CN103346560B - 一种电网时空特性的交直流协调控制方法 - Google Patents

Abstract

本发明涉及电力系统领域，具体涉及一种电网时空特性的交直流协调控制方法。该方法考虑电网时间、空间特性，通过电网监测数据识别系统扰动幅度大小，采用粒子群算法对直流调制器参数进行优化，自适应调节直流输送功率，实现多回交直流系统的协调控制，改善暂态稳定水平。本发明合理利用网内资源，是提高电网安全性和经济效益的有效途径，并对保证电网正常运行的经济性、安全性、可靠性具有重要的意义。

Description

一种电网时空特性的交直流协调控制方法

技术领域

本发明涉及电力系统领域，具体涉及一种电网时空特性的交直流协调控制方法。

背景技术

特高压直流投运给西北电网安全稳定运行带来了新的挑战，同时由于特高压直流具有大容量、快速功率调控能力，因此充分利用直流功率调制控制，可以提升电网抵御故障冲击的能力和改善扰动后混联系统动态特性。目前交直流互联电网多利用直流系统的快速调节特性来改善系统运行的稳定性：直流功率紧急提升或回降，以两侧频率为输入信号的频率控制，改善交流电压稳定性的无功功率调制，抑制系统振荡的附加阻尼控制，多端直流系统的功率调制技术。国外也有大量文献研究利用直流功率调制功能来提高系统动态稳定性和暂态稳定性。但目前对于功率调制而言，功率调制还不能实现根据系统扰动自适应调节的目的，其应用具有一定局限性。

发明内容

针对现有技术的不足，本发明提供一种电网时空特性的交直流协调控制方法，本发明考虑电网时空特性，采用粒子群优化算法对直流功率调制器参数进行优化，以达到合理分配资源，系统扰动最小、阻尼最强，提高电网安全性和经济效益的目的。

本发明的目的是采用下述技术方案实现的：

本发明提供一种电网时空特性的交直流协调控制方法，其改进之处在于，所述方法基于实时状态信息采集，结合电网时间和空间特性（故障后保证电网安全运行采取措施的时序和网内直流地理上分布情况），通过电网监测数据识别系统扰动幅度大小，采用粒子群优化法对协调控制器参数进行优化，自适应调节直流输送功率。

优选的，直流输送功率用下述表达式表示：

$\mathrm{\&Delta;}{P}_{{\mathrm{HVDC}}_i}=\frac{1}{1+T_{\mathrm{mes}}s}\frac{T_{\mathrm{\&omega;}}s}{1+T_{\mathrm{\&omega;}}s}\frac{K_p}{1+T_{0}s}\frac{1+T_{1}s}{1+T_{2}s}\frac{1+T_{3}s}{1+T_{4}s}\underset{j<k}{\mathrm{\&Sigma;}}\mathrm{\&Delta;}{\mathrm{\&omega;}}_i---<1>;$

其中：T_mes为功率测量滞后时间常数，T_ω为功率测量滤波时间常数，K_p为功率调制增益，T₀为滤波器参数，T₁为第一个超前时间常数，T₂为第一个滞后时间常数，T₃为第二个超前时间常数，T₄为第二个滞后时间常数，为第i条直流功率调制输出量，Δω_i为第i台发电机与同步转速的偏差；

