CN106786671B - 一种智能量化加权水电机组自动发电控制系统及算法 - Google Patents
一种智能量化加权水电机组自动发电控制系统及算法 Download PDFInfo
- Publication number
- CN106786671B CN106786671B CN201710037604.7A CN201710037604A CN106786671B CN 106786671 B CN106786671 B CN 106786671B CN 201710037604 A CN201710037604 A CN 201710037604A CN 106786671 B CN106786671 B CN 106786671B
- Authority
- CN
- China
- Prior art keywords
- module
- generation control
- control
- intelligent
- power
- 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
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明涉及电网发电控制领域,具体提供了一种智能量化加权水电机组自动发电控制系统及算法。所述一种智能量化加权水电机组自动发电控制系统包括4个功能模块:电力系统区域控制偏差计算模块、智能量化加权自动发电控制模块、水电机组子网不平衡度优化调度出力分配模块、参数自整定优化计算模块。本发明能够快速补偿随机波动性负荷和电源对电网频率和功率平衡的扰动,提升电网供电电能质量,增大电网消纳风力发电的能力,提高电力系统运行安全稳定性。
Description
技术领域
本发明涉及电网发电控制领域,具体是一种智能量化加权水电机组自动发电控制系统及算法。
背景技术
在国家新能源政策的扶持下众多具有随机扰动性质的大型风电场并入电网,同时大量含有电力电子装置的波动性负荷,如电气化铁路接入电网,从而给电网的平稳运行与安全调度带来一定的困难。传统的自动发电控制方式过度使用积分环节,在应对波动性负荷和电源时反应迟钝,不能适应现代电网对系统频率和功率波动快速调整的需求。现代电网中承担主要负荷的火电机组调节特性差,风力和核电机组基本不具备快速出力调节能力。
发明内容
为了解决上述问题,本发明提供一种智能量化加权水电机组自动发电控制系统及算法,具体技术方案如下:
一种智能量化加权水电机组自动发电控制系统包括以下功能模块:电力系统区域控制偏差计算模块、智能量化加权自动发电控制模块、水电机组子网不平衡度优化调度出力分配模块、参数自整定优化计算模块;所述电力系统区域控制偏差计算模块用于根据电网频率偏差Δf和联络线功率偏差ΔPe计算区域控制偏差ACE;所述智能量化加权自动发电控制模块利用区域控制偏差ACE及区域控制偏差ACE变化本身的绝对值作为对区域控制偏差ACE自身的智能量化加权;所述水电机组子网不平衡度优化调度出力分配模块包括机组目标功率分配、死区和调节步长校验环节,各子网按照对应的子网不平衡度均衡分配调节输出信号量,各子网按照最小备用容量原则决定开停机组数目;所述子网不平衡度为子区域控制偏差ACE与总区域控制偏差ACE之比;所述参数自整定优化计算模块使用TOMLAB中非线性最优化NLP工具箱完成对控制系统参数的最优化整定计算;电力系统区域控制偏差计算模块将依据现场电网运行数据计算的区域控制偏差ACE信号提供给智能量化加权自动发电控制模块,生成系统的总功率调节量,再由水电机组子网不平衡度优化调度出力分配模块分配给各个子网机组;参数自整定优化计算模块对整个自动发电控制系统实施监控,并通过调整智能量化加权自动发电控制模块参数,比较控制状态偏差,获取最佳运行参数数据。
一种智能量化加权水电机组自动发电控制算法包括以下步骤:
(1)电力系统区域控制偏差计算模块根据电网频率偏差Δf和联络线功率偏差ΔPe计算区域控制偏差ACE,ACE=∑ΔPe+Kf×Δf,Kf为电网频率偏差系数;
(2)智能量化加权自动发电控制模块利用区域控制偏差ACE及区域控制偏差ACE变化本身的绝对值作为对区域控制偏差ACE自身的智能量化加权:
取采样点k所在时刻的区域控制偏差ACE信号为误差e(k),区域控制偏差ACE变化量为误差变化量:
△e(k)=e(k)-e(k-1)(1-1)
k为第k个采样点,k-1为第k-1个采样点;
