CN109193750A - 基于pidd2控制器的风电集群参与agc方法 - Google Patents
基于pidd2控制器的风电集群参与agc方法 Download PDFInfo
- Publication number
- CN109193750A CN109193750A CN201810839773.7A CN201810839773A CN109193750A CN 109193750 A CN109193750 A CN 109193750A CN 201810839773 A CN201810839773 A CN 201810839773A CN 109193750 A CN109193750 A CN 109193750A
- Authority
- CN
- China
- Prior art keywords
- wind
- controller
- pidd
- input
- frequency
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000005611 electricity Effects 0.000 title claims abstract description 24
- 101001129796 Homo sapiens p53-induced death domain-containing protein 1 Proteins 0.000 claims abstract description 36
- 102100031691 p53-induced death domain-containing protein 1 Human genes 0.000 claims abstract description 36
- 239000002245 particle Substances 0.000 claims description 24
- 230000003044 adaptive effect Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 238000011217 control strategy Methods 0.000 claims description 6
- 230000004069 differentiation Effects 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 4
- 238000007665 sagging Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 239000006227 byproduct Substances 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000032258 transport Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 102000003712 Complement factor B Human genes 0.000 description 1
- 108090000056 Complement factor B Proteins 0.000 description 1
- 102100036467 Protein delta homolog 1 Human genes 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 101150102995 dlk-1 gene Proteins 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000003303 reheating Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H02J3/386—
-
- 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
- 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)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于PIDD2控制器的风电集群参与AGC方法。该方法包括：获取电力系统的频率偏差，所述电力系统的频率偏差来自于传感器；对电力系统频率偏差进行离散化处理；乘以反馈因子并与联络线功率偏差加和之后作为ACE，输入到PIDD2控制器中；根据PIDD2控制器的特征，通过比例、积分、微分和二阶微分将优化后的输入端期望值AGC系统中，同时将频率偏差信号引入风电下降速率控制模块，使得风电集群参与调频。该控制方法具有鲁棒性好，可以动态优化的特点。
Description
技术领域
