CN111969597B - 带有svc的多机无穷大电力系统动态面积分滑模控制器 - Google Patents
带有svc的多机无穷大电力系统动态面积分滑模控制器 Download PDFInfo
- Publication number
- CN111969597B CN111969597B CN202010769617.5A CN202010769617A CN111969597B CN 111969597 B CN111969597 B CN 111969597B CN 202010769617 A CN202010769617 A CN 202010769617A CN 111969597 B CN111969597 B CN 111969597B
- Authority
- CN
- China
- Prior art keywords
- svc
- generator
- error
- machine
- power system
- 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
- 230000003068 static effect Effects 0.000 title description 3
- 238000000034 method Methods 0.000 claims abstract description 81
- 238000013528 artificial neural network Methods 0.000 claims abstract description 41
- 230000005284 excitation Effects 0.000 claims abstract description 23
- 230000001052 transient effect Effects 0.000 claims description 13
- 230000001360 synchronised effect Effects 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 230000008878 coupling Effects 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000013016 damping Methods 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 240000006829 Ficus sundaica Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
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
-
- 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
- H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
- H02J3/1821—Arrangements for adjusting, eliminating or compensating reactive power in networks using shunt compensators
-
- 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
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P9/00—Arrangements for controlling electric generators for the purpose of obtaining a desired output
- H02P9/14—Arrangements for controlling electric generators for the purpose of obtaining a desired output by variation of field
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P2103/00—Controlling arrangements characterised by the type of generator
- H02P2103/20—Controlling arrangements characterised by the type of generator of the synchronous type