误差e(k)和误差变化量△e(k)分别乘以对应前置量化因子KE、KC后生成信号E和EC:
E=KE•e(k)(1-2)
EC=KC•△e(k)(1-3)
设信号E和EC的智能加权因子分别为
αe=|E|/(|E|+|EC|+ε)(1-4)
αc=|EC|/(|E|+|EC|+ε)(1-5)
其中ε为一极小的正数;
智能量化加权算法的控制规则为
△P=αe×E+αc×EC(1-6)
将输出量△P乘以比例因子KP后,构成实际输出变化量△p(k):
△p(k)=KP•△P(1-7)
实际输出量p(k):
p(k)=P0+△p(k)(1-8)
式中:P0为系统的平衡点功率;
在系统的静态平衡点P0已知时,采用式(1-7)、(1-8);若系统的静态平衡点P0随着负荷的变化而变动,智能量化加权自动发电控制模块的输出量为:
p(k)=KP•△P+KI•∑△P(1-9)
式中KP为比例因子,KI为积分因子;
(3)水电机组子网不平衡度优化调度出力分配模块按照分区就近平衡的原则,对输出p(k)进行分配;
(4)参数自整定优化计算模块将联络线功率波动绝对值与时间的乘积和系统频率偏差绝对值与时间的乘积加权求和作为目标函数J,使用TOMLAB中非线性最优化NLP工具箱完成对控制系统参数的最优化整定计算:
J=∫(∑kp×t×|ΔP|+kf×t×|Δf|)dt(1-10)
kp、kf分别为对区域联络线功率偏差和系统频率偏差的加权系数。
进一步,所述步骤(2)中采用比例积分环节将智能加权函数的增量输出转化为绝对值形式。
进一步,所述步骤(4)中kp、kf由人工根据实际需求和各联络线调节能力与重要程度进行设置;借助计算机仿真计算目标系统的动态运行特性,手工设置KE、KC、KP、KI参数初始值,同时设置各节点电压界限和发电机最大最小出力作为约束条件,使用TOMLAB中非线性最优化NLP工具箱完成对控制系统参数的最优化整定计算。
进一步,编写动态连接库和调用TOMLAB优化计算的*.m文件,将TOMLAB的非线性优化NLP算法模块输出的控制量KE、KC、KP、KI四个控制器参数写入ASCII码明文文件*.swi,并以批处理的方式调用PSD-FDS完成对电力系统的仿真计算;读取二进制仿真结果曲线*.cur,生成目标函数J,返回给TOMLAB的NLP算法模块;由TOMLAB进行寻优计算以后生成新的一组控制参数,重复调用PSD-BPA仿真计算程序,直到找出最佳性能参数组合。
进一步,所述ε的取值范围为10-8-10-5。
本发明的有益效果为:
1、本发明能够快速补偿随机波动性负荷和电源对电网频率和功率平衡的扰动,提升电网供电电能质量,增大电网消纳风力发电的能力,提高电力系统运行安全稳定性;
2、本发明提供了一种解决了大规模风电场类随机扰动电源和类似于电气化铁路这种冲击性负荷接入电网时快速抑止电网频率和功率波动的控制算法需求,为解决含有此类干扰源的电网运行提供了有效的工具。通过计算机仿真模拟分析复杂电网络环境下电力系统的运行特性,设计一套参数最优化自动整定算法,构造以平抑系统波动为期望的目标函数,借助多次重复仿真选取最佳适应性参数,以提高电网供电质量,增强电网的运行可靠性;
3、系统的静态平衡点随着负荷的变化而变动时,本发明利用积分环节构造系统的动态平衡点。比例环节的响应速度快,但具有稳态误差;积分环节响应速度慢,但能够消除稳态误差和具有抗随机干扰的能力。将两者并联后作为控制系统的输出,能够实现系统的快速响应和抗随机干扰;
4、优选参数以后的控制器能够对大规模风电场和类似于含电气化铁路这种冲击性负荷接入的电网起到较好的调节控制作用,有效缩短联络线功率波动和电网频率波动的时间和幅值,为解决带有此类干扰源的电网运行与控制提供了有效工具。自动进行控制模块参数整定,将现场调度员从繁重的分析计算中解放出来,有效提高了生产效率,同时能够获取比手工调参更为优异的控制目标和动态性能。
附图说明
附图1是本发明的系统结构原理示意图;
附图2是一种智能量化加权水电机组自动发电控制算法示意图;
附图3是本发明电力系统区域控制偏差计算模块示意图;
附图4是本发明水电机组子网不平衡度优化调度出力分配模块示意图。
具体实施方式
本发明主要是解决现有技术所存在的技术问题:提供了一种解决了大规模风电场类随机扰动电源和类似于电气化铁路这种冲击性负荷接入电网时快速抑止电网频率和功率波动的控制系统及算法需求,为解决含有此类干扰源的电网运行提供了有效的工具。通过计算机仿真模拟分析复杂电网络环境下电力系统的运行特性,设计一套参数最优化自动整定算法,构造以平抑系统波动为期望的目标函数,借助多次重复仿真选取最佳适应性参数,以提高电网供电质量,增强电网的运行可靠性。