本发明涉及AGC(Automatic Generation Control，自动发电控制)控制领域，风力集群发电领域，具体涉及一种基于PIDD2控制器的风电集群参与AGC方法。
背景技术
随着传统化石能源的不断枯竭，可再生能源的重要性日益凸显。风电因为技术成熟、可靠性高其装机容量逐年上升。但是，随着风电并网容量的不断增大，因其受自然环境的影响较大，给电力系统带来了更多的不确定性，主要表现在对电力系统频率的冲击上。因此，由于新能源的大量接入，对AGC系统提出了更高的要求，如何优化AGC系统控制方法也成为一个值得研究的课题。
目前针对此问题出现了多种控制方法：基于遗传模糊PID的AGC控制系统研究、基于无模型自适应控制算法的互联电网AGC、基于时滞模型预测控制算法的网络化AGC研究。基于遗传模糊PID的AGC控制系统能克服传统模糊控制需人为设定隶属度且不能动态调整参数的弊端；基于无模型自适应控制算法的互联电网AGC系统具有较强的鲁棒性、非线性适应性及CPS指标；基于时滞模型预测控制算法的网络化AGC控制系统确保了网络化AGC对通信延迟的鲁棒性和适应性。
上述列举控制方法虽然能够保证控制系统的稳定性和动态性能，但普遍存在控制精度有限，控制算法复杂的问题，且只考虑了控制器控制参数优化的问题，而实际控制过程中，除了控制器控制参数的优化以外，还可以考虑对控制器的结构进行优化。因此，针对PID控制器的结构改进更具实际意义。
发明内容
为了解决上述背景技术存在的问题，本发明的目的是提供一种基于PIDD2控制器的风电集群参与AGC方法。
为了达到上述目的，本发明所采用的技术方案是：
基于PIDD2控制器的风电集群参与AGC方法，其特征在于，所述方法包括如下步骤：
步骤1：获取电力系统的频率偏差Δf，所述电力系统的频率偏差来自于传感器；
步骤2：对电力系统频率偏差进行离散化处理；乘以反馈因子之后与联络线信号求和作为ACE，输入到PIDD2控制器中；PIDD2控制器由4个环节并联组成，分别为比例环节、积分环节、微分环节、二阶微分环节，各环节有各自的增益系数分别为比例系数KP、积分系数KI、微分系数KD、二阶微分系数KDD，四个环节的输入为控制器输入，四个环节的输出叠加后作为控制器输出；
步骤3：同时将频率偏差，输入到风机的下降速率控制模块；并且设定风机的运行参考点ΔPref和风机的最优转速Δωopt；
步骤4：设计控制器目标函数J，以及约束条件；
步骤5：通过粒子群算法，对KP、KI、KD、KDD四个参数进行寻优，以获得以上四个参数的全局最优解和局部最优解。
进一步的，所述步骤2中，PIDD2控制器四个环节的输入为控制器输入U(s)，分别乘以各自的增益系数后积分环节做积分运算，微分环节做微分运算，二阶微分换件做两次微分运算，得到四个环节各自的输出，叠加后作为控制器输出E(s)；
PIDD2控制器的传递函数，如式(1)所示：
进一步的，所述风电集群特征是：一个风电集群有多个风电场，一个风电场有多个风力发电机，风力发电机采用下降速率控制策略，控制策略是：该策略由3部分组成分别是频率调节模块、转速恢复模块、功率转速模块；频率调节模块由3部分组成分别为频率测量环节、滤波器、下垂系数，三个环节依次级联；引入电力系统频率偏差Δf作为输入，输出为风力发电机调频参考信号ΔPf；转速恢复模块为一个PI控制器，其输入为风机最优转速Δwopt和风机实际转速Δw的差值，输出为风力发电机功率恢复参考信号ΔPw；功率转速模块为一个积分器乘以风机惯性系数，输入信号为风力发电机输出功率ΔPNC与风机参考运行点ΔPNCref的差值，输出为风机实际转速；将ΔPf和ΔPw负向叠加后作为风力发电机的输入，输出为风力发电机输出功率ΔPNC。
进一步的，步骤5包括：
步骤5.1：初始化粒子群，随机产生所有粒子的位置和速度，并确定当前局部最优解Pt和当前全局最优解Gt；
步骤5.2：将该粒子群中的粒子依次赋值给PID控制器的参数KP、KI、KD和KDD然后运行控制系统的Simulink模型，达到该组参数对应的性能指标，该性能指标传递到PSO中作为该粒子的适应值；
步骤5.3：对每个粒子，将其适应值与该粒子所经历过的最优位置Pt对应的适应值比较，如果比后者好，则将其作为当前的Pt；
步骤5.4：对每个粒子，将其适应值与整个粒子群所经历过的最优位置Gt对应的适应值进行比较，如果比后者好，则将其作为当前Gt；
步骤5.5：如果没有满足终止条件，则更新粒子群操作，返回步骤2；否则，退出算法，得到最优解。
进一步地，当选用的实验平台为两区域含有风电集群的互联电网AGC系统，其控制策略为：电力系统频率偏差Δf乘以下垂系数R的倒数后作为一次调频反馈ΔPref1，乘以区域频率反馈因此B后负向叠加联络线功率ΔPtie后作为区域控制偏差ACE，输入到PIDD2控制器，输出为二次调频反馈ΔPref2；将ΔPref2减去ΔPref1作为发电机输入信号，输出为发电机功率ΔPe；将ΔPe减去负荷扰动ΔPd减去联络线功率ΔPtie后，作为电力系统的输入，输出为电力系统频率偏差Δf；