在调节直流输送功率时，T_mes、T_ω、T₂、T₄不变，增益K_p和时间常数T₀、T₁、T₃进行优化；

增强电网-数学模型系统每个机电振荡模式的阻尼，基于特征值的目标函数如下：

J₁＝max{Real(λ_i)}<2>；

J₂＝min{ξ_i}<3>；

其中：Real(λ_i)、ξ_i分别为每个振荡模式特征值的实部和阻尼比。

优选的，采用粒子群优化法对协调控制器参数进行优化包括下述步骤：

（1）输入协调控制器参数，并确定每个参数的上下限值；

（2）在满足控制变量约束条件下，确定种群中每个粒子初始位置和初始速度；

（3）应用牛顿-拉夫逊迭代法种群中的每个粒子进行潮流计算；

（4）根据潮流计算结果以及收敛性是否满足要求，评估种群中每个粒子的适应值；

（5）确定每个粒子的个体最优，记为pBest，pBest中的最优个体即为种群最优gBest；

（6）更新计数器t=t+1；

（7）更新惯性权重ω；

（8）确定每个粒子的速度；

（9）确定每个粒子的位置：若粒子在某一维超出其搜索空间，则限制粒子在搜索空间的边界；

（10）应用牛顿-拉夫逊迭代法进行潮流计算，重新评估每个粒子的适应值，根据每个粒子的适应值大小，判断是否更新每个粒子的pBest和整个种群的最优粒子gBest；

（11）若满足停止标准，则转向步骤（12），否则转向步骤（6）；

（12）输出最优解，即最后一次迭代后的整个种群的最优粒子gBest。

较优选的，所述步骤（1）中，协调控制器参数包括：协调控制器增益K_Pi、滤波器参数T₀、第一个超前时间常数T₁、第一个滞后时间常数T₂、第二个超前时间常数T₃。

较优选的，所述步骤（2）中，控制变量包括：协调控制器参数上下限和直流功率变化上下限，控制变量约束条件用下述表达式组表示：

$K_{\mathrm{Pi}}^{\min }\&le;K_{\mathrm{Pi}}\&le;K_{\mathrm{Pi}}^{\max }---<4>;$

$T_{0i}^{\min }\&le;T_{0i}\&le;T_{0i}^{\max }---<5>;$

$T_{1i}^{\min }\&le;T_{1i}\&le;T_{1i}^{\max }---<6>;$

$T_{3i}^{\min }\&le;T_{3i}\&le;T_{3i}^{\max }---<7>;$

$P_{\mathrm{MOD}\min }\&le;\mathrm{\&Delta;}{P}_{{\mathrm{HVDC}}_i}\&le;P_{\mathrm{MOD}\max }---<8>;$

其中：增益K_Pi取值范围为0.001～50；时间常数T₀∈[0.01,1.0]、T₁∈[0.01,1.0]，T₃∈[0.01,1.0]，T_mes=0.01、T_ω=10、T₂=0.20、T₄=0.20；根据目标函数，采用粒子群优化法得到优化后的功率调制器参数集{K_pi,T_0i,T_1i,T_3i,i＝1,2,...,n_HVDC}。

较优选的，所述步骤（7）中，用下述表达式更新惯性权重ω：

$\mathrm{\&omega;}={\mathrm{\&omega;}}_{\max }-\frac{{\mathrm{\&omega;}}_{\max }-{\mathrm{\&omega;}}_{\min }}{{\mathrm{iter}}_{\max }}\&times;\mathrm{iter}---<9>;$

其中：iter_max是迭代的最大值，iter是当前迭代次数。

较优选的，所述步骤（8）中，用下述表达式确定每个粒子的速度：

其中：下标d表示迭代次数；x_d表示d次迭代时的粒子空间位置；v_d表示d次迭代时的粒子速度；ω为惯性权重；为学习因子；rand()是介于0～1之间的随机数；k是约束因子，用下述表达式表示：

其中，

较优选的，所述步骤（9）中，用下述表达式确定每个粒子的位置：

x_d+1＝x_d+v_d+1<12>。

较优选的，所述步骤（10）中，根据基于特征值的目标函数判断是否更新每个粒子的pBest和整个种群的最优粒子gBest。

较优选的，所述步骤（11）中，停止标准指的是J₁最小化且J₂最大化，并且满足目标函数和不等式约束方程。

与现有技术比，本发明达到的有益效果是：

本发明提供的电网时空特性的交直流协调控制方法，根据系统扰动幅度大小，自适应调节直流功率调制器参数，改变了直流调制的被动局面，增强系统阻尼，合理利用网内资源，实现了交直流电网的闭环协调控制，是提高电网安全性和经济效益的有效途径，对保证电网正常运行的经济性、安全性、可靠性具有重要的意义。

附图说明

图1是本发明提供的直流区域与局部电网阻尼控制协调示意图；

图2是本发明提供的粒子群优化算法的流程图；

图3是本发明提供的实际响应特性曲线对比曲线图；

图4是本发明提供的电网时空特性的交直流协调控制方法的流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细说明。