为了更好的理解本发明,下面结合具体实施例对本发明做进一步说明:
一种智能量化加权水电机组自动发电控制系统如图1所示,包括以下功能模块:电力系统区域控制偏差计算模块、智能量化加权自动发电控制模块、水电机组子网不平衡度优化调度出力分配模块、参数自整定优化计算模块;所述电力系统区域控制偏差计算模块用于根据电网频率偏差Δf和联络线功率偏差ΔPe计算区域控制偏差ACE;所述智能量化加权自动发电控制模块利用区域控制偏差ACE及区域控制偏差ACE变化本身的绝对值作为对区域控制偏差ACE自身的智能量化加权;所述水电机组子网不平衡度优化调度出力分配模块包含机组目标功率分配、死区和调节步长校验环节,各子网按照对应的子网不平衡度均衡分配调节输出信号量,各子网按照最小备用容量原则决定开停机组数目;所述子网不平衡度为子区域控制偏差ACE与总区域控制偏差ACE之比;所述参数自整定优化计算模块使用TOMLAB中非线性最优化NLP工具箱完成对控制系统参数的最优化整定计算;电力系统区域控制偏差计算模块将依据现场电网运行数据计算的区域控制偏差ACE信号提供给智能量化加权自动发电控制模块,生成系统的总功率调节量,再由水电机组子网不平衡度优化调度出力分配模块分配给各个子网机组;参数自整定优化计算模块对整个自动发电控制系统实施监控,并通过调整智能量化加权自动发电控制模块参数,比较控制状态偏差,获取最佳运行参数数据。
一种智能量化加权水电机组自动发电控制算法如图2所示,包括以下步骤:
(1)电力系统区域控制偏差计算模块根据电网频率偏差Δf和联络线功率偏差ΔPe计算区域控制偏差ACE,ACE=∑ΔPe+Kf×Δf,如图3所示,Kf为电网频率偏差系数;Kf值越大,对电网频率波动的抑止效果越强,但也越容易造成调节机构频繁动作,引发系统振荡。
(2)智能量化加权自动发电控制模块利用区域控制偏差ACE及区域控制偏差ACE变化本身的绝对值作为对区域控制偏差ACE自身的智能量化加权;以满足如下的控制系统特性要求:当区域控制偏差ACE较大时,对区域控制偏差ACE在控制规则中的加权大些,以尽快消除误差;当区域控制偏差ACE较小时,系统已接近稳态,对区域控制偏差ACE变化加权大些,以使系统尽快稳定,减小超调量。
取采样点k时刻的区域控制偏差ACE信号为误差e(k),区域控制偏差ACE变化量为误差变化量:
△e(k)=e(k)-e(k-1)(1-1)
分别乘以对应前置量化因子KE、KC后生成信号E和EC:
E=KE•e(k)(1-2)
EC=KC•△e(k)(1-3)
通过对信号E和EC的进行限幅,在精心选择前置量化因子KE,KC后,巧妙利用饱和环节实现变结构控制,保证控制输出在较大扰动的情况下不会因过大增益引发系统振荡,同时又保证在较小的波动下足够快速的反应速度,有效减小超调量,缩短调节时间。
参考常规模糊控制规则,在较大误差时施加较大的调节量,较小误差时输出较小的调节量,设计信号E和EC的智能加权因子分别为
αe=|E|/(|E|+|EC|+ε)(1-4)
αc=|EC|/(|E|+|EC|+ε)(1-5)
其中ε为一极小的正数,实际应用中可取为10-8,用以保证控制系统的权函数在误差和误差变化信号E和EC同时为零的情况下,权函数输出值仍有意义,即保证信号E和其变化量EC的权值在实数范围[0,1)内变化,为系统提供稳态平衡点存在的空间。
综合起来,智能量化加权算法的控制规则为
△P=αe×E+αc×EC(1-6)
将输出量△P乘以输出比例因子KP后,构成实际输出量
△p(k)=KP•△P(1-7)
p(k)=P0+△p(k)(1-8)式中P0为系统的平衡点功率;
在系统的静态平衡点P0已知时,采用式(1-7)、(1-8);若系统的静态平衡点P0随着负荷的变化而变动,需采用其它方式将式(1-6)的增量输出转化为控制器的绝对量输出。利用积分环节构造系统的动态平衡点,比例环节的响应速度快,但具有稳态误差;积分环节响应速度慢,但能够消除稳态误差和具有抗随机干扰的能力。将两者并联后作为控制系统的输出,能够实现系统的快速响应和抗随机干扰。采用比例积分环节将智能加权函数的增量输出转化为绝对值形式。智能量化加权控制模块的输出为:
p(k)=KP•△P+KI•∑△P(1-9)
式中KP为比例因子,KI为积分因子。