根据上述的数学模型，利用MATLAB中Simulink中的模块，构建出两区域互联电网AGC系统的模型，将ACE1和ACE2作为PIDD2控制器的输入，通过比例、微分、积分和二阶微分环节对AGC系统进行控制。
与现有技术相比，本发明的有益效果是：本发明采用PIDD2控制器，很好的解决了传统PID控制器鲁棒性不足，超调量过大等缺陷，显著的提升了系统的控制效果。该控制方法超调量小、调节时间短、鲁棒性好。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1；PIDD2控制器结构图。
图2；风电集群概念图。
图3；风机下降速率控制框图。
图4：风电集群参与调频的AGC框图。
图5；PIDD2控制器的阶跃信号下的ACE1响应曲线。
图6；PIDD2控制器的阶跃信号下的ACE2响应曲线。
图7；PIDD2控制器的阶跃信号下的Δf1响应曲线。
图8；PIDD2控制器的阶跃信号下的Δf2响应曲线。
图9；传统PID控制器的阶跃信号下的ACE1响应曲线。
图10；传统PID控制器的阶跃信号下的ACE2响应曲线。
图11；传统PID控制器的阶跃信号下的Δf1响应曲线。
图12；传统PID控制器的阶跃信号下的Δf2响应曲线。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于PIDD2的AGC方法，该控制方法具有鲁棒性好，可以动态优化的特点。该方法包括：获取电力系统频率参数，所述的电力系统频率参数来自于传感器；对所述的电力系统频率参数与国家标准的电力系统频率进行比对、求差值；将所述的电力系统频率的差值传输至AGC系统和风机下降速率控制系统，所述的AGC系统主控制器由PIDD2构成，通过对ACE信号进行比例、积分、微分和二阶微分等控制方法；调频发电厂获取控制信号；根据所述的控制信号确定调频发电厂应该发出的电量，根据所述的应该发出的电量对电力系统进行补偿；使电力系统频率差值为零，电力系统频率重新恢复到国家标准值。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
步骤1：获取电力系统的频率偏差Δf，所述电力系统的频率偏差来自于传感器。
步骤2：对电力系统频率偏差进行离散化处理；乘以反馈因子之后与联络线信号求和作为ACE，输入到PIDD2控制器中；PIDD2控制器由4个环节并联组成，分别为比例环节、积分环节、微分环节、二阶微分环节，各环节有各自的增益系数分别为比例系数KP、积分系数KI、微分系数KD、二阶微分系数KDD，四个环节的输入为控制器输入，四个环节的输出叠加后作为控制器输出。
步骤3：同时将频率偏差，输入到风机的下降速率控制模块；并且设定风机的运行参考点ΔPref和风机的最优转速Δωopt。
步骤4：设计控制器目标函数J，以及约束条件。
步骤5：通过粒子群算法(Particle swarm optimization,PSO)算法，对KP、KI、KD、KDD四个参数进行寻优，以获得以上四个参数的全局最优解和局部最优解。
具体实施过程如下：
1.测量当前电力系统频率，并与标准值求差，得到电力系统频率偏差。
2.对电力系统频率偏差进行离散化处理；乘以二次频率反馈因子B之后与联络线信号ΔPtie求和作为ACE，输入到PIDD2控制器中得到二次调频的反馈ΔPref2。将ΔPref2减去ΔPref1作为发电机输入信号，输出为发电机功率ΔPe。
发电机由3部分组成：
调速器单元：
再热单元：
汽轮机：
将ΔPe减去负荷扰动ΔPd减去联络线功率ΔPtie后，作为电力系统的输入，输出为电力系统频率偏差Δf。
电力系统频率偏差：
区域联络线功率偏差：
区域i与外区域间有功交换功率变化率可表示为：
区域控制偏差：
表1系统参数
表中Tgi为调速器时间常数；Tti为发电机时间常数；Kri为汽轮机再热系数；Tri再热时间常数；Ri为机组调差系数；Bi为系统调差系数；Mi为机组转动惯量；Di为负荷阻尼系数；T12为联络线功率同步系数。
3.将频率偏差，输入到风机的下降速率控制模块；并且设定风机的运行参考点和风机的最优转速Δωopt。DFIG参与AGC调节主要通过惯性控制实现，风机调频功率信号为ΔPf。同时，基于风速，风机控制器提供风力发电机功率恢复参考信号ΔPw，使发电机的转速控制在最佳转速，以产生最大功率。调频功率控制信号ΔPf和功率参考点ΔPw可以表示为
△Pω＝Kωp(ω*-ω)+Kωi∫(ω*-ω)dt (8)
△Pf＝△X2/R (9)
其中，KWp和KWi为PI控制器参数，ΔX1为DFIG经传感器后的频率增量变化，ΔX2为DFIG经滤波器后的频率增量变化，R为下降速率系数。图3中，TR为频率传感器时间常数，TW为DFIG washout滤波器时间常数，He为风机等价惯量，Ta为风机时间常数。
4.设计PS优化算法的目标函数为考虑发电机变化率约束(generation rate constraint GRC)，其，火电机组GRC典型值取0.0017p.u.MW/s。调速器死区(governor dead band GDB)为0.1Hz.
