CN106530118B - 多区互联电力系统负荷频率的约束gpc优化控制方法 - Google Patents
多区互联电力系统负荷频率的约束gpc优化控制方法 Download PDFInfo
- Publication number
- CN106530118B CN106530118B CN201610901013.5A CN201610901013A CN106530118B CN 106530118 B CN106530118 B CN 106530118B CN 201610901013 A CN201610901013 A CN 201610901013A CN 106530118 B CN106530118 B CN 106530118B
- Authority
- CN
- China
- Prior art keywords
- indicate
- indicates
- subregion
- max
- coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000000694 effects Effects 0.000 claims abstract description 10
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 30
- 230000035772 mutation Effects 0.000 claims description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000007665 sagging Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 2
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 238000005096 rolling process Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000012993 chemical processing Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000009415 formwork Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开一种多区互联电力系统负荷频率的约束GPC优化控制方法,通过小信号机理分析建模方法和Z变换建立多区互联电力系统负荷频率的受控自回归积分滑动平均模型,采用约束广义预测控制作为控制方法,将系统预测输出与参考轨迹之间误差的平方值、控制器输出增量的平方值和控制输出的平方值这三者的加权值作为优化目标函数,并设计一种高效的自适应进化优化求解器实现约束GPC的在线滚动优化,实时更新系统各个变量从而实现负荷频率优化控制。采用本发明可实现多区互联电力系统负荷频率优化控制效果,相比现有技术具有更优良的稳态性能和动态性能以及更健壮的鲁棒性。
Description
技术领域
本发明涉及电力系统领域智能控制技术,特别涉及一种多区互联电力系统负荷频率的约束GPC(Generalized Predictive Control,广义预测控制)优化控制方法。
背景技术
现代电力系统的一个重要特征就是分层分区互联运行,负荷频率控制是保证多区互联电力系统稳定性的一项重要措施。多区互联电力系统负荷频率控制的基本原理是将频率和联络线交换功率组成的区域控制偏差作为控制信号,通过设计有效的控制策略实现发电机组有功功率快速且精准地跟踪系统的负荷变化。因此,如何设计有效的负荷频率控制策略保证多区互联电力系统稳定性和鲁棒性具有重要的工程应用价值。
目前,多区互联电力系统负荷频率控制的主流技术主要包括PID控制、滑模控制、模糊控制等,虽然在不同的系统结构和工况下都有不错的应用效果,但由于多区互联电力系统具有非线性、不确定性和复杂的约束条件,现有技术都难以完全满足在系统复杂工况和不确定性因素下的稳定运行要求和动态响应要求。因此,针对多区互联电力系统复杂约束条件和不确定性,如何设计有效的负荷频率控制方法已经成为多区互联电力系统领域的关键技术难题之一。
广义预测控制(Generalized Predictive Control,GPC)作为一种典型的模型预测控制方法,已在化工过程系统、机器人、飞行器等领域得到了较为成功的应用,但在多区互联电力系统负荷频率控制中还鲜有应用。多区互联电力系统负荷频率控制问题本质上可以转化为一个典型的约束GPC问题。但目前,带有复杂约束条件的约束GPC的高效求解也是国内外学术界和工程应用领域公认的关键技术难题之一。
发明内容
本发明的目的在于针对现有技术的不足,提供一种多区互联电力系统负荷频率的约束GPC优化控制方法。
