基于AGC的高压互联网络频率协调控制
|
摘要
针对高压互联网络频率协调困难,而自动发电控制存在控制跟踪性能差、参数最优值获取难、优化效果不明显等问题,提出了一种基于模拟退火粒子群寻优算法的闭环反馈自动发电控制。改进后的寻优算法结合了模拟退火和粒子群算法的优点,通过该算法对控制器关键参数进行寻优以使区域控制偏差值最小。由MATLAB/Simulink仿真分析验证了四机两区域模型联络线发生故障时,改进参数的闭环反馈AGC控制器能较快地使系统恢复稳定,且能较好地达到频率协调的控制作用。
Due to the difficulty of the frequency coordination in high voltage interconnection network and the problems of poor tracking performance, difficult parameter optimization and poor optimization effect, a closed-loop feedback automatic generation control based on simulated annealing and particle swarm optimization algorithm is proposed. The improved optimization algorithm combines the advantages of simulated annealing and particle swarm optimization, and optimizes the key parameters of the controller to minimize the value of area control error, so that the system can recover stably quickly. The simulation results of MATLAB/Simulink verify that the closed loop feedback AGC controller with improved parameters can restore the stability of the system quickly and achieve the control effect of frequency coordination when the tie-line of the four-machine two-area model fails.
Due to the difficulty of the frequency coordination in high voltage interconnection network and the problems of poor tracking performance, difficult parameter optimization and poor optimization effect, a closed-loop feedback automatic generation control based on simulated annealing and particle swarm optimization algorithm is proposed. The improved optimization algorithm combines the advantages of simulated annealing and particle swarm optimization, and optimizes the key parameters of the controller to minimize the value of area control error, so that the system can recover stably quickly. The simulation results of MATLAB/Simulink verify that the closed loop feedback AGC controller with improved parameters can restore the stability of the system quickly and achieve the control effect of frequency coordination when the tie-line of the four-machine two-area model fails.
引文
[1] 瞿艳霞,马覃峰,时伯年. 柔性直流互联电网的孤岛频率快速控制技术[J]. 电力建设, 2017, 38(6): 73-79.
[2] 王路平,谢小荣,刘颖,等. 多直流馈入受端电网短期频率稳定性的实时协调控制方法[J]. 中国电机工程学报, 2018, 38(8): 2205-2212,2531.
[3] 杨仲超. 异步联网系统直流双极闭锁后频率控制措施研究[D]. 广州: 华南理工大学, 2015.
[4] 赵万宗,李滨,韦化,等. 互联电网CPS标准下计及一次调频的最优AGC控制模型[J]. 中国电机工程学报, 2016, 36(10): 2656-2664.
[5] 艾小猛,廖诗武,文劲宇. 多区域互联电网主要联络线AGC控制性能评价指标[J]. 电力系统自动化, 2013, 37(21): 111-117.
[6] 杨平,董国威. 互联电网AGC的分数阶PID控制[J]. 电力系统及其自动化学报, 2013, 25(3): 124-129.
[7] YOGENDRA A. Automatic generation control of two-area electrical power systems via optimal fuzzy classical controller [J]. ScienceDirect, 2018, 16(32): 2662-2688.
[8] 徐敏,陈亦平,涂亮,等. 异步联网后AGC超调引起频率波动的问题分析[J]. 广东电力, 2017, 30(5): 81-86.
[9] 王怀智,余涛,唐捷. 基于多智能体相关均衡算法的自动发电控制[J]. 中国电机工程学报, 2014, 34(4): 620-627.
[10] 李金龙,袁贵川,周剑,等. 基于特高压功率与电网频率偏差的省级电网AGC复合闭锁策略研究[J]. 电力系统保护与控制, 2017, 45(24): 108-114.
[11] 赵炜.基于蚁群算法的群智能理论在系统优化中的应用研究[D].保定:华北电力大学,2015.
[12] DAMIR V, MIKULA? H, PAULO-MOURA O. PID controller tuning for integrating processes[J]. IFAC-PapersOnLine, 2018, 51(4): 586-591.
[13] 蒋世雨,张雪萍,李裕,等. AGC中PID控制器的改进与研究[J]. 河南科学, 2018, 36(2): 186-192.
[14] 杨平,董国威. 互联电网AGC控制研究进展[J]. 华东电力, 2011, 39(9): 1488-1492.
[15] 谢宏,李云峰,陈海滨,等. 混合粒子群算法优化支持向量机电路故障诊断[J]. 电子测量与仪器学报, 2018, 32(3): 67-72.
[16] 李成,吕柏权,王智磊. 基于分阶型的改进粒子群优化算法[J]. 电子测量技术, 2018, 41(14): 35-40.
[17] 郭巳秋,宋玉龙,宋策,等. 改进惯性权重的粒子群目标跟踪算法[J]. 国外电子测量技术, 2017, 36(1): 17-20,26.
[2] 王路平,谢小荣,刘颖,等. 多直流馈入受端电网短期频率稳定性的实时协调控制方法[J]. 中国电机工程学报, 2018, 38(8): 2205-2212,2531.
[3] 杨仲超. 异步联网系统直流双极闭锁后频率控制措施研究[D]. 广州: 华南理工大学, 2015.
[4] 赵万宗,李滨,韦化,等. 互联电网CPS标准下计及一次调频的最优AGC控制模型[J]. 中国电机工程学报, 2016, 36(10): 2656-2664.
[5] 艾小猛,廖诗武,文劲宇. 多区域互联电网主要联络线AGC控制性能评价指标[J]. 电力系统自动化, 2013, 37(21): 111-117.
[6] 杨平,董国威. 互联电网AGC的分数阶PID控制[J]. 电力系统及其自动化学报, 2013, 25(3): 124-129.
[7] YOGENDRA A. Automatic generation control of two-area electrical power systems via optimal fuzzy classical controller [J]. ScienceDirect, 2018, 16(32): 2662-2688.
[8] 徐敏,陈亦平,涂亮,等. 异步联网后AGC超调引起频率波动的问题分析[J]. 广东电力, 2017, 30(5): 81-86.
[9] 王怀智,余涛,唐捷. 基于多智能体相关均衡算法的自动发电控制[J]. 中国电机工程学报, 2014, 34(4): 620-627.
[10] 李金龙,袁贵川,周剑,等. 基于特高压功率与电网频率偏差的省级电网AGC复合闭锁策略研究[J]. 电力系统保护与控制, 2017, 45(24): 108-114.
[11] 赵炜.基于蚁群算法的群智能理论在系统优化中的应用研究[D].保定:华北电力大学,2015.
[12] DAMIR V, MIKULA? H, PAULO-MOURA O. PID controller tuning for integrating processes[J]. IFAC-PapersOnLine, 2018, 51(4): 586-591.
[13] 蒋世雨,张雪萍,李裕,等. AGC中PID控制器的改进与研究[J]. 河南科学, 2018, 36(2): 186-192.
[14] 杨平,董国威. 互联电网AGC控制研究进展[J]. 华东电力, 2011, 39(9): 1488-1492.
[15] 谢宏,李云峰,陈海滨,等. 混合粒子群算法优化支持向量机电路故障诊断[J]. 电子测量与仪器学报, 2018, 32(3): 67-72.
[16] 李成,吕柏权,王智磊. 基于分阶型的改进粒子群优化算法[J]. 电子测量技术, 2018, 41(14): 35-40.
[17] 郭巳秋,宋玉龙,宋策,等. 改进惯性权重的粒子群目标跟踪算法[J]. 国外电子测量技术, 2017, 36(1): 17-20,26.