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/10—Flexible AC transmission systems [FACTS]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了带有SVC的多机无穷大电力系统动态面积分滑模控制器,其控制器的实现包含以下几个步骤:1)针对带有SVC的多机无穷大电力系统建模;2)在执行器失效情况下,建立含有失效故障的多机系统模型;3)采用RBF神经网络逼近系统模型中的未知函数;4)动态面控制器设计方法与积分滑模相结合,设计带有SVC的多机电力系统的自适应控制器。本发明在多机电力系统参数不确定和外部扰动的基础上,考虑执行器失效故障情况,采用自适应容错控制方法,最终形成SVC与发电机励磁的动态面积分滑模协调控制器,实现状态跟踪误差在有限时间内收敛为零,提高了系统的抗干扰能力、收敛速度和跟踪精度,并保证整个控制系统所有信号半全局一致最终有界。
Description
技术领域
本发明涉及电力系统控制领域,尤其涉及带有SVC的多机无穷大电力系统动态面积分滑模控制器。
背景技术
现代电力系统具有大电网、大机组、远距离输电和高度自动控制等特点,这给电力系统的稳定运行带来了极大的挑战。发电机励磁控制在改善电力系统稳定运行方面起着重要作用。在实际的电网运行中,系统更加复杂,不能简单地等同于单机系统,需考虑多个发电机之间的相互作用。一台发电机出现故障可能影响其它发电机的运行状态,从而影响整个电力系统的稳定运行。因此,多机励磁控制器的设计成为研究重点。静止无功补偿器SVC控制也是提高电力系统暂态稳定性有效且经济的手段之一。通常情况下,发电机励磁控制器与SVC控制器是相互独立的两部分,控制器设计过程中一般并未考虑二者之间的交互影响。但是,励磁与SVC的不协调控制可能产生负面的作用,甚至可能导致电力系统失稳。因此,为了保证电力系统的可靠运行,励磁与SVC的协调控制器设计显得愈发重要。
目前,对于发电机励磁控制器的设计方法分为三大类:(1)线性设计方法;(2)非线性设计方法;(3)智能控制设计方法。线性设计方法主要有:常规PID控制方法、电力系统稳定器、线性最优励磁控制方法。线性设计方法尽管可以改善系统小干扰稳定问题,但无法实现对大干扰的有效抑制。非线性设计方法主要有反馈线性化方法、反演控制方法。反馈线性化控制方法对参数变化的敏感度较高;反演控制方法存在“微分爆炸”问题,使得控制更加复杂。智能控制设计方法主要有模糊控制方法、神经网络控制方法。智能控制方法不需依赖精确的数学模型就可处理高度非线性和不确定性的问题。本发明将基于神经网络设计一种带有SVC的多机无穷大电力系统动态面积分滑模控制器。
发明内容
为了提高电力系统的稳定性,本发明提供了一种带有SVC的多机无穷大电力系统动态面积分滑模控制器。
实现本发明目的所采用的技术方案是:带有SVC的多机无穷大电力系统动态面积分滑模控制器,所述控制器是基于以下步骤实现的:
1)针对带有SVC的多机无穷大电力系统建模;
2)在执行器失效情况下,建立含有失效故障的多机系统模型;
3)采用RBF神经网络逼近系统模型中的未知函数;
4)将动态面控制器设计方法与积分滑模相结合,设计带有SVC的多机电力系统的自适应控制器。
步骤1:针对带有SVC的多机无穷大电力系统建模;
带有SVC的多机电力无穷大电力系统模型如公式1所示:
令ΔPei=Pei-Pmi,Pmi=Pmi0为常数;其中ΔPei为空载损耗;Pmi为第i台发电机的机械功率,p.u.;Pei第i台发电机的电磁功率,p.u.;ui为发电机控制信号;di1,di2分别为有界不确定项,包括建模误差,测量误差和外部干扰;γi(δ,ω)为多机互联的耦合项;δi为第i台发电机的功角,rad;ωi为第i台发电机的相对转速,rad/s;Di为发电机的阻尼系数;Hi为发电机转子惯性时间常数,s;ωi0为同步电机的转速,rad/s;T′d0i为直轴瞬态短路时间常数,s;TCi为可调系统和SVC的时间常数;BLi为SVC的可调等效电纳;BCi为可调等效电纳的初始值;uBi为SVC的控制输入。
定义以下状态变量以进行坐标转换:
其中Vmi为SVC的接入点电压,Vrefi为SVC的参考电压,δi0为发电机功角的初始值。
则可以得到以下带有SVC的多机电力系统的数学模型:
其中yi1是多机励磁系统的输出,yi2是SVC的输出,并且
X1i和X2i为传输线电抗;E′qi为正交轴的暂态电动势,p.u.;xdi为发电机d轴同步电抗,p.u.;x′di为发电机d轴暂态电抗,p.u.。
步骤2:中考虑执行器失效故障的多机系统模型推导如下:
正常情况下,发电机控制信号ui和励磁电压Efi(t)分别为
ui=Efi(t)Iqi(t)-(xdi-x′di)Idi(t)Iqi(t)-Pmi-T′d0iQei(t)ωi (5)
Efi(t)=keiufi(t) (6)