(3)如图4所示,对于一个自动发电控制系统,区域控制偏差ACE计算和控制策略模块只有一个,但参与调节的电厂可以有多个,需要将策略模块的输出p(k)分解到各个电厂形成机组目标功率调度指令。从经济运行的角度考虑,一般不希望大规模潮流借助电网远距离传输,水电机组子网不平衡度优化调度出力分配模块按照分区就近平衡的原则,对输出p(k)进行分配;由分区内的调频调峰水电机组承担较多的扰动分量。水电机组子网不平衡度优化调度出力分配模块如图4所示。该模块包含机组目标功率分配,死区和调节步长校验环节。定义子网不平衡度为子区域控制偏差ACE与总区域控制偏差ACE之比,各子网按照对应的子网不平衡度均衡分配调节输出信号量。各子网按照最小备用容量原则决定开停机组数目。
(4)参数自整定优化计算模块要确定KE、KC、KP、KI四个控制器参数。通过扰动试验手工调整并选取这四个参数的工作量非常大,而且所获取参数的控制性能较差。参数自整定优化计算模块要求优化目标为联络线功率波动时间尽可能短,系统功率和频率波动尽可能小;参数自整定优化计算模块将联络线功率波动绝对值与时间的乘积和系统频率偏差绝对值与时间的乘积加权求和作为目标函数,使用TOMLAB中非线性最优化NLP工具箱完成对控制系统参数的最优化整定计算:
J=∫(∑kp×t×|ΔP|+kf×t×|Δf|)dt(1-10)
kp、kf分别为对区域联络线功率偏差和系统频率偏差的加权系数,由调度员根据实际需求和各联络线调节能力与重要程度进行设置。借助计算机仿真计算目标系统的动态运行特性,手工设置KE、KC、KP、KI参数初始值,同时设置各节点电压界限和发电机最大最小出力作为约束条件,使用TOMLAB中非线性最优化NLP工具箱完成对控制系统参数的最优化整定计算。
本发明使用电力系统分析程序PSD-BPA仿真图1中的系统模型,并使用BPA中的电力系统全过程动态仿真程序PSD-FDS模块计算区域电网的动态响应曲线。PSD-BPA支持以卡片的型式填写电网参数数据和仿真控制参数,保存为可编辑的ASCII明文潮流数据文件*.dat和稳定数据文件*.swi;能够以命令行的形式调用潮流计算模块pfnt.exe生成潮流计算结果文件*.bse,并通过ReadBPABse.exe转换成中间结果文件*.pfl;借助于BPAtoLTP3.exe可将稳定数据文件*.swi转换成中间格式稳定数据文件*.ltp,并由ltp3.exe读入*.pfl和*.ltp,完成动态仿真计算,生成全过程结果文件*.out和二进制曲线文件*.cur。整个过程能够以批处理的方式完成,方便第三方程序自动化调用生成电力系统仿真计算。
鉴于PSD-BPA未开放自定义模块编程接口,本发明以二进制编辑的方式将控制算法模型嵌入到ltp3.exe中,完成自定义算法的仿真。借助于ida反编译,定位ltp3.exe中网络侧AGC模型卡AGCN中控制性能评价标准计算函数,以算法函数替换的形式直接修改二进制代码实现智能量化加权自动发电控制算法,实现对自定义控制算法的电力系统仿真计算,其中ltp3.exe为PSD-BPA中长期动态仿真模块。
参数自整定优化计算模块使用基于Matlab的最优化工具箱TOMLAB实现。编写动态链接库Tom2Bpa.dll实现优化计算软件TOMLAB和电力系统分析程序PSD-BPA间的参数和仿真结果数据传递:将TOMLAB的非线性优化NLP算法模块输出的控制量KE、KC、KP、KI四个控制器参数写入ASCII码明文文件*.swi,并以批处理的方式调用PSD-FDS完成对电力系统的仿真计算;读取二进制仿真结果曲线*.cur,将仿真结果返回给TOMLAB仿真平台。编写目标函数m文件fobj.m调用动态链接库Tom2Bpa.dll内函数模块,并依据设定的期望系统频率、联络线传输功率和BPA仿真结果,计算目标函数值J(KE、KC、KP、KI),返回给TOMLAB的NLP算法模块。由TOMLAB的非线性寻优NLP算法模块计算目标函数值J的梯度矩阵和海森矩阵,决策参量变化方向,生成新的一组控制参数,再传递给目标函数m文件fobj.m,重复调用PSD-BPA仿真计算程序,直到找出最佳性能参数组合。以上过程均借助于程序自动化实现,使用人员仅需设定初始化参数,方便了现场运行人员使用。
