CN109193671A - 一种含高密度光伏配电网电压异常补偿方法 - Google Patents

Abstract

本发明公开一种含高密度光伏配电网电压异常补偿方法，包括如下步骤：S1，采集直流配电网电压信号，并对采集信号滤波处理；S2：计算分析电压异常类型；S3：计算配电网电压异常调整最优目标函数(包含电压跌落与电压升高两种情况)；S4：根据S3目标函数使用基于改进种群多样性粒子群优化算法整定PI控制器的控制参数；S5：使用S4寻找的最优粒子对PI控制器参数进行调整，输出控制信号，对配电网电压进行补偿。此种方法将一种基于改进种群多样性粒子群优化算法与UPQC控制器相结合，调节UPQC的控制参数，以提高UPQC对配电网电压补偿的能力。

Description

一种含高密度光伏配电网电压异常补偿方法

技术领域

本发明属于含光伏配电网电能质量检测与控制领域，特别涉及一种含高密度光伏配电网电压异常补偿方法。

背景技术

近年来，智能电网正逐步成为电力领域的研究热点。电网公司结合我国基本国情和特高压建设情况，进一步确立了加快建设以特高压电网为骨干网架的坚强智能电网的发展目标。如何使智能电网的重要组成部分一一智能配电网健康快速地发展，也成为电力工作者越来越关注的问题。

光伏发电电源接入配电网后，会带来各种扰动，影响系统电能质量，主要体现在电压闪烁和谐波、电压脉冲、浪涌、电压跌落、频率偏移、瞬时供电中断等动态电能质量问题。目前，主要通过减少分布式电源启动次数，通过逆变器将光伏发电电源接入配电网，降低光伏电源输出功率变化对电压的影响。对于谐波问题，可以在谐波电压水平较高的母线上安装特殊滤波器。此外，还应探索多功能逆变器控制策略，在逆变器中加入并联有源滤波器，采用参考电压最大功率点跟踪控制策略稳定电压源逆变器输出电流，抑制谐波电压。

随着柔性直流输电技术及风力发电技术的飞速发展，多端直流输电系统(VoltageSourced Converter Based Multi-Terminal HVDC,VSC-MTDC)逐渐涌现，多端直流输电系统主要用于实现大规模多点网互联、消纳规模化风电对主网络的负面影响，我国已经建立“浙江舟山五端柔性直流输电科技示范工程”和“南澳多端柔性直流输电示范工程”，其中“南澳多端柔性直流输电示范工程”为世界上第一个多端柔性直流输电示范工程。目前，含VSC-MTDC的大规模交直流输电系统的建模及仿真分析手段不完善，如果采用传统的建模方法，系统数学模型的复杂度会随着端口数的增加而呈现猛烈增长的趋势，极大地降低了系统模型的求解效率，计算速度极度缓慢，严重影响工作进度，而且还会导致控制器的设计不易实现。

粒子群优化算法(Particle swarm optimization，PSO)是由美国社会心理学家Eberhart博士和电气工程师Kennedy博士在1995年提出的一种基于群体智能的随机优化算法。PSO算法操作简单，需要调整的参数少，收敛速度快因而被广泛应用，但它容易陷入局部最优。为了改善这一问题，学者们从惯性权值对种群搜索能力的影响，局部搜索与全局搜索困、收敛性、稳定性叫等方面做了大量的工作。此外，研究者先后提出了固定惯性权值策略、权值递减策略、模糊惯性权值策略、随机惯性权值策略等改进算法。

一种改进的基于种群多样性的PSO算法，能够有效地避免粒子陷入局部最优，并提高了算法搜索精度。如何将基于种群多样性的PSO算法与统一电能质量控制器有机结合，提高统一电能质量控制器(UPQC)对含光伏配电网电压异常补偿性能，是本领域研究人员感兴趣的问题。