5.步骤5进一步包括：
步骤5.1：初始化粒子群，随机产生所有粒子的位置和速度，并确定当前局部最优解Pt和当前全局最优解Gt。
步骤5.2：将该粒子群中的粒子依次赋值给PID控制器的参数KP、KI、KD和KDD然后运行控制系统的Simulink模型，达到该组参数对应的性能指标，该性能指标传递到PSO中作为该粒子的适应值。
步骤5.3：对每个粒子，将其适应值与该粒子所经历过的最优位置Pt对应的适应值比较，如果较好，则将其作为当前的Pt。
步骤5.4：对每个粒子，将其适应值与整个粒子群所经历过的最优位置Gt对应的适应值进行比较，如果较好，则将其作为当前Gt。
步骤5.5：如果没有满足终止条件，则更新粒子群操作，返回步骤2；否则，退出算法，得到最优解。
根据上述的数学模型和设定参数，利用MATLAB/Simulink中的模块，构建出两区域AGC系统的模型，将ACE1、ACE2作为PIDD2控制器的输入，将调整后的ACE1、ACE2作为AGC系统的输入。
为研究各种扰动情况下，采用本发明所提方法进行控制的AGC系统的动态性能和稳定性，给定区域1的扰动负荷ΔPL1为0.25pu，区域2的扰动负荷ΔPL2为0.2pu，测试扰动输入为阶跃信号时AGC系统的各输出响应。PIDD2控制器和传统PID控制器相比调节时间更短，超调量更小，且系统具有更好的稳定性。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (5)
1.基于PIDD2控制器的风电集群参与AGC方法，其特征在于，所述方法包括如下步骤：
步骤1：获取电力系统的频率偏差Δf，所述电力系统的频率偏差来自于传感器；
步骤2：对电力系统频率偏差进行离散化处理；乘以反馈因子之后与联络线信号求和作为ACE，输入到PIDD2控制器中；PIDD2控制器由4个环节并联组成，分别为比例环节、积分环节、微分环节、二阶微分环节，各环节有各自的增益系数分别为比例系数KP、积分系数KI、微分系数KD、二阶微分系数KDD，四个环节的输入为控制器输入，四个环节的输出叠加后作为控制器输出；
步骤3：同时将频率偏差，输入到风机的下降速率控制模块；并且设定风机的运行参考点ΔPref和风机的最优转速Δωopt；
步骤4：设计控制器目标函数J，以及约束条件；
步骤5：通过粒子群算法，对KP、KI、KD、KDD四个参数进行寻优，以获得以上四个参数的全局最优解和局部最优解。
2.根据权利要求1所述的基于PIDD2控制器的风电集群参与AGC方法，其特征在于，所述步骤2中，PIDD2控制器四个环节的输入为控制器输入U(s)，分别乘以各自的增益系数后积分环节做积分运算，微分环节做微分运算，二阶微分换件做两次微分运算，得到四个环节各自的输出，叠加后作为控制器输出E(s)；
PIDD2控制器的传递函数，如式(1)所示：
3.根据权利要求1所述的基于PIDD2控制器的风电集群参与AGC方法，其特征在于，所述风电集群特征是：一个风电集群有多个风电场，一个风电场有多个风力发电机，风力发电机采用下降速率控制策略，控制策略是：该策略由3部分组成分别是频率调节模块、转速恢复模块、功率转速模块；频率调节模块由3部分组成分别为频率测量环节、滤波器、下垂系数，三个环节依次级联；引入电力系统频率偏差Δf作为输入，输出为风力发电机调频参考信号ΔPf；转速恢复模块为一个PI控制器，其输入为风机最优转速Δwopt和风机实际转速Δw的差值，输出为风力发电机功率恢复参考信号ΔPw；功率转速模块为一个积分器乘以风机惯性系数，输入信号为风力发电机输出功率ΔPNC与风机参考运行点ΔPNCref的差值，输出为风机实际转速；将ΔPf和ΔPw负向叠加后作为风力发电机的输入，输出为风力发电机输出功率ΔPNC。
4.根据权利要求1所述的基于PIDD2控制器的风电集群参与AGC方法，其特征在于，步骤5包括：
步骤5.1：初始化粒子群，随机产生所有粒子的位置和速度，并确定当前局部最优解Pt和当前全局最优解Gt；
步骤5.2：将该粒子群中的粒子依次赋值给PID控制器的参数KP、KI、KD和KDD然后运行控制系统的Simulink模型，达到该组参数对应的性能指标，该性能指标传递到PSO中作为该粒子的适应值；
步骤5.3：对每个粒子，将其适应值与该粒子所经历过的最优位置Pt对应的适应值比较，如果比后者好，则将其作为当前的Pt；
步骤5.4：对每个粒子，将其适应值与整个粒子群所经历过的最优位置Gt对应的适应值进行比较，如果比后者好，则将其作为当前Gt；
步骤5.5：如果没有满足终止条件，则更新粒子群操作，返回步骤2；否则，退出算法，得到最优解。
5.根据权利要求1所述的基于PIDD2控制器的风电集群参与AGC方法，其特征在于，当选用的实验平台为两区域含有风电集群的互联电网AGC系统，其控制策略为：电力系统频率偏差Δf乘以下垂系数R的倒数后作为一次调频反馈ΔPref1，乘以区域频率反馈因此B后负向叠加联络线功率ΔPtie后作为区域控制偏差ACE，输入到PIDD2控制器，输出为二次调频反馈ΔPref2；将ΔPref2减去ΔPref1作为发电机输入信号，输出为发电机功率ΔPe；将ΔPe减去负荷扰动ΔPd减去联络线功率ΔPtie后，作为电力系统的输入，输出为电力系统频率偏差Δf；