本发明不局限于以上所述的具体实施方式,以上所述仅为本发明的较佳实施案例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种智能量化加权水电机组自动发电控制系统,其特征在于:包括以下功能模块:电力系统区域控制偏差计算模块、智能量化加权自动发电控制模块、水电机组子网不平衡度优化调度出力分配模块、参数自整定优化计算模块;所述电力系统区域控制偏差计算模块用于根据电网频率偏差Δf和联络线功率偏差ΔPe计算区域控制偏差ACE;所述智能量化加权自动发电控制模块利用区域控制偏差ACE及区域控制偏差ACE变化本身的绝对值作为对区域控制偏差ACE自身的智能量化加权;所述水电机组子网不平衡度优化调度出力分配模块包括机组目标功率分配、死区和调节步长校验环节,各子网按照对应的子网不平衡度均衡分配调节输出信号量,各子网按照最小备用容量原则决定开停机组数目;所述子网不平衡度为子区域控制偏差ACE与总区域控制偏差ACE之比;所述参数自整定优化计算模块使用TOMLAB中非线性最优化NLP工具箱完成对控制系统参数的最优化整定计算;电力系统区域控制偏差计算模块将依据现场电网运行数据计算的区域控制偏差ACE信号提供给智能量化加权自动发电控制模块,生成系统的总功率调节量,再由水电机组子网不平衡度优化调度出力分配模块分配给各个子网机组;参数自整定优化计算模块对整个自动发电控制系统实施监控,并通过调整智能量化加权自动发电控制模块参数,比较控制状态偏差,获取最佳运行参数数据。
2.一种智能量化加权水电机组自动发电控制算法,其特征在于:包括以下步骤:
(1)电力系统区域控制偏差计算模块根据电网频率偏差Δf和联络线功率偏差ΔPe计算区域控制偏差ACE,ACE=∑ΔPe+Kf×Δf,Kf为电网频率偏差系数;
(2)智能量化加权自动发电控制模块利用区域控制偏差ACE及区域控制偏差ACE变化本身的绝对值作为对区域控制偏差ACE自身的智能量化加权:
取采样点k所在时刻的区域控制偏差ACE信号为误差e(k),区域控制偏差ACE变化量为误差变化量:
△e(k)=e(k)-e(k-1)(1-1)
k为第k个采样点,k-1为第k-1个采样点;
误差e(k)和误差变化量△e(k)分别乘以对应前置量化因子KE、KC后生成信号E和EC:
E=KE•e(k)(1-2)
EC=KC•△e(k)(1-3)
设信号E和EC的智能加权因子分别为
αe=|E|/(|E|+|EC|+ε)(1-4)
αc=|EC|/(|E|+|EC|+ε)(1-5)
其中ε为一极小的正数;
智能量化加权算法的控制规则为
△P=αe×E+αc×EC(1-6)
将输出量△P乘以比例因子KP后,构成实际输出变化量△p(k):
△p(k)=KP•△P (1-7)
实际输出量p(k):
p(k)=P0+△p(k)(1-8)
式中:P0为系统的平衡点功率;
在系统的静态平衡点P0已知时,采用式(1-7)、(1-8);若系统的静态平衡点P0随着负荷的变化而变动,智能量化加权自动发电控制模块的输出量为:
p(k)=KP•△P+KI•∑△P (1-9)
式中KP为比例因子,KI为积分因子;
(3)水电机组子网不平衡度优化调度出力分配模块按照分区就近平衡的原则,对输出p(k)进行分配;
(4)参数自整定优化计算模块将联络线功率波动绝对值与时间的乘积和系统频率偏差绝对值与时间的乘积加权求和作为目标函数J,使用TOMLAB中非线性最优化NLP工具箱完成对控制系统参数的最优化整定计算:
J=∫(∑kp×t×|ΔP|+kf×t×|Δf|)dt(1-10);
kp、kf分别为对区域联络线功率偏差和系统频率偏差的加权系数。
3.根据权利要求2所述的一种智能量化加权水电机组自动发电控制算法,其特征在于:所述步骤(2)中采用比例积分环节将智能加权函数的增量输出转化为绝对值形式。
4.根据权利要求2所述的一种智能量化加权水电机组自动发电控制算法,其特征在于:所述步骤(4)中kp、kf由人工根据实际需求和各联络线调节能力与重要程度进行设置;借助计算机仿真计算目标系统的动态运行特性,手工设置KE、KC、KP、KI参数初始值,同时设置各节点电压界限和发电机最大最小出力作为约束条件,使用TOMLAB中非线性最优化NLP工具箱完成对控制系统参数的最优化整定计算。
5.根据权利要求4所述的一种智能量化加权水电机组自动发电控制算法,其特征在于:编写动态连接库和调用TOMLAB优化计算的*.m文件,将TOMLAB的非线性优化NLP算法模块输出的控制量KE、KC、KP、KI四个控制器参数写入ASCII码明文文件*.swi,并以批处理的方式调用PSD-FDS完成对电力系统的仿真计算;读取二进制仿真结果曲线*.cur,生成目标函数J,返回给TOMLAB的NLP算法模块;由TOMLAB进行寻优计算以后生成新的一组控制参数,重复调用PSD-BPA仿真计算程序,直到找出最佳性能参数组合。