发明内容

本发明的目的，在于提供一种含高密度光伏配电网电压异常补偿方法，其将一种基于改进种群多样性粒子群优化算法与UPQC控制器相结合，调节UPQC的控制参数，以提高UPQC对配电网电压补偿的能力。

为了达成上述目的，本发明的解决方案是：

一种含高密度光伏配电网电压异常补偿方法，包括如下步骤：

步骤S1，采集含高密度光伏配电网的三相母线电压u_sa，u_sb，u_sc，采集配网各负载电压u_lai、u_lbi、u_lci，i＝1,2,3……n，为配电网的负载编号，进行处理后发送给park变换器；

步骤S2，取park变换器输出的配电网母线在dq旋转坐标系下的数值u_sd，u_sq和配电网负载电压在dq旋转坐标系下的数值：u_sd，u_ldi，计算ΔE_i＝u_sd-u_ldi，若|ΔE_i|＞|(ξ_i+ζ)|，则判定为电压异常，执行步骤S3，否则返回步骤S1；其中ξ_i为配电网稳态运行时母线d轴分量与负载i电压d轴分量之差，ζ为算法敏度预设值；

步骤S3，采用基于种群多样性的改进粒子群优化算法整定控制器参数(k_p，k_i)；

步骤S4，通过迭代计算，得到使得目标函数G最小的一组最优解(k_p，k_i)，确定其为补偿控制参数；

步骤S5，根据步骤S4得到的补偿控制参数，生成并输出PWM控制信号，输出给驱动电路，对配电网电压实施补偿。

采用上述方案后，本发明提供了一种含高密度光伏配电网电压异常补偿方法，当含光伏的直流配电网出现电压异常(跌落或升高)时，能够及时完成电压异常的补偿工作,利用统一电能质量控制器(UPQC)实施。本发明通过采用基于种群多样性改进的粒子群优化算法对UPQC的控制参数进行整定，使用优化的控制参数对含光伏的配电网进行电压异常调整，可以提升UPQC实施电压补偿的精度与正确性，为利用UPQC对含光伏的配电网电能质量治理提供了一种新方法。

本发明通过种群多样性信息获得粒子的分布状态，并分析粒子飞行过程中的非线性特性，能够有效地避免粒子陷入局部最优和在保证种群的多样性的前提下增强算法的收敛精度和收敛速度。

附图说明

图1是本发明具体实施方式中含光伏配电网拓扑图；

图2是本发明具体实施方式中硬件结构示意图；

图3是本发明具体实施方式中算法流程图。

具体实施方式

以下将结合附图，对本发明的技术方案及有益效果进行详细说明。

本实施例通过采用一种基于改进种群多样性粒子群优化算法与UPQC控制器相结合，优化调节UPQC的控制参数，对PI控制器参数进行整定，能够对含光伏配电网电压异常进行有效补偿。

如图1所示，含光伏配电网系统主要包括非线性负载、并网光伏、中压配网，该含光伏配网具有配电母线。UPQC接入该配电网，自身包含滤波模块、供电模块，其中供电模块主要成分是蓄电池，用于提供统一电能质量控制器工作电源。

如图2所示为本发明的具体功能模块组成，包括用于采集配电网电压数据(含光伏配电网的负载及母线电压)的电压采集模块、用于对采集数据进行处理的电压信号处理模块、用于计算处理模块发出的电压信号并进行算法计算的DSP模块、用于执行DSP发出指令并对配电网电压异常进行补偿的驱动电路模块。

如图3所示，本实施例公开了一种含高密度光伏配电网电压异常补偿方法，具体包括以下步骤：

S1，采集含高密度光伏配电网的三相母线电压u_sa，u_sb，u_sc(其中s代表母线)、采集配网各负载电压u_lai、u_lbi、u_lci(其中l代表负载，i＝1,2,3……n，为配网的负载编号)，通过总线发送给信号处理模块，处理后发送给park变换器。

