CN110554599A - 一种基于自适应和声搜索算法的pi参数优化方法 - Google Patents

Abstract

本发明涉及一种基于自适应和声搜索算法的PI参数优化方法，设HMS为和声库大小；HM代表和声记忆库；HMCR代表记忆库取值概率；包含以下步骤：(1)确立变量X₁和X₂与目标函数J_ITAE，其中，X₁代表定电流控制器的比例系数K_p，X₂代表积分时间常数K_i；(2)在变量X₁和X₂的可行域内，随机生成HMS组X₁和X₂，分别放入矩阵HM中的第一列和第二列；(3)把每一组X₁和X₂分别代入PI控制器进行仿真，记录系统故障后到恢复额定状态所需时间t_s以及送端母线暂态电压的最大值U_1max，送端母线暂态电压的最大值U_1max与稳态测量值U₁的差即为e(t)；执行自适应和声搜索算法；输出X₁和X₂的值。

Description

一种基于自适应和声搜索算法的PI参数优化方法

技术领域

本发明属于高压直流输电的控制与保护领域，涉及一种基于自适应和声搜索算法的PI 参数优化方法。

背景技术

近年来，我国新能源发电迅速发展，其中风力发电是规模最大的一种新能源发电方式。但是我国风能资源多集中在西部和北部地区，距离负荷中心较远，这时就需要高压直流输电技术把电能输送到远端的负荷中心，这种输电方式不仅能满足大规模风电集中外送的要求，又能提高输送功率的稳定性，在我国已有哈郑、酒湖、天中等多条含风电场的特高压直流输电系统投入运行。

已有研究表明，换相失败是高压直流输电系统中常见的故障之一。在由受端交流系统故障引发的直流换相失败以及故障清除后的恢复过程中，换流站的无功平衡被打破，导致送端交流母线出现暂态过电压。由于风电机组耐高压能力较差，在实际的电网运行过程中大量风电机组的过压保护定值设置为1.1pu，无延时脱网，在部分风电机组脱网后将会导致母线电压进一步升高，从而导致更多的风电机组相继脱网，破坏电力系统的稳定运行。因此，研究抑制送端母线暂态过电压的方法对交直流混联系统的安全稳定运行具有重要意义。

对于逆变侧三相金属性接地故障，加入调相机后可以使整流侧交流母线暂态过电压幅值减小，但是其暂态过电压的最大峰值大于1.1pu，此时仍有风机脱网的风险。

发明内容

本发明为避免逆变侧交流系统发生三相金属性接地故障后，与整流侧交流母线相连的风电场因高压穿越大面积脱网的问题，提供一种基于自适应和声搜索算法的PI参数优化方法。技术方案如下：

一种基于自适应和声搜索算法的PI参数优化方法，设HMS为和声库大小；HM代表和声记忆库，是一个HMS*3的矩阵；HMCR代表记忆库取值概率；PAR代表微调概率；BW 代表微调带宽，T_max代表最大迭代次数。包含以下步骤：

(1)确立变量X₁和X₂与目标函数J_ITAE，其中，X₁代表定电流控制器的比例系数K_p， X₂代表积分时间常数K_i；

(2)在变量X₁和X₂的可行域内，随机生成HMS组X₁和X₂，分别放入矩阵HM中的第一列和第二列；

(3)把每一组X₁和X₂分别代入PI控制器进行仿真，记录系统故障后到恢复额定状态所需时间t_s以及送端母线暂态电压的最大值U_1max，送端母线暂态电压的最大值U_1max与稳态测量值U₁的差即为e(t)；

(4)计算每一组X₁和X₂的目标函数值J_ITAE，并将目标函数值放入矩阵HM中的第三列中；

(5)X₁’和X₂’，随机生成一个0-1之间的随机数r，若r小于记忆库取值概率HMCR，则从已经生成的HMS组变量中选择一组新的变量X₁’和X₂’，否则，随机生成一组新的变量 X₁’和X₂’；当新的变量X₁’和X₂’从HMS组变量中选择时，进行下一步的判断：新生成另一个 0-1之间的随机数r₁，若随机数r₁小于微调概率PAR，则对新的变量X₁’和X₂’进行微调操作，即，x₁′＝x₁′+r₁*BW，x₂′＝x₂′+r₁*BW；

(6)把新生成的变量X₁’和X₂’代入PI控制器进行仿真，记录系统故障后到恢复额定状态所需时间t_s’以及送端母线暂态电压的最大值U_1max’，送端母线暂态电压的最大值U_1max’与稳态测量值U₁的差即为e(t)；

