CN112906289B - 一种协调电力系统稳定器与二级电压控制器参数优化方法 - Google Patents

一种协调电力系统稳定器与二级电压控制器参数优化方法 Download PDF

Info

Publication number
CN112906289B
CN112906289B CN202110054194.3A CN202110054194A CN112906289B CN 112906289 B CN112906289 B CN 112906289B CN 202110054194 A CN202110054194 A CN 202110054194A CN 112906289 B CN112906289 B CN 112906289B
Authority
CN
China
Prior art keywords
adaptive
power system
secondary voltage
voltage controller
system stabilizer
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
Application number
CN202110054194.3A
Other languages
English (en)
Other versions
CN112906289A (zh
Inventor
殷林飞
赵陆林
孙志响
高放
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi University
Original Assignee
Guangxi University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangxi University filed Critical Guangxi University
Priority to CN202110054194.3A priority Critical patent/CN112906289B/zh
Publication of CN112906289A publication Critical patent/CN112906289A/zh
Application granted granted Critical
Publication of CN112906289B publication Critical patent/CN112906289B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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
    • Y02E40/30—Reactive power compensation

Landscapes

  • Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Feedback Control In General (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出一种协调电力系统稳定器与二级电压控制器参数优化方法，该方法将多层级与自适应深度、自适应宽度和自适应注意力网络相结合，用于协调二级电压控制器和电力系统稳定器的参数优化。首先，所提方法中的多层级主要用于将卷积神经网络中形成的相同结构不同维度的信息进行分组，提高运算效率。其次，所提方法中自适应深度、自适应宽度和自适应注意力主要用于根据输入输出参数的大小自适应改变三维参数的大小，并从不同维度出发，自适应地提升卷积神经网络的性能。最后，该方法可加速差分进化方法的协调二级电压控制器和电力系统稳定器参数的优化过程，避免低频振荡和电压崩溃的发生，提高系统的稳定性和鲁棒性。