本发明提供了一种电网时空特性的交直流协调控制方法，其流程图如图4所示，该方法是基于实时状态信息采集，考虑电网时间、空间特性，通过识别系统扰动幅度大小，采用粒子群算法对直流调制器参数进行优化，自适应调节直流输送功率，实现多回交直流系统的协调控制，改善暂态稳定水平。

通常对于直流功率调制一般通过以下方法实现，直流输送功率用下述表达式表示：

$\mathrm{\&Delta;}{P}_{{\mathrm{HVDC}}_i}=\frac{1}{1+T_{\mathrm{mes}}s}\frac{T_{\mathrm{\&omega;}}s}{1+T_{\mathrm{\&omega;}}s}\frac{K_p}{1+T_{0}s}\frac{1+T_{1}s}{1+T_{2}s}\frac{1+T_{3}s}{1+T_{4}s}\underset{j<k}{\mathrm{\&Sigma;}}\mathrm{\&Delta;}{\mathrm{\&omega;}}_i---<1>;$

其中：T_mes为功率测量滞后时间常数，T_ω为功率测量滤波时间常数，K_p为功率调制增益，T₀为滤波器参数，T₁为第一个超前时间常数，T₂为第一个滞后时间常数，T₃为第二个超前时间常数，T₄为第二个滞后时间常数，为第i条直流功率调制输出量，Δω_i为第i台发电机与同步转速的偏差；

在调节直流输送功率实际应用时，T_mes、T_ω、T₂、T₄一般不变，增益K_p和时间常数T₀、T₁、T₃需要根据实际情况进行优化。

本发明提供的直流区域与局部电网阻尼控制协调示意图如图1所示，采用直流有功调制抑制系统振荡的主要机理是有功调制能有效增强系统阻尼。为增强电网-数学模型系统对应每个机电振荡模式的阻尼，基于特征值的目标函数如下：

J₁＝max{Real(λ_i)}<2>；

J₂＝min{ξ_i}<3>；

其中：Real(λ_i)、ξ_i分别为每个振荡模式特征值的实部和阻尼比，优化过程中应尽量最小化J₁，使得特征值靠近S域左半平面，最大化J₂以增强阻尼比。

采用粒子群优化法对协调控制器参数进行优化的流程图如图2所示，包括下述步骤：

（1）输入协调控制器参数，根据公式<4>-<8>确定每个参数的上下限值；参数包括协调控制器增益K_Pi、滤波器参数T₀、第一个超前时间常数T₁、第一个滞后时间常数T₂、第二个超前时间常数T₃。

（2）在满足控制变量约束条件下，随机赋予种群中每个粒子初始位置和初始速度。通常在控制变量的范围内随机选择一个值作为粒子的初始位置，而初始速度也是在控制变量的范围内随机选择一个值作为初始速度；

最优参数的不等式约束条件可分为状态变量约束和控制变量约束，其中控制变量包括：控制器参数上下限、直流功率变化上下限。其表达式为：

$K_{\mathrm{Pi}}^{\min }\&le;K_{\mathrm{Pi}}\&le;K_{\mathrm{Pi}}^{\max }---<4>;$

$T_{0i}^{\min }\&le;T_{0i}\&le;T_{0i}^{\max }---<5>;$

$T_{1i}^{\min }\&le;T_{1i}\&le;T_{1i}^{\max }---<6>;$

$T_{3i}^{\min }\&le;T_{3i}\&le;T_{3i}^{\max }---<7>;$

$P_{\mathrm{MOD}\min }\&le;\mathrm{\&Delta;}{P}_{{\mathrm{HVDC}}_i}\&le;P_{\mathrm{MOD}\max }---<8>;$

其中：增益K_Pi取值范围为0.001～50；时间常数T₀∈[0.01,1.0]、T₁∈[0.01,1.0]，T₃∈[0.01,1.0]，T_mes=0.01、T_ω=10、T₂=0.20、T₄=0.20；根据目标函数，采用粒子群优化法得到优化后的功率调制器参数集{K_pi,T_0i,T_1i,T_3i,i＝1,2,...,n_HVDC}。