(7)计算新变量X₁’和X₂’所对应的目标函数值J_ITAE’，并与矩阵HM中的J_ITAEi进行比较，若J_ITAE’小于J_ITAEi，则将第i组变量X₁和X₂替换成新的变量X₁’和X₂’；

(8)检查当前迭代次数gn是否达到最大迭代次数T_max，若gn<T_max，重复步骤(5)—(8)；

(9)当gn等于最大迭代次数T_max时，令X₁为当前矩阵HM第一列变量的平均值，X₂为当前矩阵HM第二列变量的平均值，输出X₁和X₂的值。

本发明提出了一种基于自适应和声搜索算法的PI参数优化方法，与现有技术相比，该方法产生的积极效果是：首先，本发明使整流侧交流母线暂态过电压最大幅值小于1.1pu，从而避免了风电场因高压脱网的风险，保证了交直流混联系统的安全稳定运行；其次，本发明实现简单，只需要对定电流控制器的参数进行修改即可；最后，本发明在对PI参数进行调整的过程中兼顾了直流系统的动态性能。

附图说明

图1整流侧含风电场的高压直流输电系统模型图。

图2逆变侧三相金属性接地故障时送端母线电压波形图。

图3逆变侧三相金属性接地故障时送端母线电压波形图。

具体实施方式

下面首先结合自适应和声搜索算法本身，说明一下本发明的技术方案。

基于自适应和声搜索算法的PI参数优化方法，包含以下步骤：

(1)确立变量与目标函数。由于误差积分性能指标(ITAE)具有良好的工程实用性和选择性，所以本方法选择J_ITAE作为目标函数，其表达式如式(1-1)所示：

其中X是由决策变量x_i(i＝1,2)构成的解向量，每一个决策的值域为X_i，对于连续型变量X_i有：

(2)初始化和声库HM。随机产生HMS个和声X₁，X₂放入和声库，则HM可表示为：

和声库表示一个矩阵，用来存储和声向量和相应的目标函数值。

(3)生成一个新的和声。经过随机选择音调、学习HM、音调微调的过程生成新的和声x_i′＝(x₁′,x₂′)。

现详细说明生成新和声的方法：新和声x_i′从和声库选出的概率为HMCR，否则将从和声库外的可行域中选出，其数学表达式为：

其中r表示[0,1]上的均匀分布的随机数。

若新解x_i′从HM中选出，则对x_i′进行微调操作，其数学表达式为：

其中，r1表示[0,1]上均匀分布的随机数，E_i表示的是第i代和声记忆库中解向量的目标函数最大值与最小值的差，设E₀＝1。gn表示当前代数，x_u和x_l分别代表x_i的上下边界， HM(i,max)和HM(i,min)分别表示HM中x_i的最大和最小值，d₁和d₂是两个常数。

(4)更新和声库。计算新的和声对应的目标函数值，若比HM中最差的一个更好，则将新的和声替换到和声记忆库中，此过程可表示为：

(5)检查是否达到算法终止条件。重复(3)和(4)，直到迭代次数达到T_max为止。最终得到一组最优解，即定电流控制器的比例系数K_p和积分时间常数K_i的值。

下面结合实施例对本发明进行说明。

在PSCAD中建立的整流侧含风电场的高压直流输电系统模型如图1所示。

为了实现逆变侧三相金属性接地故障后，整流侧交流母线暂态过电压最大幅值小于 1.1pu，本发明的基于自适应和声搜索算法的PI参数优化方法，其中，HMS代表和声库大小， HM代表和声记忆库，是一个HMS*3的矩阵；HMCR代表记忆库取值概率，r为一0-1之间的随机数，若r小于HMCR的值，则新的变量从和声记忆库中取出，否则，新的变量随机生成；PAR代表微调概率，r₁为一0-1之间的随机数，若r₁小于PAR的值，则对变量进行微调操作，否则，变量不进行微调操作；BW代表微调带宽，T_max代表最大迭代次数，具体包含以下步骤：

(1)确立变量X₁和X₂与目标函数J_ITAE。其中，X₁代表定电流控制器的比例系数K_p， X₂代表积分时间常数K_i。

(2)在变量X₁和X₂的可行域内，随机生成HMS组X₁和X₂，分别放入矩阵HM中的第一列和第二列。

(3)把每一组X₁和X₂分别代入PI控制器进行仿真，记录系统故障后到恢复额定状态所需时间t_s以及送端母线暂态电压的最大值U_1max，送端母线暂态电压的最大值U_1max与稳态测量值U₁的差即为e(t)。

(4)计算每一组X₁和X₂的目标函数值J_ITAE，并将目标函数值放入矩阵HM中的第三列中。

(5)生成一组新的变量X₁’和X₂’。如果随机数r小于记忆库取值概率HMCR，则新的变量从已经生成的HMS组变量中选择，否则，新的变量随机生成。当新的变量从HMS组变量中选择时，进行下一步的判断，若随机数r₁小于微调概率PAR，则对变量进行微调操作，即，x₁′＝x₁′+r₁*BW，x₂′＝x₂′+r₁*BW；否则，x₁′＝x₁′，x₂′＝x₂′。

(6)把新生成的变量X₁’和X₂’代入PI控制器进行仿真，记录系统故障后到恢复额定状态所需时间t_s’以及送端母线暂态电压的最大值U_1max’，送端母线暂态电压的最大值U_1max’与稳态测量值U₁的差即为e(t)。

(7)计算新变量X₁’和X₂’所对应的目标函数值J_ITAE’，并与矩阵HM中的J_ITAEi进行比较，若J_ITAE’小于J_ITAEi，则将第i组变量X₁和X₂替换成新的变量X₁’和X₂’。

(8)检查当前迭代次数gn是否达到最大迭代次数T_max，若gn<T_max，重复步骤(5)—(8)。

(9)当gn等于最大迭代次数T_max时，令X₁为当前矩阵HM第一列变量的平均值，X₂为当前矩阵HM第二列变量的平均值，输出X₁和X₂的值。

最终得到一组最优解X₁＝0.63，X₂＝0.009，当定电流控制器的比例系数K_p取为0.63和积分时间常数K_i取为0.009时，逆变侧三相金属性接地故障时送端母线电压在加入调相机补偿前、加入调相机补偿后以及参数优化后的波形图如图2所示。由图2可知，在3.241s时的暂态过电压的幅值由1.119pu下降到1.086pu，经过优化后整流侧交流母线电压在逆变侧三相金属性接地故障后出现的暂态过电压幅值小于1.1pu，从而避免了风机因过电压而脱网的风险。

Claims (1)

1.一种基于自适应和声搜索算法的PI参数优化方法，设HMS为和声库大小；HM代表和声记忆库，是一个HMS*3的矩阵；HMCR代表记忆库取值概率；PAR代表微调概率；BW代表微调带宽，T_max代表最大迭代次数。包含以下步骤：

(1)确立变量X₁和X₂与目标函数J_ITAE，其中，X₁代表定电流控制器的比例系数K_p，X₂代表积分时间常数K_i；

(2)在变量X₁和X₂的可行域内，随机生成HMS组X₁和X₂，分别放入矩阵HM中的第一列和第二列；

(3)把每一组X₁和X₂分别代入PI控制器进行仿真，记录系统故障后到恢复额定状态所需时间t_s以及送端母线暂态电压的最大值U_1max，送端母线暂态电压的最大值U_1max与稳态测量值U₁的差即为e(t)；

(4)计算每一组X₁和X₂的目标函数值J_ITAE，并将目标函数值放入矩阵HM中的第三列中；

(5)X₁’和X₂’，随机生成一个0-1之间的随机数r，若r小于记忆库取值概率HMCR，则从已经生成的HMS组变量中选择一组新的变量X₁’和X₂’，否则，随机生成一组新的变量X₁’和X₂’；当新的变量X₁’和X₂’从HMS组变量中选择时，进行下一步的判断：新生成另一个0-1之间的随机数r₁，若随机数r₁小于微调概率PAR，则对新的变量X₁’和X₂’进行微调操作，即，x₁′＝x₁′+r₁*BW，x₂′＝x₂′+r₁*BW；

(6)把新生成的变量X₁’和X₂’代入PI控制器进行仿真，记录系统故障后到恢复额定状态所需时间t_s’以及送端母线暂态电压的最大值U_1max’，送端母线暂态电压的最大值U_1max’与稳态测量值U₁的差即为e(t)；

(7)计算新变量X₁’和X₂’所对应的目标函数值J_ITAE’，并与矩阵HM中的J_ITAEi进行比较，若J_ITAE’小于J_ITAEi，则将第i组变量X₁和X₂替换成新的变量X₁’和X₂’；

(8)检查当前迭代次数gn是否达到最大迭代次数T_max，若gn<T_max，重复步骤(5)—(8)；

(9)当gn等于最大迭代次数T_max时，令X₁为当前矩阵HM第一列变量的平均值，X₂为当前矩阵HM第二列变量的平均值，输出X₁和X₂的值。