Description

一种协调电力系统稳定器与二级电压控制器参数优化方法
技术领域
本发明属于电力系统参数优化领域，涉及一种基于人工智能技术的优化方法，适用于电力系统或综合能源系统的控制器参数优化问题。
背景技术
随着电力系统规模加大，不确定性和复杂性加剧，如何保障电力系统稳定性仍是目前迫切需要解决的难题之一，电力系统稳定器和二级电压控制器在保障电网安全稳定运行方面起到巨大的作用。因此，研究协调电力系统稳定器与二级电压控制器的参数优化意义重大。
电力系统具有极快的暂态过程，若系统在受到外界干扰后失去稳定，会造成发生低频振荡和电压崩溃等情况的发生，如何在复杂的电力系统中合理地设置控制参数才能满足系统稳定运行的要求，这是一个典型的优化配置问题。因此，采用差分进化方法来搜索电力系统稳定和二级电压控制的最优控制参数。从网络结构的角度出发，可以从三维参数：深度、宽度和注意力等方面来提升卷积神经网络的性能，但是卷积神经网络的深度、宽度和注意力参数一旦设置好不易修改，而自适应深度、自适应宽度和自适应注意力可以根据输入输出参数的大小自适应地改变三维参数的大小；为了提高运行效率，本发明将多层级概念应用到卷积神经网络中，多层级可以将卷积神经网络中相同结构不同维度的信息进行分组，并挑选出部分组数据进行计算。
多层级可以突出重要的信息，抑制非重要的信息，即多层级可以将卷积神经网络中相同结构不同维度的信息进行分组；自适应深度、自适应宽度和自适应注意力可以依据输入输出参数的大小自适应改变三维参数的大小。因此，本发明将多层级与自适应深度、自适应宽度和自适应注意力相结合。所提方法利用多层级对不同维度的信息进行分组并利用自适应深度、自适应宽度和自适应注意力自适应改变三维参数的特点加速差分进化方法在协调电力系统稳定器与二级电压控制器参数优化过程。
发明内容
本发明提出一种协调电力系统稳定器与二级电压控制器参数优化方法。该方法将多层级方法和自适应深度、自适应宽度和自适应注意力应用到电力系统参数优化中，实现协调电力系统稳定器与二级电压控制器参数优化。
本发明在在输入输出参数大小的基础上提出一种多层级的概念。通过选择性的分组，挑选出部分数据进行计算，其他数据用于另外的计算，为提高运算效率，自适应深度、自适应宽度和自适应注意力根据输入输出参数的大小自适应改变三维参数的大小，灵活的三维参数加速了进化的参数优化进程。
在未加装电力系统稳定器的情况下，系统发生低频震荡时，各振荡模态特征值用复数λi＝σi±jωi，其中i＝1,2,3,…,i为低频振荡各模态序号，σi为各模态阻尼因子，ωi为各模态振荡角频率，因此阻尼比ξi被定义为：
Figure BDA0002900060080000021
为使系统有足够的阻尼，可将振荡各模态最小阻尼比的最大化作为电力系统稳定器的参数优化目标，设最小阻尼比为dmin，其数学表达式为：
dmin＝min{ξi,i＝1,2,3,…,m}                            (2)
式中：m为振荡模态总数，ξi为第i个振荡模态的阻尼比。结合电力系统稳定器控制参数的约束条件，电力系统稳定器参数优化可用下式表达
Figure BDA0002900060080000022
式中：KSmin＝0.1，KSmax＝100；T1min＝T3min＝0.01，T1max＝T3max＝1；时间常数T2、T4和T5需要在优化前设置好。
基于多层级自适应深度、自适应宽度、自适应注意力网络方法，协调优化参数，完成电力系统的全局参数寻优，并达到提高系统动态稳定性的目的。
对于二级电压控制，考虑到不同机组参数不同、运行特性各异，因此发出无功的能力差别很大。同时无功分配时必须满足发电机定子约束、转子电流约束、端电压约束以及对稳定度的要求。
发电机无功约束：
Qimin＜Qi＜Qimax                               (4)
区域内发电机无功储备总量在发电机运行时：
Figure BDA0002900060080000023
发电机进相运行时：
Figure BDA0002900060080000031
采用按无功最大原则，协调区域内发电机无功出力，当无功改变量ΔQref＞0时，发电机的参与因子为：
Figure BDA0002900060080000032
当无功该变量ΔQref＜0，发电机的参与因子为：
Figure BDA0002900060080000033
式中，Qi为发电机i无功出力；Qimin,Qimax为发电机i无功出力的上下限；QTotal为区域内发电机无功储备总量；
Figure BDA0002900060080000034
和
Figure BDA0002900060080000035
为发电机参与因子，用于自动发电控制的二级电压控制的计算中，协调发电机无功，得到无功控制总量，进而二级电压控制能有效推迟电压崩溃的发生，提高系统的静态稳定性、动态稳定性和带负荷能力。
本发明提出的多层级自适应深度自适应宽度自适应注意力网络方法，首先通过对原始参数的分组，通过控制分组的基数(数量)来减少计算所需时间的同时并达到控制策略的目标；通过多层级的分组后，在根据输入输出参数的大小，自适应地改变三维参数的大小，通过改变三维参数的大小提升卷积神经网络的性能，多层级自适应深度、自适应宽度、自适应注意力网络采用差分进化方法搜索协同电力系统稳定器和二级电压控制的提高系统性能的最优控制参数。
本发明相对于现有技术具有如下的优点及效果：
(1)本发明提出的多层级方法，可以将卷积神经网络中相同结构不同维度的信息进行分组，通过分组可以选择部分数据进行计算，其他数据用于别的计算，比起传统的参数训练方法，能够节约优化过程中信息存储空间和训练所需时间。
(2)本发明根据输入输出参数的关系利用自适应深度、自适应宽度和自适应注意力，自适应地改变三维参数的大小，并从不同维度出发，提升卷积神经网络的性能，比起传统的卷积神经网络三维参数的大小，可以根据需要自适应地改变，并不是在设置完成之后在整个参数优化过程中不可以修改。
(3)本发明所提多层级自适应深度、自适应宽度、自适应注意力网络方法可解决协调电力系统稳定器与二级电压控制器参数优化过程中非线性、多变量和多约束的问题，并加速差分进化方法的参数优化过程，以避免低频振荡和电压崩溃的发生。
附图说明
图1是本发明方法的多层级分组流程图。
图2是本发明方法的实现过程图。
具体实施方式
本发明提出的一种协调电力系统稳定器与二级电压控制器参数优化方法，结合附图详细说明如下：
图1是本发明方法的多层级分组流程图。首先，输入需要训练计算的数据，并将数据以三个不同的维度表示，即：深度、宽度和注意力三个维度；多层级分组不需要设计复杂的结构和细节，而是每一个分支都采用相同的拓扑结构。多层级方法是通过基数来控制分组的数量，分组1、分组2一直到分组n，n个分组的结构相同，可以根据需要选择若干个分组进行计算，剩余的分组可用于其它的计算，被选择的分组计算的结果通过叠加合成最后的输出，通过多层级分组的方法可选择需要计算的分组数量，因此可以减少因整体计算而占用大量计算机内存的同时提计算效率。多层级的主要作用是通过分组节约优化存储空间，消除冗杂的控制参数，通过分组找出需要计算的分组数量。所提方法在使用过程中的主要步骤为如下。步骤(1)：将本发明提出的多层级方法用于将卷积神经网络中相同结构不同维度的信息进行分组；步骤(2)：将本发明提出的自适应深度、自适应宽度和自适应注意力用于根据输入输出参数的大小，自适应地改变三维参数的大小；步骤(3)：将本发明提出的多层级自适应深度自适应宽度自适应注意力方法应用于加速协调电力系统稳定器和二级电压控制器参数优化。
图2是本发明方法的实现过程图。本发明中自适应深度、自适应宽度、自适应注意力网络主要用于搜索控制器的最优控制参数，多层级的主要作用是通过分组节约优化存储空间，消除冗杂的控制参数，通过分组找出需要计算的分组数量。具体的实现过程为：
第一步：分组参数的产生。由多层级方法可知，对网络结构的三维参数：深度、宽度和注意力进行分组，每个被分组的每一个分支都采用相同的拓扑结构；
第二步：根据输入输出数目的大小，选择需要计算的分组的个数；
第三步：对分组后的主要参数进行计算优化；
第四步：提升训练网络的性能。依据卷积神经网络输入输出参数的大小自适应改变三维参数的大小；
第五步：根据差分进化变异原则，进行选择、交叉和变异；
第六步：停止。根据差分进化的停止原则，若满迭代次数或达到允许的误差范围，迭代过程停止，此时得到的参数值即为搜索的最优控制器的控制参数。

Claims (4)

1.一种协调电力系统稳定器与二级电压控制器参数优化方法，其特征在于，该方法将多层级与自适应深度、自适应宽度和自适应注意力网络相结合，用于协调二级电压控制器和电力系统稳定器的参数优化，能在自适应的改变三维参数的情况下，加速差分进化方法协调电力系统稳定器与二级电压控制器参数优化；所提方法在使用过程中的步骤为：
步骤（1）：将多层级方法用于将卷积神经网络中相同结构不同维度的信息进行分组；
步骤（2）：将自适应深度、自适应宽度和自适应注意力用于根据输入输出参数的大小，自适应地改变三维参数的大小；
步骤（3）：将多层级自适应深度自适应宽度自适应注意力方法应用于加速协调电力系统稳定器和二级电压控制器参数优化；根据差分进化变异原则，进行选择、交叉和变异；根据差分进化的停止原则，若满迭代次数或达到允许的误差范围，迭代过程停止，此时得到的参数值即为搜索的最优控制器的控制参数。
2.如权利要求1所述的一种协调电力系统稳定器与二级电压控制器参数优化方法，其特征在于，所述步骤（1）中提出的多层级将卷积神经网络相同结构不同维度的信息进行分组，并挑选出部分组数据进行计算，以此达到提高运行效率的目的。
3.如权利要求1所述的一种协调电力系统稳定器与二级电压控制器参数优化方法，其特征在于，所述步骤（2）中提出的自适应深度、自适应宽度和自适应注意力这三个维度根据输入输出参数的大小自适应改变三维参数的大小，并从不同维度出发，自适应地提升卷积神经网络的性能。
4.如权利要求1所述的一种协调电力系统稳定器与二级电压控制器参数优化方法，其特征在于，所述步骤（3）中多层级自适应深度、自适应宽度、自适应注意力方法能解决协调电力系统稳定器与二级电压控制器参数优化过程中非线性、多变量和多约束的问题，并加速差分进化方法的参数优化过程，以避免低频振荡和电压崩溃的发生。
CN202110054194.3A 2021-01-15 2021-01-15 一种协调电力系统稳定器与二级电压控制器参数优化方法 Active CN112906289B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110054194.3A CN112906289B (zh) 2021-01-15 2021-01-15 一种协调电力系统稳定器与二级电压控制器参数优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110054194.3A CN112906289B (zh) 2021-01-15 2021-01-15 一种协调电力系统稳定器与二级电压控制器参数优化方法

Publications (2)

Publication Number Publication Date
CN112906289A CN112906289A (zh) 2021-06-04
CN112906289B true CN112906289B (zh) 2023-04-18

Family

ID=76113515

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110054194.3A Active CN112906289B (zh) 2021-01-15 2021-01-15 一种协调电力系统稳定器与二级电压控制器参数优化方法

Country Status (1)

Country Link
CN (1) CN112906289B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113937792B (zh) * 2021-10-14 2023-08-01 广西大学 一种混合向量图神经强化学习的超低频振荡阻尼控制方法
CN114299366A (zh) * 2022-03-10 2022-04-08 青岛海尔工业智能研究院有限公司 一种图像检测方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106026200A (zh) * 2016-05-09 2016-10-12 任甜甜 风电场的电力系统无功优化方法
CN106712057A (zh) * 2017-01-18 2017-05-24 天津大学 电力系统稳定器与静止无功补偿器的协调优化方法
CN109659940A (zh) * 2019-02-25 2019-04-19 南京工程学院 一种用于微电网特定次谐波补偿的储能变流器控制方法
CN111555297A (zh) * 2020-05-21 2020-08-18 广西大学 一种具有三态能源单元的统一时间尺度电压控制方法
CN112132430A (zh) * 2020-09-14 2020-12-25 国网山东省电力公司电力科学研究院 一种配电主设备分布式状态传感器可靠性评估方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106026200A (zh) * 2016-05-09 2016-10-12 任甜甜 风电场的电力系统无功优化方法
CN106712057A (zh) * 2017-01-18 2017-05-24 天津大学 电力系统稳定器与静止无功补偿器的协调优化方法
CN109659940A (zh) * 2019-02-25 2019-04-19 南京工程学院 一种用于微电网特定次谐波补偿的储能变流器控制方法
CN111555297A (zh) * 2020-05-21 2020-08-18 广西大学 一种具有三态能源单元的统一时间尺度电压控制方法
CN112132430A (zh) * 2020-09-14 2020-12-25 国网山东省电力公司电力科学研究院 一种配电主设备分布式状态传感器可靠性评估方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于GA-BP算法神经网络的电力系统稳定器研究;岳良顺等;《四川电力技术》;20080420(第02期);42-45 *
基于深度自适应动态固化的孤岛主动配电网发电控制与优化一体算法;殷林飞等;《控制理论与应用》;20190731;第35卷(第2期);169-183 *

Also Published As

Publication number Publication date
CN112906289A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
CN112906289B (zh) 一种协调电力系统稳定器与二级电压控制器参数优化方法
CN111342461A (zh) 一种考虑网架动态重构的配电网优化调度方法及系统
CN114362267B (zh) 考虑多目标优化的交直流混合配电网分散式协调优化方法
Ngamroo Application of electrolyzer to alleviate power fluctuation in a stand alone microgrid based on an optimal fuzzy PID control
CN104600714A (zh) 含分布式电源的配电网无功优化方法及装置
Han et al. Quantum parallel multi-layer Monte Carlo optimization algorithm for controller parameters optimization of doubly-fed induction generator-based wind turbines
CN105932691A (zh) 一种改进的和声搜索算法的复杂配电网无功优化方法
CN114819281B (zh) 一种柔性直流电网站间协同潮流优化方法
CN110445186B (zh) 一种自同步微电网控制系统及二次调频控制方法
CN112564455A (zh) 一种多台储能变流器并联离网运行控制方法及系统
CN114336635B (zh) 基于常项值和先验节点的全纯嵌入潮流计算方法、装置
CN115912405A (zh) 一种用于复杂振荡环境下虚拟同步发电机自适应控制策略
CN108110769A (zh) 基于灰狼算法的主动配电网电压协调控制策略
Saleh et al. Genetic algorithm-aided design of a fuzzy logic stabilizer for a superconducting generator
CN117081079A (zh) 一种upfc多目标优化配置模型
CN113162096A (zh) 一种风电经柔直并网系统控制器参数优化设计方法
CN115603330A (zh) 一种基于自适应离散粒子群算法的配电网优化方法
CN115765035A (zh) 一种适应于全时段动态重构的柔性配电网扰动恢复方法
CN111399381B (zh) 一种变换器输出阻抗塑造方法及系统
CN114362239A (zh) 一种综合考虑多因素的电网电源极限配置策略
CN112909982A (zh) 一种考虑换流器功率传输裕度的直流配电网优化重构方法
Faragalla et al. Enhanced Virtual Inertia Control for Microgrids with High-Penetration Renewables Based on Whale Optimization. Energies 2022, 15, 9254
CN114239252B (zh) 电力系统运行方式生成方法、系统、计算机及存储介质
CN117791692A (zh) 一种直流换流站的无功控制方法、装置、设备和介质
CN117498353B (zh) 新能源场站并网系统电压支撑调整方法及系统

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