S2，取park变换器输出的配电网母线在dq旋转坐标系下的数值u_sd，u_sq和配电网负载电压在dq旋转坐标系下的数值：u_sd，u_ldi。计算ΔE_i＝u_sd-u_ldi，若|ΔE_i|＞|(ξ_i+ζ)|，则判定为电压异常，执行步骤S3，否则返回S1。其中ξ_i为配电网稳态运行时母线d轴分量与负载i电压d轴分量之差，ζ为算法敏度预设值，是一很小的正常数。

S3，整定PI控制器参数：

将式(1)PI控制器数学模型输入处理器，其输出为u(t)_i：

式中，Δe(t)_i＝u_sd-u_ldi为负载i的PI控制单元输入，即电压异常补偿指令，u(t)_i为PI控制器输出。k_p为比例增益，k_i为积分环节增益。采用基于种群多样性的改进粒子群优化算法整定控制器参数(k_p，k_i)。具体步骤如下：

①随机初始化粒子群中各粒子的位置x_i、速度v_i和惯性权重ω_i。将各粒子的初始位置设为当前历史最优位置p_i，取粒子群P中最优值作为全局最优位置gd。

②根据式(2)计算粒子种群聚集程度：

式中，l_i(t+1)为第t+1次迭代粒子i与其他粒子之间的最小距离，是所有的l_i(t+1)平均值，n为粒子个数。SP(t+1)为第t+1次迭代完成后粒子群的种群多样性。

③根据式(3)计算粒子的适应度值，加权多个性能指标，求其和的最小值作为目标函数。将每个粒子的适应度值与当前全局最优位置g_d比较，若有更优的位置则更新g_d；与此同时，将每个粒子的适应值当前历史最优位置p_i相比较，若有更优则更新p_i。

式中，w₁、w₂、w₃、w₄为迭代权值，w₁、w₂、w₃取值范围(5,8)，w₄取200；u(t)为PI控制器输出；t_u为上升时间，取5ms；y(t)_i为负载i的电压，Δy(t)＝y(t)-y(t-1)。

④根据式(4)、(5)更新粒子位置x_i与速度v_i：

x_i(t+1)＝x_i(t)+v_i(t+1) (4)

v_i(t+1)＝ω_i(t)v_i(t)+c₁R₁(p_i(t)-x_i(t))+c₂R₂(g_d(t)-x_i(t)) (5)

式中，ω_i为惯性权值，取0.95；R₁、R₂取[0,1]内的随机数；c₁为自学习因子，设为1.05；c₂为社会学习因子，设为1.05；p_i(t)为t时刻最优位置；g_d(t)为t时刻全局最优位置。

⑤计算粒子当前位置的适应度值，并更新历史最优位置p_i和全局最优位置g_d，计算SP(t+1)、SP(t)，比较SP(t+1)与SP(t)，根据式(6)更新迭代惯性权重的值。

式中ω_i为粒子惯性权值，i表示粒子编号。SP为种群多样性。

⑥检查终止条件，若满足，则结束迭代计算，输出最优解(k_p，k_i)；若不满足终止条件，则返回③重新计算适应值，并寻找最优点。

S4，通过算法迭代计算，不断更新个体与全局的极值，当到达系统最优点时得到使得目标函数G最小的一组最优解(k_p，k_i)，处理器确定其为补偿控制参数。

S5，根据S4得到的补偿控制参数，生成并输出PWM控制信号，输出给驱动电路，对配电网电压实施补偿。

综上所述，本实施例的一种含高密度光伏配电网电压异常补偿方法，当含光伏的直流配电网出现电压异常(跌落或升高)时，能够及时完成电压异常的补偿工作。本方法通过种群多样性信息获得粒子的分布状态，并分析粒子飞行过程中的非线性特性，能够有效地避免粒子陷入局部最优和在保证种群的多样性的前提下增强算法的收敛精度和收敛速度，为含光伏配电网电压异常补偿提供了一种新方法。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (5)