（3）应用牛顿-拉夫逊迭代法种群中的每个粒子进行潮流计算；

（4）根据潮流计算结果以及收敛性是否满足要求，评估种群中的每个粒子的适应值；

（5）确定每个粒子的个体最优，记为pBest，pBest中的最优个体即为种群最优gBest；

（6）更新计数器t=t+1；

（7）更新惯性权重ω；

惯性权重ω控制着粒子的先前速度对当前速度的影响程度。若ω较大，粒子有能力扩展搜索空间，搜索以前所未能达到的区域，整个算法的全局搜索能力强。若ω较小，粒子主要在当前解的附近搜索，局部搜索能力较强。由此可见，惯性权重ω使算法具有全局搜索的能力，改变其取值可以调整算法全局和局部搜索能力的平衡。ω由下式确定：

$\mathrm{\&omega;}={\mathrm{\&omega;}}_{\max }-\frac{{\mathrm{\&omega;}}_{\max }-{\mathrm{\&omega;}}_{\min }}{{\mathrm{iter}}_{\max }}\&times;\mathrm{iter}---<9>;$

其中，iter_max是迭代的最大值，iter是当前迭代次数。

粒子速度受最大速度v_max的限制，最大速度决定在当前位置和最优位置之间区域的分辨率。同惯性权重ω一样，也起着平衡全局和局部探索能力的作用。一般将速度限制v_max设置为每维变量的变化范围。

（8）确定每个粒子的速度；

PSO初始化为一群随机粒子，设有m个，然后通过迭代找到最优解。在每次迭代中，每个粒子通过跟踪两个“极值”来更新自己。两个“极值”分别为粒子本身所找到的最优解（个体极值p_Best）和整个种群目前找到的最优解（全局极值g_Best）。每个粒子根据如下的公式来更新自己的速度：

用下述表达式确定每个粒子的速度：

其中：下标d表示迭代次数；x_d表示d次迭代时的粒子空间位置；v_d表示d次迭代时的粒子速度；ω为惯性权重；为学习因子；rand()是介于0～1之间的随机数；k是约束因子，用下述表达式表示：

其中，

（9）确定每个粒子的位置：若粒子在某一维超出其搜索空间，则限制粒子在搜索空间的边界；

用下述表达式确定每个粒子的位置：

x_d+1＝x_d+v_d+1<12>。

（10）应用牛顿-拉夫逊迭代法进行潮流计算，重新评估每个粒子的适应值，根据每个粒子的适应值大小，根据目标函数判断是否更新每个粒子的pBest和整个种群的最优粒子gBest；

（11）若满足停止标准（J₁最小化且J₂最大化，并且满足目标函数和约束方程，），则转向步骤（12），否则转向步骤（6）；

（12）输出最优解，即最后一次迭代后的整个种群的最优粒子gBest。本发明提供的实际响应特性曲线对比曲线图如图3所示，应用本发明的方法能达到很好的效果。

本发明考虑电网时空特性，针对目前交直流协调控制存着的问题，采用粒子群优化算法对直流功率调制器参数进行优化，以达到合理分配资源，系统扰动最小、阻尼最强，提高电网安全性和经济效益的目的。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (1)

1.一种电网时空特性的交直流协调控制方法，其特征在于，所述方法基于实时状态信息采集，结合电网时间和空间特性，通过电网监测数据识别系统扰动幅度大小，采用粒子群优化法对协调控制器参数进行优化，自适应调节直流输送功率调制输出量；

直流输送功率调制输出量用下述表达式表示：

${\mathrm{\&Delta;P}}_{{\mathrm{HVDC}}_i}=\frac{1}{1+T_{mes}s}\frac{T_{\mathrm{\&omega;}}s}{1+T_{\mathrm{\&omega;}}s}\frac{K_p}{1+T_{0}s}\frac{1+T_{1}s}{1+T_{2}s}\frac{1+T_{3}s}{1+T_{4}s}\underset{i<k}{\&Sigma;}{\mathrm{\&Delta;\&omega;}}_i---<1>;$

其中：T_mes为功率测量滞后时间常数，T_ω为功率测量滤波时间常数，K_p为功率调制增益，T₀为滤波器参数，T₁为第一个超前时间常数，T₂为第一个滞后时间常数，T₃为第二个超前时间常数，T₄为第二个滞后时间常数，为第i条直流输送功率调制输出量，Δω_i为第i台发电机与同步发电机转速的偏差；