本发明的目的是通过以下技术方案来实现的:多区互联电力系统负荷频率的约束GPC优化控制方法,该方法包括以下步骤:
(1)通过小信号机理分析建模方法建立多区互联电力系统负荷频率的状态空间模型:
Y=CX (2)
其中状态变量X=[X1,X2,…,Xn],系统输入U=[U1,U2,…,Un],负荷扰动W=[W1,W2,…,Wn],系统输出Y=[Y1,Y2,…,Yn],n表示分区的数量,第i个状态向量为Xi=[Δfi,ΔPmi,ΔPvi,ΔPti]T,Δfi表示第i个分区的频率偏差,ΔPmi表示第i个分区的发电功率偏差,ΔPvi表示第i个分区的调节阀位置偏差,ΔPti表示第i个分区的联络线功率偏差;第i个系统输入为Ui=ΔPri,ΔPri表示第i个分区的负荷参考设定值;第i个负荷扰动为Wi=ΔPLi,ΔPLi表示第i个分区的负荷扰动偏差;第i个系统输出为Yi=ACEi=β1iΔfi+β2iΔPti,ACEi表示第i个区域控制偏差,β1i和β2i分别表示第i个分区频率偏差和联络线功率偏差对应的权重系数;A、B、C、E分别表示多区互联电力系统的状态矩阵、输入矩阵、输出矩阵和扰动矩阵,具体描述如下:
其中,Di表示第i个分区发电机的负荷频率变化量比值系数,Mai表示第i个分区发电机组的总惯性时间系数,TGi表示第i个分区的调速器时间常数,TCHi表示第i个分区的汽轮机时间常数,Tij表示第i个分区和第j个分区之间联络线功率同步系数,Rfi表示第i个分区的发电机组的下垂系数。
(2)通过Z变换建立多区互联电力系统负荷频率的受控自回归积分滑动平均模型:
其中y(k)表示系统在k时刻的输出信号,u(k-1)表示在k-1时刻的控制输出信号,ω(k-1)表示在k-1时刻的负荷扰动信号,ε(k)表示均值为0且方差为δ2的n维白噪声,Δd表示差分因子,Δd=1-z-1;表示关于z-1的n×n维对角矩阵,表示关于z-1的n×m维矩阵,表示关于z-1的n×p维矩阵,其中的第i个对角元素 的第i行第j列元素 的第i行第j列元素的表达式如下:
其中,表示各阶次的系数,表示各阶次的系数,表示各阶次的系数,nai和nbij分别表示和的最高阶次。(3)设置参数值:预测时域长度N,控制域长度Nu,权重系数矩阵Q、R1和R2,柔化系数矩阵αj,种群规模p,变异系数b,最大迭代次数Imax;
(4)读取当前时刻k(k=1,2,…,tmax)的历史信息,包括系统输出信号y(k-1),…,y(k-na)和控制器输出信号u(k-1),…,u(k-nb),tmax表示系统运行时窗的最大值。
(5)随机产生满足约束条件的实数编码的种群P={S1,S2,…,Sp},其中第i个体Si表示待优化的控制增量序列{Δu(k),Δu(k+1),…,Δu(k+Nu-1)},具体产生过程如下:
Si=Δumin+ri(Δumax-Δumin),i=1,2,...,p
其中,Δumin和Δumax分别表示控制增量序列的下限和上限,ri表示一组在0和1之间产生的随机数。
(6)按照公式(4)~(10)所示的约束GPC优化目标对种群P进行适应度函数评价,获得当前时刻k种群P的最好适应度函数Fbest=min{F(P,k)},将对应的个体设置为最好个体Sbest,其中F(P,k)表示当前时刻k种群P的适应度集合,
s.t.Δumin≤Δu(k+i-1)≤Δumax,i=1,2,...,Nu (5)
umin≤u(k+i-1)≤umax,i=1,2,...,Nu (6)
ymin≤y(k+j)≤ymax,j=1,2,...,N (7)
Δu(k+i-1)=u(k+i-1)-u(k+i-2) (8)
ω(k+j)=αjω(k+j-1)+(1-αj)yr(k),ω(k)=yp(k),j=1,2,...,N (9)
y(k+j)=Gj(z-1)Δu(k+j-1)+Hj(z-1)Δu(k-1)+Fj(z-1)y(k),j=1,2,...,N (10)
其中,y(k+j)表示系统的预测输出信号,ω(k+j)表示参考轨迹,yr(k)表示设定输入信号,yp(k)为系统实际输出信号,Q、R1、R2表示权重系数矩阵,umin和umax分别表示控制序列的下限和上限,ymin和ymax分别表示预测输出信号的下限和上限,公式(10)所示的y(k+j)的计算方法为求取如下丢番图方程(11)~(12)获得:
其中,l0,l1,…,lj-1表示多项式Lj(z-1)各阶次的系数,fj0,fj1,…,fjna表示多项式Fj(z-1)各阶次的系数,g0,g1,…,gj-1表示多项式Gj(z-1)各阶次的系数,hj0,hj1,…,hj(nb-1)表示多项式Hj(z-1)各阶次的系数,na和nb分别表示Fj(z-1)和Hj(z-1)的最高阶次。
(7)按照公式(13)~(14)所示的实数变异操作因子产生新的种群Pm={Sm1,Sm2,…,Smp},并无条件地接受P=Pm;
其中r、r1是[0,1]范围内产生的随机数,t表示当前迭代次数,b为变异操作的可调系数,Imax为用户设定的最大迭代次数,γ(t,α)表示关于t和α的函数,α的具体描述如下:当r<0.5时,α=Δumax-Si,否则α=Δumax-Si。