1.一种含高密度光伏配电网电压异常补偿方法，其特征在于包括如下步骤：

步骤S1，采集含高密度光伏配电网的三相母线电压u_sa，u_sb，u_sc，采集配网各负载电压u_lai、u_lbi、u_lci，i＝1,2,3……n，为配电网的负载编号，进行滤波处理后发送给park变换器；

步骤S2，取park变换器输出的配电网母线在dq旋转坐标系下的数值u_sd，u_sq和配电网负载电压在dq旋转坐标系下的数值：u_sd，u_ldi，计算ΔE_i＝u_sd-u_ldi，若|ΔE_i|＞|(ξ_i+ζ)|，则判定为电压异常，执行步骤S3，否则返回步骤S1；其中ξ_i为配电网稳态运行时母线d轴分量与负载i电压d轴分量之差，ζ为算法敏度预设值；

步骤S3，采用基于种群多样性的改进粒子群优化算法整定控制器参数(k_p，k_i)；

步骤S4，通过迭代计算，得到使得目标函数G最小的一组最优解(k_p，k_i)，确定其为补偿控制参数；

步骤S5，根据步骤S4得到的补偿控制参数，生成并输出PWM控制信号，输出给驱动电路，对配电网电压实施补偿。

2.如权利要求1所述的一种含高密度光伏配电网电压异常补偿方法，其特征在于：所述步骤S3的具体过程是：

①随机初始化粒子群中各粒子的位置x_i、速度v_i和惯性权重ω_i，将各粒子的初始位置设为当前历史最优位置p_i，取粒子群中最优值作为全局最优位置g_d；

②计算粒子种群聚集程度；

③计算粒子的适应度值，加权多个性能指标，求其和的最小值作为目标函数，将每个粒子的适应度值与当前全局最优位置g_d比较，若有更优的位置则更新g_d；与此同时，将每个粒子的适应值当前历史最优位置p_i相比较，若有更优则更新pi；

④根据下式更新粒子位置x_i与速度v_i：

x_i(t+1)＝x_i(t)+v_i(t+1)

v_i(t+1)＝ω_i(t)v_i(t)+c₁R₁(p_i(t)-x_i(t))+c₂R₂(g_d(t)-x_i(t))

式中，ω_i为惯性权值，取0.95；R₁、R₂取[0,1]内的随机数；c₁为自学习因子，设为1.05；c₂为社会学习因子，设为1.05；p_i(t)为t时刻最优位置；

⑤计算粒子当前位置的适应度值，并更新历史最优位置p_i和全局最优位置g_d，计算SP(t+1)、SP(t)，比较SP(t+1)与SP(t)，更新迭代惯性权重的值；

⑥检查终止条件，若满足，则结束迭代计算，输出最优解(k_p，k_i)；若不满足终止条件，则返回③重新计算适应值，并寻找最优点。

3.如权利要求2所述的一种含高密度光伏配电网电压异常补偿方法，其特征在于：所述步骤②中，根据下式计算粒子种群聚集程度：

式中，l_i(t+1)为第t+1次迭代粒子i与其他粒子之间的最小距离，是所有的l_i(t+1)平均值，n为粒子个数；SP(t+1)为第t+1次迭代完成后粒子群的种群多样性。

4.如权利要求2所述的一种含高密度光伏配电网电压异常补偿方法，其特征在于：所述步骤③中，根据下式计算粒子的适应度值：

其中，w₁、w₂、w₃、w₄为迭代权值；u(t)为PI控制器输出；t_u为上升时间；y(t)_i为负载i的电压，Δy(t)＝y(t)-y(t-1)；Δe(t)_i＝u_sd-u_ldi为负载i的PI控制单元输入，即电压异常补偿指令。

5.如权利要求2所述的一种含高密度光伏配电网电压异常补偿方法，其特征在于：所述步骤⑤中，根据下式更新迭代惯性权重的值：

其中，ω_i为粒子惯性权值，i表示粒子编号，SP为种群多样性。