根据上述的数学模型，利用MATLAB中Simulink中的模块，构建出两区域互联电网AGC系统的模型，将ACE1和ACE2作为PIDD2控制器的输入，通过比例、微分、积分和二阶微分环节对AGC系统进行控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810839773.7A CN109193750A (zh) | 2018-07-27 | 2018-07-27 | 基于pidd2控制器的风电集群参与agc方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810839773.7A CN109193750A (zh) | 2018-07-27 | 2018-07-27 | 基于pidd2控制器的风电集群参与agc方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109193750A true CN109193750A (zh) | 2019-01-11 |
Family
ID=64937163
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810839773.7A Pending CN109193750A (zh) | 2018-07-27 | 2018-07-27 | 基于pidd2控制器的风电集群参与agc方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109193750A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110912185A (zh) * | 2019-11-22 | 2020-03-24 | 华北电力大学 | 一种含风力发电电网自动发电控制系统pid控制器设计方法 |
| CN111049195A (zh) * | 2020-01-03 | 2020-04-21 | 云南电网有限责任公司电力科学研究院 | 一种agc参数优化方法及装置 |
| CN112865132A (zh) * | 2020-12-31 | 2021-05-28 | 燕山大学 | 双区域互联电力系统的负荷频率控制参数的处理方法 |
| CN113671828A (zh) * | 2021-07-22 | 2021-11-19 | 浙江中烟工业有限责任公司 | 一种除尘风机集群的编队控制方法和系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105914779A (zh) * | 2016-04-20 | 2016-08-31 | 国家电网公司 | 一种风电机组参与电力系统自动发电控制的协调控制方法 |
| EP2096299B1 (en) * | 2008-02-29 | 2017-09-27 | General Electric Company | Automatic generation control augmentation for wind plant integration |
| CN107272403A (zh) * | 2017-06-14 | 2017-10-20 | 浙江师范大学 | 一种基于改进粒子群算法的pid控制器参数整定算法 |
| CN108092323A (zh) * | 2017-11-16 | 2018-05-29 | 云南电网有限责任公司电力科学研究院 | 一种含dfig的电力系统agc优化控制方法 |
-
2018
- 2018-07-27 CN CN201810839773.7A patent/CN109193750A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2096299B1 (en) * | 2008-02-29 | 2017-09-27 | General Electric Company | Automatic generation control augmentation for wind plant integration |
| CN105914779A (zh) * | 2016-04-20 | 2016-08-31 | 国家电网公司 | 一种风电机组参与电力系统自动发电控制的协调控制方法 |
| CN107272403A (zh) * | 2017-06-14 | 2017-10-20 | 浙江师范大学 | 一种基于改进粒子群算法的pid控制器参数整定算法 |
| CN108092323A (zh) * | 2017-11-16 | 2018-05-29 | 云南电网有限责任公司电力科学研究院 | 一种含dfig的电力系统agc优化控制方法 |
Non-Patent Citations (4)
| Title |
|---|
| MORE RAJU ET AL.: "Automatic generation control of a multi-area system using ant lion optimizer algorithm based PID plus second order derivative controller", 《INTERNATIONAL JOURNAL OF ELECTRICAL POWER & ENERGY SYSTEMS》 * |
| 冯斐等: "基于储能系统的风电场功率控制研究", 《分布式能源》 * |
| 周蓉等: "双馈风机的两种负荷频率控制方法分析与比较", 《计算机仿真》 * |
| 赵熙临等: "预测优化PID方法在含风电电力系统AGC中的应用", 《CNKI网络首发出版》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110912185A (zh) * | 2019-11-22 | 2020-03-24 | 华北电力大学 | 一种含风力发电电网自动发电控制系统pid控制器设计方法 |