其中Iqi(t)为发电机q轴定子电流,p.u.;xdi为发电机d轴同步电抗,p.u.;x′di为发电机d轴暂态电抗,p.u.;Idi(t)为发电机d轴定子电流,p.u.;Pmi为第i台发电机的机械功率,p.u.;T′d0i为直轴瞬态短路时间常数,s;ωi为第i台发电机的相对转速,rad/s;Qei(t)为无功功率,p.u.;ufi为SCR放大器的输入;kei为励磁放大器的增益。
考虑在tf时刻出现失效故障,则发电机励磁电压Efi(t)定义为
Efi(t)=kei(1-βi)ufi (7)
其中βi为失效因子。因此有
ui′=Efi(t)Iqi(t)-(xdi-x′di)Idi(t))Iqi(t)-Pmi-T′d0iQei(t)ωi-βiEfi(t)Iqi(t)(8)
因此考虑失效故障的多机电力系统模型为
其中
Fi为中间变量,无特殊含义;ui为发电机控制信号;di1,di2分别为有界不确定项,包括建模误差,测量误差和外部干扰;γi(δ,ω)为多机互联的耦合项。
步骤3:RBF神经网络的函数逼近原理:
在本发明中,连续未知非线性函数通过RBF神经网络来逼近。RBF神经网络的一般形式可以表示为
y(ξ)=WTε(ξ) (11)
其中ξ∈Rn为RBF神经网络的输入向量;y(ξ)∈R为RBF神经网络的输出;W∈RN为可调权向量;ε(ξ)∈RN为非线性向量函数且ε(ξ)=[h1(ξ),···,hN(ξ)]T
其中hi(ξ),i=1,···,N是高斯基函数;di∈Rn是第i个高斯基函数的中心;b>0是高斯基函数的宽度。
用于分析目的的最优权重向量W*被定义为
步骤4:控制器的设计主要包括如下步骤:
第一步:定义第一个误差面为
zi1=xi1-xi1d (14)
zi1的时间导数为
定义如下李雅普诺夫函数
V1的导数为
其中xi1d为参考信号;ci1为正的设计参数。
其中τi2为低通滤波器的时间常数。
第二步:定义第二个误差面为
zi2=xi2-xi2d (20)
zi2的时间导数为
定义如下李雅普诺夫函数
其中σi2m为逼近误差的上界。将式(24)和(25)带入(23)中,则式(23)可写为
其中ci2,λi2为正的设计参数。
其中τi3为低通滤波器的时间常数。
第三步:定义第三个误差面为
zi3=xi3-xi3d (30)
zi3的时间导数为
设计积分滑模面
其中ki3为积分项系数,且ki3>0。
Si3的时间导数为
定义如下李雅普诺夫函数
其中σi3m为逼近误差的上界。将式(36)和(37)带入(35)中,则式(35)可写为
根据式(38),设计发电机的控制信号ui
其中ci3,η,λi3和δi3为正的设计参数。
第四步:定义第四个误差面为
zi4=xi4-Vrefi (42)
其中Vrefi为SVC的参考电压。
zi4的时间导数为
定义如下李雅普诺夫函数
其中σi4m为逼近误差的上界。将式(46)和(47)带入(45)中,则式(45)可写为
根据式(48),设计SVC的实际控制律u′Bi
其中ci4和λi4为正的设计参数。
与现有的技术相比,本发明的有益效果体现在:
(1)本发明通过引入一阶低通滤波器,克服了反演控制方法中的“微分爆炸”问题,使得控制律比较简单;
(2)在存在系统参数不确定、外部扰动的情况下,考虑了执行器失效故障,本发明通过设计自适应容错控制器,保证了发电机在执行器出现失效故障后仍能稳定运行;
(3)采用RBF神经网络逼近系统模型中的未知函数,并通过对RBF神经网络加权向量范数进行估计,使得计算负担大大减轻。
(4)采用积分滑模控制方法,使得系统输出跟踪误差在有限时间内收敛到零,从而提高了系统的抗干扰能力、收敛速度和跟踪精度,最终保证了闭环系统所有信号半全局一致最终有界。
附图说明
图1为带有SVC的双机电力系统结构图;
图2为本文方法与传统自适应反演控制方法、动态面控制方法及滑模控制方法在情况1下两机的功角跟踪误差对比图;
图3为本文方法在情况1下两机的功角响应曲线;
图4为本文方法在情况1下两机的转速图;
图5为本文方法在情况1下两机的电功率图;
图6为本文方法在情况1下两机的控制输入图;
图7为本文方法在情况1下SVC的接入点电压图;
图8为本文方法在情况1下SVC的控制输入图;
图9为本文方法与传统自适应反演控制方法、动态面控制方法及滑模控制方法在情况2下两机的功角跟踪误差对比图;
图10为本文方法在情况2下两机的功角响应曲线;
图11为本文方法在情况2下两机的转速图;
图12为本文方法在情况2下两机的电功率图;
图13为本文方法在情况2下两机的控制输入图;
图14为本文方法在情况2下SVC的接入点电压图;
图15为本文方法在情况2下SVC的控制输入图;
图16为本文方法与传统自适应反演控制方法、动态面控制方法及滑模控制方法在情况3下两机的功角跟踪误差对比图;
图17为本文方法在情况3下两机的功角响应曲线;
图18为本文方法在情况3下两机的转速图;
图19为本文方法在情况3下两机的电功率图;
图20为本文方法在情况3下两机的控制输入图;
图21为本文方法在情况3下SVC的接入点电压图;
图22为本文方法在情况3下SVC的控制输入图。
具体实施方式
下面结合附图对本发明作进一步描述:
带有SVC的多机无穷大电力系统动态面积分滑模控制器,实现步骤具体如下:
步骤1)针对带有SVC的多机无穷大电力系统建模;
本发明以同步发电机的三阶实用模型为研究对象,第i台发电机的非线性微分方程如公式(1)所示:
系统的电气方程为:
SVC的模型如公式(3)所示:
其中Eqi为第i台发电机的正交轴电动势,p.u.;Eqj为第j台发电机的正交轴电动势,p.u.;δi为第i台发电机的功角,rad;ωi为第i台发电机的相对转速,rad/s;ωj为第j台发电机的相对转速,rad/s;Di为发电机的阻尼系数;Hi为发电机转子惯性时间常数,s;ωi0为同步电机的转速,rad/s;Pmi为第i台发电机的机械功率,p.u.;Pei第i台发电机的电磁功率,p.u.;T′d0i为直轴瞬态短路时间常数,s;Efi为励磁电压,p.u.;E′qi为正交轴的暂态电动势,p.u.;Iqi为发电机q轴定子电流,p.u.;xdi为发电机d轴同步电抗,p.u.;x′di为发电机d轴暂态电抗,p.u.;Idi为发电机d轴定子电流,p.u.;Qei为无功功率,p.u.;ufi为SCR放大器的输入;kei为励磁放大器的增益;TCi为可调系统和SVC的时间常数;BLi为SVC的可调等效电纳;BCi为可调等效电纳的初始值;uBi为SVC的控制输入。
令ΔPei=Pei-Pmi,Pmi=Pmi0为常数,ΔPei为空载损耗,则多机电力系统模型可转化为如下数学模型:
其中di1,di2分别为有界不确定项,包括建模误差,测量误差和外部干扰;γi(δ,ω)为多机互联的耦合项。并且发电机控制信号ui为
ui=Efi(t)Iqi(t)-(xdi-x′di)Idi(t)Iqi(t)-Pmi-T′d0iQei(t)ωi (5)
这里,互联项满足
其中
γi1j和γi2代表第i个子系统其它子系统的耦合项;p1ij和p2ij为1或0(如果为0,则表示第j个子系统与第i个子系统没有连接);Pei和Qei是易于测量的变量,从公式(2)中可得到
Pei=E′qiIqi Qei=-E′qiIdi
定义以下状态变量以进行坐标转换:
其中Vmi为SVC的接入点电压,Vrefi为SVC的参考电压,δi0为发电机功角的初始值;并且
X1i=x′di+XTi X′d∑i=X1i+X2i+X1iX2i(BLi-BCi)
X1i和X2i为传输线电抗;XTi为变压器电抗。
则可以得到以下带有SVC的多机电力系统的数学模型:
其中yi1是多机励磁系统的输出,yi2是SVC的输出,并且
X1i和X2i为传输线电抗;E′qi为正交轴的暂态电动势,p.u.;xdi为发电机d轴同步电抗,p.u.;x′di为发电机d轴暂态电抗,p.u.。
假设1.gij(i=1,2,···,n,j=2,3,4)是未知有界参数,存在常数gmax>gmin>0,使得gmax>gij>gmin>0。
步骤2)在执行器失效情况下,建立含有失效故障的多机系统模型;
根据公式(3)和公式(5),正常情况下,发电机控制信号ui和励磁电压Efi(t)分别为
ui=Efi(t)Iqi(t)-(xdi-x′di)Idi(t)Iqi(t)-Pmi-T′d0iQei(t)ωi
Efi(t)=keiufi(t)
其中Iqi(t)为发电机q轴定子电流,p.u.;xdi为发电机d轴同步电抗,p.u.;x′di为发电机d轴暂态电抗,p.u.;Idi(t)为发电机d轴定子电流,p.u.;Pmi为第i台发电机的机械功率,p.u.;T′d0i为直轴瞬态短路时间常数,s;ωi为第i台发电机的相对转速,rad/s;Qei(t)为无功功率,p.u.;ufi为SCR放大器的输入;kei为励磁放大器的增益。
考虑在tf时刻出现失效故障,则发电机励磁电压Efi(t)定义为
Efi(t)=kei(1-βi)ufi (11)
其中βi为失效因子。因此有
ui′=Efi(t)Iqi(t)-(xdi-x′di)Idi(t))Iqi(t)-Pmi-T′d0iQei(t)ωi-βiEfi(t)Iqi(t)(12)
因此考虑失效故障的多机电力系统模型为
其中
Fi为中间变量,无特殊含义;ui为发电机控制信号;di1,di2分别为有界不确定项,包括建模误差,测量误差和外部干扰;γi(δ,ω)为多机互联的耦合项。
步骤3)采用RBF神经网络逼近系统模型中的未知函数;
在本发明中,连续未知非线性函数通过RBF神经网络来逼近。RBF神经网络的一般形式可以表示为
y(ξ)=WTε(ξ) (15)
其中ξ∈Rn为RBF神经网络的输入向量;y(ξ)∈R为RBF神经网络的输出;W∈RN为可调权向量;ε(ξ)∈RN为非线性向量函数且ε(ξ)=[h1(ξ),···,hN(ξ)]T
其中hi(ξ),i=1,···,N是高斯基函数;di∈Rn是第i个高斯基函数的中心;b>0是高斯基函数的宽度。
用于分析目的的最优权重向量W*被定义为
步骤4)动态面控制器设计方法与积分滑模相结合,设计带有SVC的多机电力系统的自适应控制器。
控制器的设计主要包括如下步骤:
第一步:定义第一个误差面为
zi1=xi1-xi1d (18)