(8)重复步骤(6)~(7)直到优化求解器的迭代次数达到Imax,并保存Sbest={Δu*(k+j),j=0,1,…,Nu-1};
(9)计算在最优控制增量Δu*(k)作用下的当前时刻k对应的系统输出y*(k)和u*(k),并设置为Δu(k)=Δu*(k),y(k)=y*(k),u(k)=u*(k)。
(10)重复步骤(4)~(9)直到系统运行时窗达到tmax,输出多区互联电力系统最优系统输出曲线、最优控制增量信号曲线和最优控制信号曲线。
本发明的有效效果是:采用本发明可实现多区互联电力系统负荷频率优化控制效果,具有现有技术所不具备的以下优点:在多区互联电力系统负荷变化干扰等情形下的各区系统的频率偏差和联络线功率偏差波动更小,稳定时间更短,稳态误差更小,鲁棒性更强。
附图说明
图1是一个两区互联电力系统负荷频率控制的系统结构图;
图2是多区互联电力系统负荷频率的约束GPC优化控制方法的原理示意图;
图3是多区互联电力系统负荷频率的约束GPC优化控制方法的实现过程示意图。
具体实施方式
下面结合附图对本发明进一步说明,本发明的目的和效果将更加明显。
图1为一个两区互联电力系统负荷频率控制的系统结构图。以该系统为例,采用本发明提出的控制方法进行实施。图2是多区互联电力系统负荷频率的约束GPC优化控制方法的原理示意图;图3是多区互联电力系统负荷频率的约束GPC优化控制方法的实现过程示意图。
所述的一种多区互联电力系统负荷频率的约束GPC优化控制方法,包括以下步骤:
(1)通过小信号机理分析建模方法建立多区互联电力系统负荷频率的状态空间模型:
Y=CX (2)
其中状态变量X=[X1,X2],系统输入U=[U1,U2],负荷扰动W=[W1,W2],系统输出Y=[Y1,Y2],第i个状态向量为Xi=[Δfi,ΔPmi,ΔPvi,ΔPti]T,Δfi表示第i个分区的频率偏差,ΔPmi表示第i个分区的发电功率偏差,ΔPvi表示第i个分区的调节阀位置偏差,ΔPti表示第i个分区的联络线功率偏差;第i个系统输入为Ui=ΔPri,ΔPri表示第i个分区的负荷参考设定值;第i个负荷扰动为Wi=ΔPLi,ΔPLi表示第i个分区的负荷扰动偏差;第i个系统输出Yi=ACEi=β1iΔfi+β2iΔPti,ACEi表示第i个区域控制偏差,β1i和β2i分别表示第i个分区频率偏差和联络线功率偏差对应的权重系数,在此i=1,2,β11=β21=1,β12=β22=0.5;A、B、C、E分别表示多区互联电力系统的状态矩阵、输入矩阵、输出矩阵和扰动矩阵,具体描述如下:
其中,Di表示第i个分区发电机的负荷频率变化量比值系数,D1=2.1,D2=2.6;Mai表示第i个分区发电机组的总惯性时间系数,Ma1=3.4,Ma2=3.8;TGi表示第i个分区的调速器时间常数,TG1=35,TG2=27;TCHi表示第i个分区的汽轮机时间常数,TCH1=45,TCH1=12;Tij表示第i个分区和第j个分区之间联络线功率同步系数,T12=7.52;Rfi表示第i个分区的发电机组的下垂系数,Rf1=0.04,Rf2=0.06。
(2)通过Z变换建立多区互联电力系统负荷频率的受控自回归积分滑动平均模型:
其中y(k)表示系统在k时刻的输出信号,u(k-1)表示在k-1时刻的控制输出信号,ω(k-1)表示在k-1时刻的负荷扰动信号,ε(k)表示均值为0且方差为δ2的n维白噪声,Δd表示差分因子,Δd=1-z-1;表示关于z-1的n×n维对角矩阵,表示关于z-1的n×m维矩阵,表示关于z-1的n×p维矩阵,其中的第i个对角元素的第i行第j列元素的第i行第j列元素的表达式如下:
其中,表示各阶次的系数,表示各阶次的系数,表示各阶次的系数,nai和nbij分别表示和的最高阶次。(3)设置参数值:预测时域长度N=4,控制域长度Nu=8,权重系数矩阵Q=2×I4×4、R1=3×I8×8和R2=1.5×I8×8,I表示单位矩阵,柔化系数矩阵αj=0.3×I4×4,种群规模p=20,变异系数b=20,最大迭代次数Imax=30;
(4)读取当前时刻k(k=1,2,…,tmax)的历史信息,包括系统输出信号y(k-1),…,y(k-na)和控制器输出信号u(k-1),…,u(k-nb),tmax表示系统运行时窗的最大值,在此tmax=200。
(5)随机产生满足约束条件的实数编码的种群P={S1,S2,…,Sp},其中第i个体Si表示待优化的控制增量序列{Δu(k),Δu(k+1),…,Δu(k+Nu-1)},具体产生过程如下:
Si=Δumin+ri(Δumax-Δumin),i=1,2,...,p
其中,Δumin和Δumax分别表示控制增量序列的下限和上限,ri表示一组在0和1之间产生的随机数。