| CN111049195A (zh) * | 2020-01-03 | 2020-04-21 | 云南电网有限责任公司电力科学研究院 | 一种agc参数优化方法及装置 |
| CN111049195B (zh) * | 2020-01-03 | 2023-10-27 | 云南电网有限责任公司电力科学研究院 | 一种agc参数优化方法及装置 |
| CN112865132A (zh) * | 2020-12-31 | 2021-05-28 | 燕山大学 | 双区域互联电力系统的负荷频率控制参数的处理方法 |
| CN112865132B (zh) * | 2020-12-31 | 2023-11-14 | 燕山大学 | 双区域互联电力系统的负荷频率控制参数的处理方法 |
| CN113671828A (zh) * | 2021-07-22 | 2021-11-19 | 浙江中烟工业有限责任公司 | 一种除尘风机集群的编队控制方法和系统 |
| CN113671828B (zh) * | 2021-07-22 | 2024-02-20 | 浙江中烟工业有限责任公司 | 一种除尘风机集群的编队控制方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109193750A (zh) | 基于pidd2控制器的风电集群参与agc方法 | |
| CN105135409B (zh) | 基于一次调频动作幅值的超临界机组锅炉主控控制方法 | |
| CN108767894B (zh) | 基于电网区域控制偏差的机组综合控制方法及系统 | |
| CN105656034B (zh) | 孤岛微电网频率控制的仿真建模方法 | |
| CN104810851B (zh) | 火电机组agc方式下负荷调节速率动态调整的方法及装置 | |
| CN105870943A (zh) | 基于安全稳定运行的火电机组一次调频控制系统及方法 | |
| CN107681689A (zh) | 双馈风机在微电网中的频率控制参数选取方法 | |
| Jood et al. | Performance assessment of a neuro-fuzzy load frequency controller in the presence of system non-linearities and renewable penetration | |
| CN113991699A (zh) | 一种适用于新能源和储能场站的频率主动支撑方法及功率控制装置 | |
| CN108879721A (zh) | 一种基于风电消纳的频率控制方法 | |
| Wang et al. | Advanced adaptive frequency support scheme for DFIG under cyber uncertainty | |
| CN106340893A (zh) | 一种基于虚拟发电厂的分布式光伏发电功率控制方法 | |
| CN108493988B (zh) | 一种包含风电机组的电网惯性时间常数计算方法及系统 | |
| CN113809760A (zh) | 一种风电场参与电网二次调频的控制方法及装置 | |
| CN105811405A (zh) | 一种风光水气发电联合运行广域系统优化控制方法 | |
| CN110601179A (zh) | 风电参与调频的受端电网消纳优化方法 | |
| CN116316884A (zh) | 一种适用于高比例新能源电网多源协同的调频控制方法 | |
| CN108281972A (zh) | 基于预测型pid控制器的agc方法 | |
| CN110649604B (zh) | 一种适应新能源随机波动性的阻尼控制方法 | |
| Xu et al. | A novel automatic generation control for thermal and gas power plants | |
| Haghighian et al. | Analysis of Wind Generator Contribution on load Frequency Control Considering Control Signals Delays | |
| Fani et al. | Improved Dynamic Performance in Interconnected Power System Using Secondary Frequency Control | |
| CN114977192B (zh) | 抵抗随机虚假数据注入的风电场并网点电压优化控制方法 | |
| Feng et al. | Automatic Generation Control of Isolated Two-area Microgrid with Multiple Resources Based on Learning Optimization | |
| Mohamed et al. | Enhanced Non-linear PID-Based on Virtual Inertia Control to Enhance the Frequency Stability of a Hybrid Power System |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190111 |