zi1的时间导数为
定义如下李雅普诺夫函数
V1的导数为
其中xi1d为参考信号;ci1为正的设计参数。
其中τi2为低通滤波器的时间常数。
第二步:定义第二个误差面为
zi2=xi2-xi2d (24)
zi2的时间导数为
定义如下李雅普诺夫函数
其中σi2m为逼近误差的上界。将式(28)和(29)带入(27)中,则式(27)可写为
其中ci2,λi2为正的设计参数。
其中τi3为低通滤波器的时间常数。
第三步:定义第三个误差面为
zi3=xi3-xi3d (34)
zi3的时间导数为
设计积分滑模面
其中ki3为积分项系数,且ki3>0。
Si3的时间导数为
定义如下李雅普诺夫函数
其中σi3m为逼近误差的上界。将式(40)和(41)带入(39)中,则式(39)可写为
根据式(42),设计发电机的控制信号ui
其中ci3,η,λi3和δi3为正的设计参数。
第四步:定义第四个误差面为
zi4=xi4-Vrefi (46)
其中Vrefi为SVC的参考电压。
zi4的时间导数为
定义如下李雅普诺夫函数
其中σi4m为逼近误差的上界。将式(50)和(51)带入(49)中,则式(49)可写为
根据式(52),设计SVC的实际控制律u′Bi
其中ci4和λi4为正的设计参数。
下面对本发明设计的动态面积分滑模控制器进行稳定性分析。
定义滤波误差yi2e和yi3e
根据式(23)和(55),有
类似地,根据式(33)和(56),有
存在非负连续函数Bi2和Bi3,有
其中
Bi2和Bi3为非负连续函数,仅为中间变量,无特殊含义。
考虑以下李雅普诺夫函数
定理1.考虑包括发电机系统模型(13),SVC模型(10),实际控制律式(43)和(53)以及自适应律式(32),(44),(45)和(54)的闭环系统,如果满足假设1和2并且初始条件满足V(0)≤p(p>0),则通过适当的选择调节参数ci1,ci2,ci3,ri2,ri3,λi2,λi3,ki3,δi3,ρgi3,τi2,τi3(i=1,2),使得系统中所有信号半全局一致最终有界,跟踪误差收敛到任意小。
证明:
V的时间导数为
通过式(21),(22),(24)和(55),得到
由杨氏不等式可得
将式(64)代入(63)中,有
由式(34)和(56),得到
将式(31)和(32)代入(30)中,得到
由杨氏不等式可得
将式(68)代入(67)中,得到
类似地,将式(43)-(45)代入(42),式(53)和(54)代入(52)中,得到
定义紧集Υ1和Υ2
连续函数Bi2和Bi3在紧集Υ1×Υ2中有最大值,根据杨氏不等式,可以获得如下不等式
其中μ为任意正常数,Mi2和Mi3分别为Bi2和Bi3的最大值。
将式(59),(60)和(65),式(69)-(71)代入(62)中,得到
从式(76)中可看出,如果zi3收敛到零,-zi2zi3将被消除,积分滑模面的设计保证zi3在有限时间内收敛到零。将式(74)和(75)代入(76),得到
令
其中a0为正的设计参数。
将式(78)代入(77)中,有
其中
这里,a0满足
因此可以得到
明显地,闭环系统所有误差信号在紧集内半全局一致有界。
这意味着紧集Θ可以通过调整参数ci1,ci2,ci3,ci4,ri2,ri3,ri4,λi2,λi3,λi4,ki3,δi3,ρgi3变得任意小,也就意味着表面误差zi1,zi2,zi3,zi4,估计误差和滤波误差yi2e,yi3e可以变得任意小。
下面以带有SVC的双机电力系统为例进行仿真分析。
带有SVC的双机电力系统结构如图1所示,其中,XT1和XT2为变压器,2XL1和2XL2为输电线路,#1和#2分别代表发电机1和发电机2。具体的物理参数如表1所示。
表1物理参数
控制律的设计参数包括虚拟控制律参数和实际控制律参数,参数设计为c11=8,c21=8,c12=3,c22=3,c13=60,c23=60,c14=20,c24=20;更新律参数设计为λ12=λ22=0.3,r12=r22=2,λ13=λ23=0.3,r13=r23=2,ρg13=ρg23=0.6,δ13=δ23=1,λ14=λ24=0.5,r14=r24=1;积分滑模面参数设计为k13=k23=0.5;低通滤波器的时间参数设计为τ12=τ22=0.005,τ13=τ23=0.005。此外,di1=0.001cos(2t),di2=0.001sin(t)cos(2t)。
为了验证本发明控制方法的有效性,在不同情况下比较以下四种控制器的跟踪性能:(1)两机采用传统反演控制方法设计的协调控制器;(2)两机采用动态面控制方法设计的协调控制器;(3)两机采用滑模控制方法设计的协调控制器;(4)两机采用本文方法设计的协调控制器。
情况1.选择操作点为
δ10=40.415°,ω10=314.06rad/s,Pm10=1.02p.u.Vref1=1.15p.u.
δ20=40.285°,ω20=313.94rad/s,Pm20=0.98p.u.Vref2=1.05p.u.