(6)按照公式(4)~(10)所示的约束GPC优化目标对种群P进行适应度函数评价,获得当前时刻k种群P的最好适应度函数Fbest=min{F(P,k)},将对应的个体设置为最好个体Sbest,其中F(P,k)表示当前时刻k种群P的适应度集合;
s.t.Δumin≤Δu(k+i-1)≤Δumax,i=1,2,...,Nu (5)
umin≤u(k+i-1)≤umax,i=1,2,...,Nu (6)
ymin≤y(k+j)≤ymax,j=1,2,...,N (7)
Δu(k+i-1)=u(k+i-1)-u(k+i-2) (8)
ω(k+j)=αjω(k+j-1)+(1-αj)yr(k),ω(k)=yp(k),j=1,2,...,N (9)
y(k+j)=Gj(z-1)Δu(k+j-1)+Hj(z-1)Δu(k-1)+Fj(z-1)y(k),j=1,2,...,N (10)
其中,y(k+j)表示系统的预测输出信号,ω(k+j)表示参考轨迹,yr(k)表示设定输入信号,yp(k)为系统实际输出信号,Q、R1、R2表示权重系数矩阵,umin和umax分别表示控制序列的下限和上限,ymin和ymax分别表示预测输出信号的下限和上限,公式(10)所示的y(k+j)的计算方法为求取如下丢番图方程(11)~(12)获得:
其中,l0,l1,…,lj-1表示多项式Lj(z-1)各阶次的系数,表示多项式Fj(z-1)各阶次的系数,g0,g1,…,gj-1表示多项式Gj(z-1)各阶次的系数,表示多项式Hj(z-1)各阶次的系数,na和nb分别表示Fj(z-1)和Hj(z-1)的最高阶次。
(7)按照公式(13)~(14)所示的实数变异操作因子产生新的种群Pm={Sm1,Sm2,…,Smp},并无条件地接受P=Pm;
其中r、r1是[0,1]范围内产生的随机数,t表示当前迭代次数,b为变异操作的可调系数,Imax为用户设定的最大迭代次数,γ(t,α)表示关于t和α的函数,α的具体描述如下:当r<0.5时,α=Δumax-Si,否则α=Δumax-Si。
(8)重复步骤(6)~(7)直到优化求解器的迭代次数达到Imax,并保存Sbest={Δu*(k+j),j=0,1,…,Nu-1};
(9)计算在最优控制增量Δu*(k)作用下的当前时刻k对应的系统输出y*(k)和u*(k),并设置为Δu(k)=Δu*(k),y(k)=y*(k),u(k)=u*(k)。
(10)重复步骤(4)~(9)直到系统运行时窗达到tmax,输出多区互联电力系统最优系统输出曲线、最优控制增量信号曲线和最优控制信号曲线。
通过对采用本发明技术与现有技术的试验结果对比分析,我们可以发现:在ΔPL1和ΔPL2多种变化工况下,采用本发明获得的频率Δf1和Δf2,联络线功率偏差ΔPt1和ΔPt2的波动相比现有技术更小,稳定时间更短,稳态误差更小。
综上所述,本发明的有效效果是:采用本发明可实现多区互联电力系统负荷频率优化控制效果,具有现有技术所不具备的以下优点:在多区互联电力系统负荷变化干扰等情形下的各区系统的频率偏差和联络线功率偏差波动更小,稳定时间更短,稳态误差更小,鲁棒性更强。
Claims (1)
1.一种多区互联电力系统负荷频率的约束GPC优化控制方法,其特征在于,该方法包括以下步骤:
(1)通过小信号机理分析建模方法建立多区互联电力系统负荷频率的状态空间模型:
Y=CX (2)
其中,状态向量X=[X1,X2,…,Xn],系统输入U=[U1,U2,…,Un],负荷扰动W=[W1,W2,…,Wn],系统输出Y=[Y1,Y2,…,Yn],n表示分区的数量,第i个状态向量为Xi=[Δfi,ΔPmi,ΔPvi,ΔPti]T,Δfi表示第i个分区的频率偏差,ΔPmi表示第i个分区的发电功率偏差,ΔPvi表示第i个分区的调节阀位置偏差,ΔPti表示第i个分区的联络线功率偏差;第i个系统输入为Ui=ΔPri,ΔPri表示第i个分区的负荷参考设定值;第i个负荷扰动为Wi=ΔPLi,ΔPLi表示第i个分区的负荷扰动偏差;第i个系统输出为Yi=ACEi=β1iΔfi+β2iΔPti,ACEi表示第i个区域控制偏差,β1i和β2i分别表示第i个分区频率偏差和联络线功率偏差对应的权重系数;A、B、C、E分别表示多区互联电力系统的状态矩阵、输入矩阵、输出矩阵和扰动矩阵,具体描述如下:
其中,Di表示第i个分区发电机的负荷频率变化量比值系数,Mai表示第i个分区发电机组的总惯性时间系数,TGi表示第i个分区的调速器时间常数,TCHi表示第i个分区的汽轮机时间常数,Tij表示第i个分区和第j个分区之间联络线功率同步系数,Rfi表示第i个分区的发电机组的下垂系数;
(2)通过Z变换建立多区互联电力系统负荷频率的受控自回归积分滑动平均模型:
其中y(k)表示系统在k时刻的输出信号,u(k-1)表示在k-1时刻的控制输出信号,ω(k-1)表示在k-1时刻的负荷扰动信号,ε(k)表示均值为0且方差为δ2的n维白噪声,Δd表示差分因子,Δd=1-z-1;表示关于z-1的n×n维对角矩阵,表示关于z-1的n×m维矩阵,表示关于z-1的n×p维矩阵,其中的第i个对角元素的第i行第j列元素的第i行第j列元素的表达式如下:
其中,表示各阶次的系数,表示各阶次的系数,表示各阶次的系数,nai和nbij分别表示和的最高阶次;
(3)设置参数值:预测时域长度N,控制域长度Nu,权重系数矩阵Q、R1和R2,柔化系数矩阵αj,种群规模p,变异系数b,最大迭代次数Imax;
(4)读取当前时刻k的历史信息,k=1,2,…,tmax,包括系统输出信号y(k-1),…,y(k-na)和控制器输出信号u(k-1),…,u(k-nb),tmax表示系统运行时窗的最大值;
(5)随机产生满足约束条件的实数编码的种群P={S1,S2,…,Sp},其中第i个体Si表示待优化的控制增量序列{Δu(k),Δu(k+1),…,Δu(k+Nu-1)},具体产生过程如下:
Si=Δumin+ri(Δumax-Δumin),i=1,2,...,p
其中,Δumin和Δumax分别表示控制增量序列的下限和上限,ri表示一组在0和1之间产生的随机数;
(6)按照公式(4)~(10)所示的约束GPC优化目标对种群P进行适应度函数评价,获得当前时刻k种群P的最好适应度函数Fbest=min{F(P,k)},将对应的个体设置为最好个体Sbest,其中F(P,k)表示当前时刻k种群P的适应度集合;
s.t.Δumin≤Δu(k+i-1)≤Δumax,i=1,2,...,Nu (5)
umin≤u(k+i-1)≤umax,i=1,2,...,Nu (6)
ymin≤y(k+j)≤ymax,j=1,2,...,N (7)
Δu(k+i-1)=u(k+i-1)-u(k+i-2) (8)
ω(k+j)=αjω(k+j-1)+(1-αj)yr(k),ω(k)=yp(k),j=1,2,...,N (9)
y(k+j)=Gj(z-1)Δu(k+j-1)+Hj(z-1)Δu(k-1)+Fj(z-1)y(k),j=1,2,...,N (10)
其中,y(k+j)表示系统的预测输出信号,ω(k+j)表示参考轨迹,yr(k)表示设定输入信号,yp(k)为系统实际输出信号,Q、R1、R2表示权重系数矩阵,umin和umax分别表示控制序列的下限和上限,ymin和ymax分别表示预测输出信号的下限和上限,公式(10)所示的y(k+j)的计算方法为求取如下丢番图方程(11)~(12)获得:
其中,l0,l1,…,lj-1表示多项式Lj(z-1)各阶次的系数,表示多项式Fj(z-1)各阶次的系数,g0,g1,…,gj-1表示多项式Gj(z-1)各阶次的系数,表示多项式Hj(z-1)各阶次的系数,na和nb分别表示Fj(z-1)和Hj(z-1)的最高阶次;
(7)按照公式(13)~(14)所示的实数变异操作因子产生新的种群Pm={Sm1,Sm2,…,Smp},并无条件地接受P=Pm;
其中r、r1是[0,1]范围内产生的随机数,t表示当前迭代次数,b为变异操作的可调系数,Imax为用户设定的最大迭代次数,γ(t,α)表示关于t和α的函数,α的具体描述如下:当r<0.5时,α=Δumax-Si,否则α=Si- Δ umin ;
(8)重复步骤(6)~(7)直到优化求解器的迭代次数达到Imax,并保存Sbest={Δu*(k+j),j=0,1,…,Nu-1};
(9)计算在最优控制增量Δu*(k)作用下的当前时刻k对应的系统输出y*(k)和u*(k),并设置为Δu(k)=Δu*(k),y(k)=y*(k),u(k)=u*(k);
(10)重复步骤(4)~(9)直到系统运行时窗达到tmax,输出多区互联电力系统最优系统输出曲线、最优控制增量信号曲线和最优控制信号曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610901013.5A CN106530118B (zh) | 2016-10-17 | 2016-10-17 | 多区互联电力系统负荷频率的约束gpc优化控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610901013.5A CN106530118B (zh) | 2016-10-17 | 2016-10-17 | 多区互联电力系统负荷频率的约束gpc优化控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106530118A CN106530118A (zh) | 2017-03-22 |
CN106530118B true CN106530118B (zh) | 2019-08-02 |
Family
ID=58331995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610901013.5A Active CN106530118B (zh) | 2016-10-17 | 2016-10-17 | 多区互联电力系统负荷频率的约束gpc优化控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106530118B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106786677B (zh) * | 2017-03-29 | 2019-01-08 | 温州大学 | 一种互联电力系统分布式动态矩阵频率控制方法 |
CN107092188A (zh) * | 2017-05-27 | 2017-08-25 | 南京邮电大学 | 一种连续搅拌釜式反应器系统的广义预测控制算法 |
CN107423879B (zh) * | 2017-06-07 | 2018-08-24 | 国网辽宁省电力有限公司 | 一种可控负荷参与自动发电控制的方法 |
CN109085755A (zh) * | 2018-08-14 | 2018-12-25 | 中国电力科学研究院有限公司 | 基于分布式模型预测控制的风电集群系统超前频率控制方法及系统 |
CN111478344B (zh) * | 2019-01-24 | 2022-03-04 | 国网能源研究院有限公司 | 一种能源微网负荷频率控制方法、系统及相关产品 |
CN116526511B (zh) * | 2023-05-19 | 2024-03-08 | 东北电力大学 | 一种多源协同参与系统负荷频率控制的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239961A (zh) * | 2014-07-16 | 2014-12-24 | 广东工业大学 | 一种基于纵横交叉算法的电力系统经济调度优化方法 |
CN204536959U (zh) * | 2015-04-15 | 2015-08-05 | 上海智企信息技术有限公司 | 一种用于燃煤电厂的fgd装置预测控制系统 |
CN105720574A (zh) * | 2016-02-22 | 2016-06-29 | 天津大学 | 基于spsa的电力系统单区域负荷频率的数据驱动控制方法 |
-
2016
- 2016-10-17 CN CN201610901013.5A patent/CN106530118B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239961A (zh) * | 2014-07-16 | 2014-12-24 | 广东工业大学 | 一种基于纵横交叉算法的电力系统经济调度优化方法 |
CN204536959U (zh) * | 2015-04-15 | 2015-08-05 | 上海智企信息技术有限公司 | 一种用于燃煤电厂的fgd装置预测控制系统 |
CN105720574A (zh) * | 2016-02-22 | 2016-06-29 | 天津大学 | 基于spsa的电力系统单区域负荷频率的数据驱动控制方法 |
Non-Patent Citations (2)
Title |
---|
基于动态实时优化与多模型GPC的分层优化控制策略;宋治强;《中国优秀硕士学位论文全文数据库》;20150515(第5期);全文 |
负荷频率控制系统的设计及优化;王玉龙;《中国优秀硕士学位论文全文数据库》;20150215(第2期);全文 |
Also Published As
Publication number | Publication date |
---|---|
CN106530118A (zh) | 2017-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106530118B (zh) | 多区互联电力系统负荷频率的约束gpc优化控制方法 | |
Birs et al. | A survey of recent advances in fractional order control for time delay systems | |
Sun et al. | Quantitative tuning of active disturbance rejection controller for FOPTD model with application to power plant control | |
Jain et al. | On the design and tuning of linear model predictive control for wind turbines | |
Jiang et al. | Design of an intelligent temperature control system based on the fuzzy self-tuning PID | |
JP2000514217A (ja) | 非線形近似機構式の自動チューナ | |
Jun et al. | A particle swarm optimization approach for optimal design of PID controller for temperature control in HVAC | |
CN104270055A (zh) | 一种交流伺服系统位置环ip控制器的参数自校正方法 | |
Jia et al. | A data-driven dual-rate control method for a heat exchanging process | |
Pelusi et al. | Fuzzy algorithm control effectiveness on drum boiler simulated dynamics | |
Kim et al. | Design of an optimal fuzzy logic controller using response surface methodology | |
Adegas et al. | Gain-scheduled model predictive control of wind turbines using laguerre functions | |
Kanagaraj | An Adaptive Neuro-Fuzzy Inference System to Improve Fractional Order Controller Performance. | |
Huang et al. | Robust model predictive control of VAV air-handling units concerning uncertainties and constraints | |
Al-Araji | Applying cognitive methodology in designing on-line auto-tuning robust PID controller for the real heating system | |
Huang et al. | Nonlinear internal model control with inverse model based on extreme learning machine | |
Chen et al. | PSO-based on-line tuning PID controller for setpoint changes and load disturbance | |
Zhuang et al. | The internal mode fractional-order PID control based on neural network for the temperature of air-conditioned rooms | |
Chen et al. | PID controller parameters tuning in servo system based on chaotic particle swarm optimization | |
Wei et al. | Particle swarm optimization PID neural network control method in the main steam temperature control system | |
Xiao et al. | Superheated steam temperature control research of the improved implicit generalized predictive algorithm based on the soft coefficient matrix | |
Costa et al. | Fuzzy gain scheduling design based on multiobjective particle swarm optimization | |
He et al. | Automated tuning of MPC for VAV system based on LSTM | |
Jawad | Particle swarm optimization based optimum PID controller for governor system of synchronous generator | |
Xie et al. | Application of self-adaptive fuzzy PI control in the air-conditioning system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |