定性方面。

4 结论

本文针对UPS工作过程中负载类型的不确定所导致的一些误动作问题,采用了粗糙集理论进行响应控制。通过采集UPS本身的侦测数据,然后进行属性的约简,最终得到决策规则。并进行了相关项目的验证,证明此方法在UPS在带载能力上有更好的稳定性和适应性,在相关领域有一定的参考意义。

参考文献:

[1] Pawlak Z. Rough set theory and its applications to data analysis[J]. Cybernetics and Systems, 1998,29(7):661-688.

[2] 王国胤. Rough集理论与知识获取[M]. 西安:西安交通大学出版社,2001.

[3] 韩祯祥, 张琦, 文福拴. 粗糙集理论及其应用[J]. 信息与控制,1998,27(1):2-3.

[4] 曾黄麟. 粗集理论及其应用――关于数据推理的新方法[M]. 重庆:重庆大学出版社,1998.

[5] 朱大奇. 电子设备故障诊断原理与实践[M]. 北京:电子工业出版社,2004.

[6] 马玉良. 知识获取中的Rough Sets理论及其应用研究[D]. 浙江:浙江大学,2005.

上一篇:基于Visual FoxPro的多媒体数据快速处理技术 下一篇:基于ASP技术的网络教学系统的设计