图2-8为情况1下的仿真结果图。图2分别展示了本文方法与传统自适应反演控制方法、动态面控制方法及滑模控制方法在情况1下两机的功角跟踪误差对比。从图2中可以看出,相比于其它三种方法,本文提出的动态面积分滑模控制方法具有更好的跟踪性能和更小的稳态误差。两机的功角δ1,δ2、转速ω1,ω2、电功率Pe1,Pe2、控制输入u1,u2、SVC接入点电压Vm1,Vm2和SVC的控制输入uB1,uB2分别如图3-8所示。明显地,本发明控制方法具有较好的动态性能。
为了更直观显示本发明的优点,选取稳定状态(9-10s)获得四种控制方法在情况1下的最大跟踪误差(MVTE)和均方根跟踪误差(RMSVTE),如表2所示。
表2情况1下的MVTE和RMSVTE
情况2.选择操作点为
δ10=40.4015°,ω10=314.12rad/s,Pm10=1.01p.u.Vref1=1.15p.u.
δ20=40.2085°,ω20=314.16rad/s,Pm20=1.018p.u.Vref2=1.05p.u.
在情况2下,假设t=5s传输线出现三相短路故障,并在持续0.2s后消失。图9-15为情况2下的仿真结果。图9分别展示了本文方法与传统自适应反演控制方法、动态面控制方法及滑模控制方法在短路情况下两机的功角跟踪误差对比。从图9中可以看出在短路故障消失后,跟踪误差可以快速地恢复到稳定运行点,从而实现功角的预期跟踪性能。情况2下两机的功角δ1,δ2、转速ω1,ω2、电功率Pe1,Pe2、控制输入u1,u2、SVC的接入点电压Vm1,Vm2和SVC的控制输入uB1,uB2分别如图10-15所示。同样的,在情况2下的MVTE和RMSVTE如表3所示。
表3情况2下的MVTE和RMSVTE
情况3.选择操作点为
δ10=40.4°,ω10=314.10rad/s,Pm10=1.02p.u.Vref1=1.15p.u.
δ20=40.2°,ω20=314.06rad/s,Pm20=1.00p.u.Vref2=1.05p.u.
在这种情况下,考虑在t=4.8s时出现失效故障。1机失效因子β1=0.2,2机失效因子β2=0.4。图16-22为情况3下的仿真结果。图16分别展示了本文方法与传统自适应反演控制方法、动态面控制方法及滑模控制方法在执行器失效情况下两机的功角跟踪误差对比。从图16中可以看出当失效故障出现后,与其它三种控制方案相比,本文提出的控制方法更好的满足功角预先设定的跟踪性能。情况3下两机的功角δ1,δ2、转速ω1,ω2、电功率Pe1,Pe2、控制输入u1,u2、SVC的接入点电压Vm1,Vm2和SVC的控制输入uB1,uB2分别如图17-22所示。类似地,表4给出了在情况3下的MVTE和RMSVTE。
表4情况3下的MVTE和RMSVTE
本发明在多机电力系统参数不确定和外部扰动的基础上,考虑了传输线三相短路故障及执行器失效故障情况,提出了一种动态面积分滑模控制方法以解决发电机励磁与SVC的协调控制问题;应用RBF神经网络逼近未知非线性函数,并通过对RBF神经网络加权向量范数进行估计,不仅克服了模型的不确定性,同时减轻了计算负担;自适应动态面控制器设计方法与积分滑模相结合,提高了系统的抗干扰能力、收敛速度和跟踪精度。仿真结果验证了所提控制方法的有效性。
Claims (3)
1.带有SVC的多机无穷大电力系统动态面积分滑模控制器,其特征在于,所述控制器是基于以下步骤实现的:
1)针对带有SVC的多机无穷大电力系统建模;
2)在执行器失效情况下,建立含有失效故障的多机系统模型;
3)采用RBF神经网络逼近系统模型中的未知函数;
4)将动态面控制器设计方法与积分滑模相结合,设计带有SVC的多机电力系统的自适应控制器;
其中,步骤1)中带有SVC的多机无穷大电力系统的数学模型如公式1所示:
令ΔPei=Pei-Pmi,Pmi=Pmi0为常数;其中ΔPei为空载损耗;Pmi为第i台发电机的机械功率,p.u.;Pei第i台发电机的电磁功率,p.u.;ui为发电机控制信号;di1,di2分别为有界不确定项,包括建模误差,测量误差和外部干扰;γi(δ,ω)为多机互联的耦合项;δi为第i台发电机的功角,rad;ωi为第i台发电机的相对转速,rad/s;Di为发电机的阻尼系数;Hi为发电机转子惯性时间常数,s;ωi0为同步电机的转速,rad/s;T′d0i为直轴瞬态短路时间常数,s;TCi为可调系统和SVC的时间常数;BLi为SVC的可调等效电纳;BCi为可调等效电纳的初始值;uBi为SVC的控制输入;
定义以下状态变量以进行坐标转换:
其中Vmi为SVC的接入点电压,Vrefi为SVC的参考电压;δi0为发电机功角的初始值;
则可以得到以下带有SVC的多机电力系统的数学模型:
其中yi1是多机励磁系统的输出,yi2是SVC的输出,并且
X1i和X2i为传输线电抗;E′qi为正交轴的暂态电动势,p.u.;xdi为发电机d轴同步电抗,p.u.;x′di为发电机d轴暂态电抗,p.u.;
步骤2)中考虑执行器失效故障的多机系统模型推导如下:
正常情况下,发电机控制信号ui和励磁电压Efi(t)分别为
ui=Efi(t)Iqi(t)-(xdi-x′di)Idi(t)Iqi(t)-Pmi-T′d0iQei(t)ωi (5)
Efi(t)=keiufi(t) (6)
其中Iqi(t)为发电机q轴定子电流,p.u.;Idi(t)为发电机d轴定子电流,p.u.;Pmi为第i台发电机的机械功率,p.u.;T′d0i为直轴瞬态短路时间常数,s;ωi为第i台发电机的相对转速,rad/s;Qei(t)为无功功率,p.u.;ufi为SCR放大器的输入;kei为励磁放大器的增益;
考虑在tf时刻出现失效故障,则发电机励磁电压Efi(t)定义为
Efi(t)=kei(1-βi)ufi (7)
其中βi为失效因子;因此有
ui′=Efi(t)Iqi(t)-(xdi-x′di)Idi(t))Iqi(t)-Pmi-T′d0iQei(t)ωi-βiEfi(t)Iqi(t) (8)
因此考虑失效故障的多机电力系统模型为
其中
Fi为中间变量;ui为发电机控制信号;di1,di2分别为有界不确定项,包括建模误差,测量误差和外部干扰;γi(δ,ω)为多机互联的耦合项。
2.根据权利要求1所述的带有SVC的多机无穷大电力系统动态面积分滑模控制器,其特征在于:步骤3)RBF神经网络的函数逼近原理:
连续未知非线性函数通过RBF神经网络来逼近,RBF神经网络的一般形式可以表示为
y(ξ)=WTε(ξ) (11)
其中ξ∈Rn为RBF神经网络的输入向量;y(ξ)∈R为RBF神经网络的输出;W∈RN为可调权向量;ε(ξ)∈RN为非线性向量函数且ε(ξ)=[h1(ξ),···,hN(ξ)]T,
其中hi(ξ),i=1,···,N是高斯基函数;di∈Rn是第i个高斯基函数的中心;b>0是高斯基函数的宽度;
用于分析目的的最优权重向量W*被定义为
3.根据权利要求1所述的带有SVC的多机无穷大电力系统动态面积分滑模控制器,其特征在于:步骤4)控制器的设计主要包括如下步骤:
第一步:定义第一个误差面为
zi1=xi1-xi1d (14)
zi1的时间导数为
定义如下李雅普诺夫函数
V1的导数为
其中xi1d为参考信号;ci1为正的设计参数;
其中τi2为低通滤波器的时间常数;
第二步:定义第二个误差面为
zi2=xi2-xi2d (20)
zi2的时间导数为
定义如下李雅普诺夫函数
其中σi2m为逼近误差的上界;将式(24)和(25)带入(23)中,则式(23)可写为
其中ci2,λi2为正的设计参数;
其中τi3为低通滤波器的时间常数;
第三步:定义第三个误差面为
zi3=xi3-xi3d (30)
zi3的时间导数为
设计积分滑模面
其中ki3为积分项系数,且ki3>0;
Si3的时间导数为
定义如下李雅普诺夫函数
其中σi3m为逼近误差的上界;将式(36)和(37)带入(35)中,则式(35)可写为
根据式(38),设计发电机的控制信号ui
其中ci3,η,λi3和δi3为正的设计参数;
第四步:定义第四个误差面为
zi4=xi4-Vrefi (42)
其中Vrefi为SVC的参考电压;
zi4的时间导数为
定义如下李雅普诺夫函数
其中σi4m为逼近误差的上界;将式(46)和(47)带入(45)中,则式(45)可写为
根据式(48),设计SVC的实际控制律u′Bi
其中ci4和λi4为正的设计参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010769617.5A CN111969597B (zh) | 2020-08-03 | 2020-08-03 | 带有svc的多机无穷大电力系统动态面积分滑模控制器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010769617.5A CN111969597B (zh) | 2020-08-03 | 2020-08-03 | 带有svc的多机无穷大电力系统动态面积分滑模控制器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111969597A CN111969597A (zh) | 2020-11-20 |
CN111969597B true CN111969597B (zh) | 2022-03-15 |
Family
ID=73363761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010769617.5A Active CN111969597B (zh) | 2020-08-03 | 2020-08-03 | 带有svc的多机无穷大电力系统动态面积分滑模控制器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111969597B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113325717B (zh) * | 2021-06-10 | 2022-01-28 | 哈尔滨工业大学 | 基于互联大规模系统的最优容错控制方法、系统、处理设备、存储介质 |
CN113867141B (zh) * | 2021-09-06 | 2024-02-06 | 国网辽宁省电力有限公司鞍山供电公司 | 带有svc的多机电力系统固定时间动态面高阶滑模控制器 |
CN114123891B (zh) * | 2021-11-16 | 2024-06-04 | 国网山东省电力公司莱芜供电公司 | 一种电力系统辅助励磁控制器的设计方法 |
CN114895564B (zh) * | 2022-05-20 | 2023-05-02 | 南昌大学 | 一种电驱动柔性关节机械臂自适应神经网络控制器设计方法 |
CN117856673B (zh) * | 2024-03-07 | 2024-05-14 | 国网黑龙江省电力有限公司绥化供电公司 | 基于神经网络的电力系统电压智能控制方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10667337B2 (en) * | 2013-12-23 | 2020-05-26 | Whirlpool Corporation | Method of control of a multifeed radio frequency device |
CN107065540A (zh) * | 2017-03-15 | 2017-08-18 | 东北电力大学 | 一种基于神经网络的自适应动态面分布控制方法 |