在调节直流输送功率调制输出量时，T_mes、T_ω、T₂、T₄不变，K_p、T₀、T₁、T₃进行优化；

增强电网-数学模型系统每个机电振荡模式的阻尼，基于特征值的目标函数如下：

J₁＝max{Real(λ_i)}<2>；

J₂＝min{ξ_i}<3>；

其中：Real(λ_i)、ξ_i分别为每个机电振荡模式特征值的实部和阻尼比；

采用粒子群优化法对协调控制器参数进行优化包括下述步骤：

(1)输入协调控制器参数，并确定每个参数的上下限值；

(2)在满足控制变量约束条件下，确定种群中每个粒子初始位置和初始速度；

(3)应用牛顿-拉夫逊迭代法种群中的每个粒子进行潮流计算；

(4)根据潮流计算结果以及收敛性是否满足要求，评估种群中每个粒子的适应值；

(5)确定每个粒子的个体最优，记为p_Best，p_Best中的最优个体即为种群最优g_Best；

(6)更新计数器t＝t+1；

(7)更新惯性权重ω；

(8)确定每个粒子的速度；

(9)确定每个粒子的位置：若粒子在某一维超出其搜索空间，则限制粒子在搜索空间的边界；

(10)应用牛顿-拉夫逊迭代法进行潮流计算，重新评估每个粒子的适应值，根据每个粒子的适应值大小，判断是否更新每个粒子的p_Best和整个种群的最优粒子g_Best；

(11)若满足停止标准，则转向步骤(12)，否则转向步骤(6)；

(12)输出最优解，即最后一次迭代后的整个种群的最优粒子g_Best；

所述步骤(1)中，协调控制器参数包括：协调控制器增益K_Pi、滤波器参数T₀、第一个超前时间常数T₁、第一个滞后时间常数T₂、第二个超前时间常数T₃；

所述步骤(2)中，控制变量包括：协调控制器参数上下限和直流输送功率调制输出量变化上下限，控制变量约束条件用下述表达式组表示：

$K_{Pi}^{\min }\&le;K_{Pi}\&le;K_{Pi}^{\max }---<4>;$

$T_{0i}^{\min }\&le;T_{0i}\&le;T_{0i}^{\max }---<5>;$

$T_{1i}^{\min }\&le;T_{1i}\&le;T_{1i}^{\max }---<6>;$

$T_{3i}^{\min }\&le;T_{3i}\&le;T_{3i}^{\max }---<7>;$

$P_{\mathrm{MOD}\min }\&le;\mathrm{\&Delta;}{P}_{\mathrm{HVD}{C}_i}\&le;P_{\mathrm{MOD}\max }---<8>;$

其中：增益K_Pi取值范围为0.001～50；T₀∈[0.01,1.0]、T₁∈[0.01,1.0]，T₃∈[0.01,1.0]，T_mes＝0.01、T_ω＝10、T₂＝0.20、T₄＝0.20；根据目标函数，采用粒子群优化法得到优化后的协调控制器参数集{K_pi,T_0i,T_1i,T_3i,i＝1,2,...,n_HVDC}；

所述步骤(7)中，用下述表达式更新惯性权重ω：

$\mathrm{\&omega;}={\mathrm{\&omega;}}_{max}-\frac{{\mathrm{\&omega;}}_{\max }-{\mathrm{\&omega;}}_{\min }}{{\mathrm{iter}}_{max}}\&times;iter---<9>;$

其中：iter_max是迭代的最大值，iter是当前迭代次数；ω_max、ω_min分别表示惯性权重的上限和下限；

所述步骤(8)中，用下述表达式确定每个粒子的速度：

其中：下标d表示迭代次数；x_d表示d次迭代时的粒子空间位置；v_d表示d次迭代时的粒子速度；ω为惯性权重；为学习因子；rand()是介于0～1之间的随机数；k是约束因子，用下述表达式表示：

其中，

所述步骤(9)中，用下述表达式确定每个粒子的位置：

x_d+1＝x_d+v_d+1<12>；

所述步骤(10)中，根据基于特征值的目标函数判断是否更新每个粒子的p_Best和整个种群的最优粒子g_Best；

所述步骤(11)中，停止标准指的是J₁最小化且J₂最大化，并且满足目标函数和控制变量约束条件。