《Engineering Applications of Artificial Intelligence》：Research on aero-engine health monitoring method based on interpretable deep neural networks
编辑推荐：
在电力信息物理系统（Cyber-Physical Systems, CPS）的短路故障工况下，发电机振荡对系统的安全稳定运行构成严重威胁。本研究提出一种混合控制器——液态状态空间模型比例-积分-微分控制器（Liquid State Space Model Pr
在电力信息物理系统（Cyber-Physical Systems, CPS）的短路故障工况下，发电机振荡对系统的安全稳定运行构成严重威胁。本研究提出一种混合控制器——液态状态空间模型比例-积分-微分控制器（Liquid State Space Model Proportional-Integral-Derivative, LSSM-PID），将液态状态空间模型（LSSM）与传统比例-积分-微分（PID）控制相结合。通过选取适当的状态矩阵以表征被控对象的状态信息，LSSM为PID控制器提供有效的参数更新。利用LSSM处理序列数据并动态调整其状态转移矩阵的能力，所提控制器实现了PID增益的实时自适应整定。研究人员将LSSM-PID控制器应用于单机无穷大母线（Single Machine Infinite Bus, SMIB）电力CPS。仿真实验在短路故障与通信层网络干扰条件下，将其抑制发电机振荡的能力与反向传播神经网络PID（Backpropagation Neural Network PID, BP-PID）控制器、循环神经网络PID（Recurrent Neural Network PID, RNN-PID）控制器以及无控制器基线方案进行了对比评估。例如，在2 ms扰动的三相短路故障下，LSSM-PID控制器的超调量为1.154079，优于BP-PID（3.294508）与RNN-PID（1.504131），在所测试方法中展现出最佳的综合控制性能。总体而言，结果表明LSSM-PID控制器在所有测试工况下均能提供更强的振荡抑制能力与更快的恢复速度，验证了其在复杂动态系统中的有效性。
## 研究背景与意义
随着智能电网的快速发展与广泛部署，电力信息物理系统（Cyber-Physical Systems, CPS）通过物理电力层与信息通信层的深度融合而不断演进。然而，伴随可再生能源渗透率的不断提升，其间歇性与随机性使系统输出对天气及时段等外部因素的波动愈发敏感，由此带来的低频振荡或次同步振荡问题日益突出。发电机振荡不仅会加剧设备机械与热应力、加速元件老化、降低能量转换效率，更可能通过输电线路向整个电网传播，引发功率振荡、电压失稳乃至大面积停电等级联故障。因此，研究有效的发电机振荡抑制技术成为电力CPS稳定性研究中亟待突破的关键方向。
传统比例-积分-微分（Proportional-Integral-Derivative, PID）控制器因结构简单、实现成本低而被广泛应用，但其固定增益设计在短路故障或网络干扰等突发工况下缺乏自适应性与鲁棒性。近年来，基于神经网络的智能控制方法（如BP-PID）虽能在线优化增益，但在处理长时间序列数据与强非线性动态时仍存在局限。模糊控制、模型预测控制（Model Predictive Control, MPC）以及强化学习（Reinforcement Learning, RL）等方法各有优势，但在透明性、计算效率与高维非线性适配性方面仍面临挑战。液态神经网络（Liquid Neural Network）凭借其在动态系统建模上的优势引起广泛关注，结构化状态空间模型（Structural State-Space Models, SSMs）的发展进一步提升了其对长时序数据的处理能力，但其在电力系统控制领域的潜力尚未充分挖掘。
针对上述问题，研究人员提出了一种LSSM-PID混合控制器，将液态状态空间模型（Liquid State Space Model, LSSM）与传统PID控制相融合，发表于《Engineering Applications of Artificial Intelligence》。该控制器通过LSSM对长时序数据的处理能力与状态转移矩阵的动态调整能力，实现PID增益的实时自适应整定，并通过误差反向传播机制持续优化状态转移矩阵，避免了求解复杂微分方程，提高了计算效率与控制稳定性。研究意义在于为电力CPS在复杂动态环境下的振荡抑制提供了兼具模型一致性与数据驱动自适应性的解决方案。
## 研究方法
研究人员采用MATLAB/Simulink与TrueTime2.0联合搭建电力CPS仿真平台，其中TrueTime2.0模拟通信层、单机无穷大母线（Single Machine Infinite Bus, SMIB）模型表征物理电力层，信息层采用CSMA/CD网络协议连接控制单元，并通过"干扰节点"模块引入基于带宽的网络拥塞干扰。控制器设计的核心方法包括：在每个控制时间步k计算速度误差e(k)=r(k)?y(k)，构造由误差、一阶差分Δe(k)与二阶差分组成的特征向量并进行归一化；通过LSSM的状态空间方程动态生成PID三参数；利用误差反向传播机制更新状态转移矩阵，避免直接求解复杂微分方程。对比方案包括BP-PID、RNN-PID与无控制器基线。
## 研究结果
**SMIB电力CPS模型构建**：物理层由单台发电机经变压器与双回输电线路接入无穷大母线构成，信息通信层采用CSMA/CD协议组网，建立了能够模拟短路故障与通信干扰的仿真模型。
**LSSM-PID控制器设计与稳定性分析**：基于状态空间形式建立LSSM-PID控制器，通过选取合适的状态矩阵表征被控对象状态信息，并利用误差反向传播机制持续优化状态转移矩阵，使PID增益能够根据系统动态进行实时自适应整定，理论分析表明该控制器具有良好的稳定性。
**短路故障下的控制性能对比**：在三相短路故障（2 ms扰动）下，LSSM-PID控制器的超调量为1.154079，显著优于BP-PID（3.294508）与RNN-PID（1.504131），在抑制发电机振荡方面表现最佳。
**通信层网络干扰下的鲁棒性验证**：在网络延迟与丢包工况下，LSSM-PID控制器仍能有效抑制振荡并快速恢复稳定，展现出较其他方案更强的适应性与鲁棒性。
## 讨论与结论
本研究提出的LSSM-PID控制器将人工智能与经典PID控制相融合，兼具传统PID调节的鲁棒性与液态状态空间模型（LSSM）的自适应学习能力。在状态空间框架下，LSSM能够适应长时序动态特性，并通过误差反向传播更新状态转移矩阵，避免了求解复杂微分方程，提高了计算效率。仿真结果表明，在短路故障与通信层网络干扰等复杂工况下，LSSM-PID控制器在振荡抑制能力与系统恢复速度方面均优于BP-PID、RNN-PID以及无控制器基线方案，验证了该方法在复杂动态系统中的有效性与实用价值，为电力CPS稳定控制提供了新的技术路径。