6.根据权利要求2所述的一种智能量化加权水电机组自动发电控制算法,其特征在于:所述ε的取值范围为10-8-10-5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710037604.7A CN106786671B (zh) | 2017-01-19 | 2017-01-19 | 一种智能量化加权水电机组自动发电控制系统及算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710037604.7A CN106786671B (zh) | 2017-01-19 | 2017-01-19 | 一种智能量化加权水电机组自动发电控制系统及算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106786671A CN106786671A (zh) | 2017-05-31 |
CN106786671B true CN106786671B (zh) | 2019-05-31 |
Family
ID=58943538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710037604.7A Active CN106786671B (zh) | 2017-01-19 | 2017-01-19 | 一种智能量化加权水电机组自动发电控制系统及算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106786671B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200327435A1 (en) | 2019-04-12 | 2020-10-15 | General Electric Company | Systems and methods for sequential power system model parameter estimation |
US11636557B2 (en) | 2019-05-29 | 2023-04-25 | General Electric Company | Systems and methods for enhanced power system model validation |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101478157A (zh) * | 2008-10-13 | 2009-07-08 | 宁波电业局 | 自动发电控制系统及其负荷预测自动综合的优化方法 |
CN105490304A (zh) * | 2016-01-28 | 2016-04-13 | 武汉大学 | 一种多端柔性直流电网跨区域平抑风电波动的协调控制方法 |
-
2017
- 2017-01-19 CN CN201710037604.7A patent/CN106786671B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101478157A (zh) * | 2008-10-13 | 2009-07-08 | 宁波电业局 | 自动发电控制系统及其负荷预测自动综合的优化方法 |
CN105490304A (zh) * | 2016-01-28 | 2016-04-13 | 武汉大学 | 一种多端柔性直流电网跨区域平抑风电波动的协调控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106786671A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aziz et al. | Variable universe fuzzy logic-based hybrid LFC control with real-time implementation | |
Pandey et al. | Frequency regulation in hybrid power systems using particle swarm optimization and linear matrix inequalities based robust controller design | |
