CN113098051B - 基于蚁群算法的风力发电系统暂态稳定优化控制方法 - Google Patents

Abstract

基于蚁群算法的风力发电系统暂态稳定优化控制方法，通过蚁群寻优算法对弱电网短路故障期间风机锁相环PLL的PI控制参数进行寻优，优化暂态过程中锁相环PLL带宽，实现全频段阻尼的重新分配。本发明利用蚁群算法对锁相环控制参数进行实时优化，可有效解决暂态过程中风力发电系统发生宽频振荡及失步的问题。

Description

基于蚁群算法的风力发电系统暂态稳定优化控制方法

技术领域

本发明涉及风力发电技术领域，具体涉及一种基于蚁群算法的风力发电系统暂态稳定优化控制方法。

背景技术

弱电网短路故障期间，风机变流器不同时间尺度控制环路及其与电网之间的动态耦合加剧，使得正常情况下的控制参数不再适用，风电系统面临着宽频振荡或失步的风险。此外，故障期间的持续振荡或失步还可能会导致风力发电系统大面积脱网，以及故障恢复阶段一系列不可预料的暂态稳定问题。目前，国内外学者对弱电网故障期间风力发电系统的稳定控制展开了一些研究，如下：

文献[1]J.Hu,Q.Hu,B.Wang,et al.Small signal instability of PLL-synchronized type-4 wind turbines connected to high-impedance AC grid duringLVRT[J].IEEE Transactions on Energy Conversion,2016,31(4):1676–1687.该文献类比复转矩系数法，分析了在弱电网远端对称短路期间，锁相环(PLL)带宽、电流控制环路带宽及有功电流参考对直驱风力发电系统小信号稳定性的影响，指出故障期间优化PLL的PI控制参数有助于提高系统稳定性，降低系统振荡失稳风险。该文章对认识弱电网故障期间直驱风力发电系统的振荡失稳问题有指导性作用，但并未提出有效的振荡抑制策略。

文献[2]X.Wang,J.Yao,J.Pei,Analysis and damping control of small-signal oscillations for VSC connected to weak AC grid during LVRT[J].IEEETransactions on Energy Conversion,2019,34(3):1667–1676.该文献探讨了电网电压深度跌落条件下锁相环与电流控制环之间的相互作用，及其对电压源型变流器(VSC)在低电压穿越过程中稳定性的影响。并在此基础上提出了一种基于PLL频率偏差的附加阻尼控制策略，该策略通过比例增益系数K_d来调整附加阻尼的大小，改变VSC有功电流的给定，避免系统在低电压穿越过程中发生振荡。阻尼控制器的性能与K_d系数大小密切相关，但不同工况下系统所需的附加阻尼并不相同，而文章中K_d系数的取值为定值，显然是无法适用于所有工况的。

文献[3]

R.Teodorescu,C.L.Bak,et al.Instability of windturbine converters during current injection to low voltage grid faults andPLL frequency based stability solution[J].IEEE Transactions on Power Systems,2014,29(4):1683-1691.该文献从理论上分析了弱电网严重短路故障条件下，有功电流和无功电流注入对风力发电系统稳定性的影响，指出弱电网严重短路故障期间按照现行低穿导则的电流注入可能会导致风电系统与电网失去同步。为此，文章提出了一种基于锁相环频率反馈的控制算法，采用PI补偿器通过注入一定量的有功电流来解决失步问题，有效增强了系统稳定性。但是，PI补偿器的引入使得系统多时间尺度控制的动态耦合过程更加复杂，而且该文献所提控制算法同样存在无法适用于多工况的问题。

文献[4]Y.Liu,J.Yao,J.Pei,et al.Transient stability enhancementcontrol strategy based on improved PLL for grid-connected VSC during severegrid fault[J].IEEE Transactions on Energy Conversion,2020.(DOI:10.1109/TEC.2020.3011203).该文献类比同步发电机研究了VSC的暂态同步过程，指出随着电网电压的下降，VSC的阻尼比减小，等效功角(EPA)和频率可能出现较大的超调和振荡，从而触发频率保护，恶化系统的暂态稳定性。为了保证系统安稳运行，文章提出了一种基于附加阻尼系数的改进锁相环，可在不同电压跌落时自适应调整控制系统的阻尼比。但是该方法中附加阻尼系数K严重依赖参数的准确性，尤其是还需要故障点电压及故障点到并网点之间的线路参数，这两个参数对于风机侧来说是不容易获得的，需要与调度之间进行协调，或者采用高精度的故障测距算法，这些都不利于该方法的工程实现。

从上述文献可以看出，现有技术中增强风机暂态稳定性的方法主要是依据频率的变化，从PLL或者有功电流给定处附加阻尼控制器，但是其无法根据故障情况及风机运行状态对附加阻尼系数等进行调节，且控制性能依赖故障点电压、线路阻抗等参数的准确性。

发明内容

本发明提供一种基于蚁群算法的风力发电系统暂态稳定优化控制方法，有效解决了弱电网电压跌落导致风力发电系统发生的宽频振荡及失步问题，提高了暂态期间风力发电系统的运行稳定性。

本发明采取的技术方案为：

基于蚁群算法的风力发电系统暂态稳定优化控制方法，包括以下步骤：

步骤A1：设蚂蚁个数为n，最大循环次数为N；锁相环PLL的PI控制参数分别为k_p、k_i；其中k_p、k_i的位数分别为num₁和num₂，为后续表述方便，在此k_p、k_i均取4位整数和1位小数。

步骤A2：将k_p，k_i表示为以下形式：

其中x₁、x₂、x₃、x₄、x₅分别表示k_p从高位到低位每位的取值；x₆、x₇、x₈、x₉、x₁₀分别表示k_i从高位到低位每位的取值。

步骤A3：以x_z(z＝1，2，……，10)为横轴，以y_m(m＝0，1，……，9)为纵轴建立结点路径有向图，设每只蚂蚁从x₁列结点开始，每次只向后经过每列的一个结点，循环一次后回到x₁列，

步骤A4：计算当前t时刻蚂蚁k由所在结点到下一结点选择所走路径的概率，如下：

其中，τ_ij(t)为当前t时刻由结点i到结点j的信息素浓度；η_ij(t)为信息能见度；α、β分别是信息素强度和信息能见度的加权值，为常数；J为蚂蚁k下一步所允许选择的结点集合；信息素浓度范围为[τ_min，τ_max]，取τ_max为信息素浓度初始值；

步骤A5：采用轮盘赌法产生[0,1]随机数rand(*)，满足

的结点，即为下一步要选择的结点；

步骤A6：全部蚂蚁完成一次循环后，按照下式(3)所示的目标函数进行计算，并输出使目标函数最小的路径为最优路径：

其中：f_pll为PLL输出的频率；f_ref为给定频率；U_sq为风机并网点电压的q轴分量；w₁、w₂为权重系数；

步骤A7：判断是否满足约束条件|f_pll-f_ref|≤0.5Hz，若不满足则按下式(4)对最优路径方向的信息素浓度进行更新，并重复步骤A4～步骤A7：

其中，Δt为控制周期；ρ为信息素挥发率；

为最优路径长度的倒数；

步骤A8：若满足约束条件，则结束寻优。

本发明一种基于蚁群算法的风力发电系统暂态稳定优化控制方法，技术效果如下：

1)本发明利用蚁群算法对控制参数进行实时优化，可有效解决弱电网电压跌落导致风力发电系统发生宽频振荡及失步的问题，当短路比及故障位置变化时本发明依然适用；

2)该方法无附加阻尼控制器，可根据故障情况及风机运行状态直接对锁相环PLL的PI控制参数进行调节，并结合蚁群寻优算法对锁相环PLL做出当前最优控制决策，从而优化暂态过程中系统全频段阻尼的分配。

附图说明

图1为结点路径有向图。

图2为本发明基于蚁群算法的控制流程图。

图3为基于蚁群算法的锁相环控制框图。

图4为基于蚁群算法的风力发电系统暂态稳定控制装置示意图。

图5(a)为永磁直驱型风机采用传统控制策略时并网点电压的波形图。

图5(b)为永磁直驱型风机采用基于蚁群算法的优化控制策略时并网点电压的波形图。

图5(c)为双馈型风机采用传统控制策略时并网点电压的波形图。

图5(d)为双馈型风机采用基于蚁群算法的优化控制策略时并网点电压的波形图。

图6为双馈型风机接入电力系统结构示意图。

图7为永磁直驱型风机接入电力系统结构示意图。

具体实施方式

一种基于蚁群算法的风力发电系统暂态稳定优化控制方法，该方法通过蚁群寻优算法对弱电网短路故障期间锁相环PLL的PI控制参数进行寻优，优化暂态过程中锁相环PLL带宽，实现全频段阻尼的重新分配。具体流程步骤如图2所示：

基于蚁群算法的风力发电系统暂态稳定优化控制方法，包括以下步骤：

步骤A1：设蚂蚁个数为n，最大循环次数为N；锁相环PLL的PI控制参数分别为k_p、k_i；其中k_p、k_i的位数分别为num₁和num₂，为后续表述方便，在此k_p、k_i均取4位整数和1位小数。

步骤A2：将k_p、k_i表示为以下形式：

其中x₁、x₂、x₃、x₄、x₅分别表示k_p从高位到低位每位的取值；x₆、x₇、x₈、x₉、x₁₀分别表示k_i从高位到低位每位的取值。

步骤A3：以x_z(z＝1，2，……，10)为横轴，以y_m(m＝0，1，……，9)为纵轴建立结点路径有向图，设每只蚂蚁从x₁列结点开始，每次只向后经过每列的一个结点，循环一次后回到x₁列，图1中蓝色虚线给出了一只蚂蚁完成一次循环的示意路径。为加快迭代速度，k_p、k_i分别被限制在[k_{p_min}，k_{p_max}]、[k_{i_min}，k_{i_max}]的区间内。

步骤A4：计算当前t时刻蚂蚁k由所在结点到下一结点选择所走路径的概率，如下：

其中，τ_ij(t)为当前t时刻由结点i到结点j的信息素浓度；η_ij(t)为信息能见度；α、β分别是信息素强度和信息能见度的加权值，为常数；J为蚂蚁k下一步所允许选择的结点集合；信息素浓度范围为[τ_min，τ_max]，取τ_max为信息素浓度初始值；

步骤A5：采用轮盘赌法产生[0,1]随机数rand(*)，满足

的结点，即为下一步要选择的结点；

步骤A6：全部蚂蚁完成一次循环后，按照下式(3)所示的目标函数进行计算，并输出使目标函数最小的路径为最优路径：

其中：f_pll为PLL输出的频率；f_ref为给定频率；U_sq为风机并网点电压的q轴分量；w₁、w₂为权重系数；

步骤A7：判断是否满足约束条件|f_pll-f_ref|≤0.5Hz，若不满足则按下式(4)对最优路径方向的信息素浓度进行更新，并重复步骤A4～步骤A7：

其中，Δt为控制周期；ρ为信息素挥发率；

为最优路径长度的倒数；

步骤A8：若满足约束条件，则结束寻优。

步骤A9：根据上述步骤，本发明设计了一种基于蚁群算法的风力发电系统暂态稳定控制装置，如图4所示，其中基于蚁群算法的锁相环控制如图3所示。该装置通过与风机控制器的信息交互，实时获取风机并网点电压和频率偏差，采用启发式的有向蚁群算法对风机控制器中锁相环PLL的PI参数做出当前最优控制决策，快速实现暂态过程中的风电系统振荡抑制。

图5(a)、图5(b)分别为永磁直驱型风机采用传统控制策略和采用基于蚁群算法的优化控制策略时并网点电压的波形。从图5(a)、图5(b)中可以看出，采用所提控制策略可有效解决电网故障期间风力发电系统的振荡失稳问题，提高了暂态期间永磁直驱风力发电系统的运行稳定性。

图5(c)、图5(d)分别为双馈型风机采用传统控制策略和采用基于蚁群算法的优化控制策略时并网点电压的波形。从图5(c)、图5(d)中可以看出，采用所提控制策略后，双馈风力发电系统的振荡失稳同样得到了有效抑制。

Claims (1)

1.基于蚁群算法的风力发电系统暂态稳定优化控制方法，其特征在于包括以下步骤：

步骤A1：设蚂蚁个数为n，最大循环次数为N；锁相环PLL的PI控制参数分别为k_p、k_i；其中k_p、k_i的位数分别为num₁和num₂；

步骤A2：将k_p，k_i表示为以下形式：

步骤A3：以x_z(z＝1，2，……，10)为横轴，以y_m(m＝0，1，……，9)为纵轴建立结点路径有向图，设每只蚂蚁从x₁列结点开始，每次只向后经过每列的一个结点，循环一次后回到x₁列，

步骤A4：计算当前t时刻蚂蚁k由所在结点到下一结点选择所走路径的概率，如下：

其中，τ_ij(t)为当前t时刻由结点i到结点j的信息素浓度；η_ij(t)为信息能见度；α、β分别是信息素强度和信息能见度的加权值，为常数；J为蚂蚁k下一步所允许选择的结点集合；信息素浓度范围为[τ_min，τ_max]，取τ_max为信息素浓度初始值；

步骤A5：采用轮盘赌法产生[0,1]随机数rand(*)，满足

的结点，即为下一步要选择的结点；

步骤A6：全部蚂蚁完成一次循环后，按照下式(3)所示的目标函数进行计算，并输出使目标函数最小的路径为最优路径：

其中：f_pll为PLL输出的频率；f_ref为给定频率；U_sq为风机并网点电压的q轴分量；w₁、w₂为权重系数；

步骤A7：判断是否满足约束条件|f_pll-f_ref|≤0.5Hz，若不满足则按下式(4)对最优路径方向的信息素浓度进行更新，并重复步骤A4～步骤A7：

其中，Δt为控制周期；ρ为信息素挥发率；

为最优路径长度的倒数；

步骤A8：若满足约束条件，则结束寻优。

Images