CN107240921A (zh) * | 2017-06-13 | 2017-10-10 | 李昊昊 | 基于积分自适应逆推的svc滑模控制方法 |
CN110501912B (zh) * | 2019-04-01 | 2022-09-27 | 东北电力大学 | 满足预设输出跟踪性能的多机电力系统自适应模糊动态面滑模控制方法 |
-
2020
- 2020-08-03 CN CN202010769617.5A patent/CN111969597B/zh active Active
Non-Patent Citations (1)
Title |
---|
Decentralized robust adaptive neural dynamic surface control for multi-machine excitation systems with static var compensator;Xiuyu Zhang;《WILEY》;20191231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111969597A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111969597B (zh) | 带有svc的多机无穷大电力系统动态面积分滑模控制器 | |
CN110501912B (zh) | 满足预设输出跟踪性能的多机电力系统自适应模糊动态面滑模控制方法 | |
Zhang et al. | An adaptive droop control strategy for islanded microgrid based on improved particle swarm optimization | |
CN106788086B (zh) | 考虑输入饱和的异步电机命令滤波有限时间模糊控制方法 | |
CN107240921A (zh) | 基于积分自适应逆推的svc滑模控制方法 | |
CN111769544B (zh) | 一种配备svc的多机电力系统分布式数字控制器 | |
CN110365051A (zh) | 一种自适应指令滤波反演的虚拟同步电机控制方法 | |
CN109193760B (zh) | 一种基于虚拟同步机的并网光伏逆变器自抗扰控制方法 | |
Jiang et al. | The design of nonlinear disturbance attenuation controller for TCSC robust model of power system | |
CN110401391A (zh) | 异步电动机随机系统模糊自适应动态面控制方法 | |
CN104880944B (zh) | 一种新型变结构pi控制器 | |
CN113867141B (zh) | 带有svc的多机电力系统固定时间动态面高阶滑模控制器 | |
Elliott et al. | Real power modulation strategies for transient stability control | |
Ma et al. | On the impact of synchronization attacks on distributed and cooperative control in microgrid systems | |
CN110176776A (zh) | 一种基于鲁棒自适应评价设计的静止无功补偿器控制方法 | |
CN113691179B (zh) | 基于固定时间变幂次指数趋近律的永磁同步电机控制方法 | |
CN110768272B (zh) | 一种statcom与发电机励磁系统协调控制方法 | |
CN115085281A (zh) | 多虚拟同步发电机构网系统同步振荡阻尼定量分析方法 | |
Xu et al. | Small-signal modeling and validation including state-space and admittance models of the virtual synchronous machine | |
Yu et al. | A fault monitoring method for wind power generation system based on sliding mode observer | |
Su et al. | Improved nonlinear robust adaptive backstepping controller design for generator excitation systems | |
Rathore et al. | ARI and ARID control of virtual synchronous generator for frequency response improvement | |
CN113013892A (zh) | 一种虚拟同步发电机建模方法和装置 | |
Chen et al. | The compensated active disturbance rejection controller based on sliding mode control for PMSM | |
Restrepo et al. | Adaptive pod for statcom in a power system with high wind power penetration level |
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 |