EP2325716B2 (en) | Reactive power regulation and voltage support for renewable energy plants | |
Chandrakala et al. | Variable structure fuzzy gain scheduling based load frequency controller for multi source multi area hydro thermal system | |
Oshnoei et al. | Disturbance observer and tube-based model predictive controlled electric vehicles for frequency regulation of an isolated power grid | |
Kumar et al. | Recent philosophies of automatic generation control strategies in power systems | |
Jafarnejadsani et al. | Gain-Scheduled $\ell _ {1} $-Optimal Control of Variable-Speed-Variable-Pitch Wind Turbines | |
CN111092429B (zh) | 一种柔性互联配电网的优化调度方法、存储介质及处理器 | |
CN108923435B (zh) | 一种基于分层mpc的风电无功电压协调控制系统 | |
CN112507614B (zh) | 一种分布式电源高渗透率地区电网综合优化方法 | |
CN113363998B (zh) | 一种基于多智能体深度强化学习的配电网电压控制方法 | |
CN106570579B (zh) | 一种基于改进量子粒子群算法的水火电经济调度方法 | |
CN105024390B (zh) | 基于bp神经网络的微网电池储能系统调频控制方法 | |
CN106786671B (zh) | 一种智能量化加权水电机组自动发电控制系统及算法 | |
CN110247404B (zh) | 风电并网电压分层协调控制方法、系统、介质及设备 | |
Skiparev et al. | Reinforcement learning based approach for virtual inertia control in microgrids with renewable energy sources | |
CN107516892A (zh) | 基于处理有功优化约束条件提高电能质量的方法 | |
CN113054688A (zh) | 考虑不确定性的可再生能源集群出力分布式协调控制方法 | |
CN113098022A (zh) | 风电场并网点无功调节方法、装置、设备及存储介质 | |
CN113872213B (zh) | 一种配电网电压自主优化控制方法及装置 | |
Elgammal et al. | Optimal model predictive frequency control management of grid integration PV/wind/FC/storage battery based smart grid using multi objective particle swarm optimization MOPSO | |
CN115313416A (zh) | 一种适用于储能电站辅助调频系统的多目标优化控制方法 | |
Yang et al. | Coordination of generators and energy storage to smooth power fluctuations for multi-area microgrid clusters: A robust decentralized approach | |
Hu et al. | An active primary frequency regulation strategy for grid integrated wind farms based on model predictive control | |
CN115173410A (zh) | 一种改进gwo算法的电网转动惯量阈值计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |