1.一种针对负荷频率控制的网络化鲁棒稳定性分析与优化的方法，其特征在于，包括以下步骤：获取发电机、调速器、原动机的传递函数模型；

基于传递函数模型，建立含通信时延的单区域电力系统模型；

设计PI控制器，将PI控制转化为电力系统的输出反馈控制，得到电力系统的闭环控制状态空间模型；

在没有负荷扰动的情况下，得到电力系统的渐进稳定的控制律；

以H∞最优性能指标为控制目标，求解满足系统状态和输入约束的控制律，从而设计鲁棒H∞控制器。

2.根据权利要求1所述的针对负荷频率控制的网络化鲁棒稳定性分析与优化的方法，其特征在于，发电机、调速器、原动机的传递函数模型为：式中，ΔPm、ΔPd、ΔPv分别为原动机机械输出偏差、电力系统负荷变化量、调速器阀门位置偏差，Kps、Tps、Tg、Tch分别为发电机的增益系数、发电机的时间常数、原动机的时间常数、调速器的时间常数，Δω为发电机的转速变化量且Δω＝2ΠΔf，ΔPg为调速器的输出功率偏差，s为拉普拉斯算子。

3.根据权利要求2所述的针对负荷频率控制的网络化鲁棒稳定性分析与优化的方法，其特征在于，基于传递函数模型，建立含通信时延的单区域电力系统模型包括：建立单区域的负荷频率控制电力系统的状态空间方程：T T T T T T

式中，x(t)＝[Δf(t) ΔPm(t) ΔPv(t) ∫ACE (s)] ，y(t)＝[ACE ∫ACE] ，u(t)为控制器控制量， R为调速器的速度跌落系数，ACE为区域频率误差且计算公式为：ACE＝βΔf

式中，β为频率偏差因子。

4.根据权利要求3所述的针对负荷频率控制的网络化鲁棒稳定性分析与优化的方法，其特征在于，设计PI控制器，将PI控制转化为电力系统的输出反馈控制，得到电力系统的闭环控制状态空间模型包括：考虑到网络传输中传感器到控制器通道通信时延的影响，设计PI控制器：u(t)＝‑KPACE‑KI∫ACE式中，KP、KI为PI控制器的增益；

T

定义y(t)＝[y(t) ∫y(t)]，K＝[KP KI]，则：u(t)＝‑Ky(t‑τ(t))

式中，τ(t)为通信网络中的时延；

则含时延的电力系统负荷频率控制的单区域模型的闭环系统表示为：其中，L＝‑BKC，关于时延τ(t)，有如下定义：

0<τ(t)<τM,

式中，τM为通信通道中存在的最大允许时延，α是时延导数的上限。

5.根据权利要求4所述的针对负荷频率控制的网络化鲁棒稳定性分析与优化的方法，其特征在于，时延为时变时延或者固定时延。

6.根据权利要求4所述的针对负荷频率控制的网络化鲁棒稳定性分析与优化的方法，其特征在于，在没有负荷扰动的情况下，基于LMI和Lyapunov‑Krasovskii泛函，得到电力系统的渐进稳定的控制律，具体包括：(1)选取如下的Lyapunov‑Krasovskii泛函：V(t)＝V1(t)+V2(t)+V3(t)T

V1(t)＝x(t) Px(t)

式中，P、S1、S2、Z为实对称矩阵；

(2)根据线性系统理论中渐进稳定的定义，当李雅普诺夫泛函的导数小于0时，系统渐进稳定，则泛函求一次导，得：由于 因此 表示为：

T

有引理说明：存在任意的矩阵 R＝R >0，标量τ>0，以及向量函数则下式成立：

根据上述引理所示， 表示为：

T

定义：η(t)＝[x(t) x(t‑τ(t)) x(t‑τM)]则 的导数：

当Φ<0，系统是渐进稳定的；根据Lyapunov理论和Schur补性质，得到系统渐近稳定的控制律为：当ΔPd＝0时，如果存在实对称矩阵P>0，S1、S2>0，Z>0以及标量α和τM，使得下列不等式成立，则系统是稳定的：T

其中，M＝AP+PA+S1+S2，*表示对称。

7.根据权利要求6所述的针对负荷频率控制的网络化鲁棒稳定性分析与优化的方法，其特征在于，以H∞最优性能指标为控制目标，求解满足系统状态和输入约束的控制律，从而设计鲁棒H∞控制器包括：定义性能指标：

式中，γ为衰减指数；该式也可以表示为：即：

定义： 则：

根据Schur补性质，得到系统的鲁棒稳定判据：对于给定的衰减度γ>0，初始值为x(0)＝0的情况下，外部扰动ΔPd(t)与输出反馈y(t)满足H∞范数约束条件 且满足下式：则闭环系统在PI控制器的控制下鲁棒稳定。

8.根据权利要求1或7所述的针对负荷频率控制的网络化鲁棒稳定性分析与优化的方法，其特征在于，该方法还包括步骤：最后通过mincx函数对系统的H∞最优性能指标的衰减指数γ进行优化，并利用智能算法对得到的鲁棒控制器进行优化，得到最优控制律。

9.根据权利要求8所述的针对负荷频率控制的网络化鲁棒稳定性分析与优化的方法，其特征在于，对鲁棒性能进行优化包括：利用matlab工具箱中的mincx函数，对鲁棒性能标准进行优化，从而得到最优的衰减系数γ和相对应的PI控制器参数；

控制器的优化包括：

对于控制器的优化，采用智能算法对得到的控制器进行优化设计，使得到的控制器满足H∞性能标准且保守性更低；通过对比灰狼算法、灰狼+遗传算法或灰狼+粒子群算法得到性能更优的控制器。