CN114899844B - 一种小扰动火电机组一次调频控制系统 - Google Patents
一种小扰动火电机组一次调频控制系统 Download PDFInfo
- Publication number
- CN114899844B CN114899844B CN202210662211.6A CN202210662211A CN114899844B CN 114899844 B CN114899844 B CN 114899844B CN 202210662211 A CN202210662211 A CN 202210662211A CN 114899844 B CN114899844 B CN 114899844B
- Authority
- CN
- China
- Prior art keywords
- thermal power
- disturbance
- frequency modulation
- power system
- signal
- 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
- 239000002245 particle Substances 0.000 claims abstract description 113
- 238000012545 processing Methods 0.000 claims abstract description 63
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 42
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 78
- 239000013598 vector Substances 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 20
- 238000002485 combustion reaction Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 12
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 238000005260 corrosion Methods 0.000 claims description 8
- 230000007797 corrosion Effects 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 230000000717 retained effect Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000011426 transformation method Methods 0.000 claims description 6
- 230000003750 conditioning effect Effects 0.000 claims description 4
- 230000008602 contraction Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 26
- 230000001105 regulatory effect Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 238000004146 energy storage Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000007 visual effect 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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
- H02J3/241—The oscillation concerning frequency
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及调频控制的技术领域,揭露了一种小扰动火电机组一次调频控制系统,包括:采集电力系统频率信号并对所采集的信号进行预处理,对预处理后的电力系统频率信号进行鲁棒调节处理;构建自适应小扰动火电机组一次调频参数控制模型;利用改进的量子粒子群算法对构建的自适应小扰动火电机组一次调频参数控制模型进行优化求解;检测电力系统的频率扰动,当检测到频率扰动时,采集并处理得到鲁棒调节后的电力系统频率信号,将鲁棒调节后的电力系统频率信号输入到优化后的模型中,模型输出当前火电机组调频参数,根据当前火电机组调频参数对火电机组进行调频控制。本发明实现电力系统频率扰动的检测以及发生扰动后电力系统频率的修正。
Description
技术领域
本发明涉及调频控制的技术领域,尤其涉及一种小扰动火电机组一次调频控制系统。
背景技术
电力系统频率是一个频繁变化的参数,也是电力系统稳定运行的基础。在电力系统实际运行中,当电量消耗与电量供给不匹配时,即可引起电力系统频率出现变化较小、变动周期较短的微小分量,该分量即为电力系统的频率扰动,当检测到电力系统的频率扰动时,需要采用火电机组一次调频控制策略对电力系统频率进行修正。CN112350344A提出了一种考虑调频性能考核的储能系统-火电机组联合调频控制方法,该方法通过获取当前调频周期内某一时刻联合调频单元的基本状态;根据调频单元参与调频辅助服务的指标计算规则划分并确定联合调频单元所处的工作时段;针对联合调频单元的不同工作时段分别获取各工作时段的控制目标有功功率,并通过与火电机组有功功率进行配合得到储能系统的目标有功功率;综合考虑储能系统的功率限制与容量限制对储能系统目标有功功率进行修正得到最终的储能系统有功功率达到分时段调频控制的目的。CN110378624B提出一种基于趋势提取的火电机组一次调频指标计算方法及系统,该方法根据火电机组一次调频数据段特征量化值,对火电机组实发功率和电网频率历史数据进行查找,得到火电机组一次调频数据段;对所得到的火电机组一次调频数据段,进行趋势提取;以各个子数据段的趋势为基础,确定趋势变化方向与频率变化方向相反且幅值变化最大的子数据段作为一次调频动作段;以一次调频动作段的幅值变化量和样本时间戳为基础,获取火电机组一次调频性能指标计算所需要的参数值,并计算机组的一次调频性能指标,解决了火电机组一次调频性能指标计算方法存在的问题。CN110912209B提出了一种火电机组机跟随方式下一次调频优化方法及装置和介质,该方法在火电机组在运行机跟随模式后,且所述火电机组进行一次调频动作时,实时获取所述火电机组的主汽压的实际值;将所述协调侧主汽压自动控制模块对应的主汽压的设定值更改为所述主汽压的实际值,直至一次调频动作结束,或者,直至所述火电机组退出所述机跟随模式。解决火电机组机跟随运行方式下一次调频调节质量较差的问题。尽管现有火电机组一次调频控制方法能够在一定程度上提高控制准确性,但仍存在如下三方面问题:一是火电机组数据采集过程中小扰动噪音数据破坏数据形态导致调频控制偏差问题;二是火电机组一次调频控制策略进行调频控制时粒度较粗,控制不精细,无法感知小扰动噪音,导致电力系统频率调节控制不精确的问题;三是调频控制计算复杂,导致控制延迟问题。随着新能源电力接入比例的增大,更是加剧了上述问题的严重性,针对上述问题,本专利提出一种小扰动火电机组一次调频控制方法及系统实现对电力系统频率的精细化稳定控制,减少电力系统的频率波动。
发明内容
有鉴于此,本发明提供一种小扰动火电机组一次调频控制方法,目的在于通过利用多尺度分解方式提取电力系统频率信号在不同尺度上的信号特征,并通过腐蚀膨胀处理将信号与噪声分离,形成鲁棒性更好的纯净电力系统多尺度频率信号,通过对该信号进行调频参数计算,能够得出鲁棒性更好的火电机组调频参数;构建得到自适应小扰动火电机组一次调频参数控制模型,利用改进的量子粒子群算法对构建的自适应小扰动火电机组一次调频参数控制模型进行优化求解,通过将鲁棒调节后的电力系统频率信号输入到最优的自适应小扰动火电机组一次调频参数控制模型中,模型输出当前火电机组调频参数,根据当前火电机组调频参数对火电机组进行调频控制,对电力系统的频率进行修正。
实现上述目的,本发明提供的一种小扰动火电机组一次调频控制方法,包括以下步骤:
S1:采集电力系统频率信号并对所采集的信号进行预处理,对预处理后的电力系统频率信号进行鲁棒调节处理,其中基于形态分析的多尺度信号调节为鲁棒调节处理的方式;
S2:将鲁棒调节后的电力系统频率信号作为输入,将火电机组调频参数作为输出,构建自适应小扰动火电机组一次调频参数控制模型;
S3:按照步骤S1方法采集大量存在扰动的鲁棒调节后电力系统频率信号以及对应的火电机组调频参数作为训练集,利用改进的量子粒子群算法对构建的自适应小扰动火电机组一次调频参数控制模型进行优化求解,获取最优的自适应小扰动火电机组一次调频参数控制模型;
S4:检测电力系统的频率扰动,当检测到频率扰动时,按照步骤S1方法采集并处理得到鲁棒调节后的电力系统频率信号,将鲁棒调节后的电力系统频率信号输入到最优的自适应小扰动火电机组一次调频参数控制模型中,模型输出当前火电机组调频参数,根据当前火电机组调频参数对火电机组进行调频控制。
作为本发明的进一步改进方法:
可选地,S1步骤中采集电力系统频率信号并对所采集的信号进行预处理,包括:
在本发明实施例中,通过在电力系统内设置传感器,利用传感器采集电力系统频率信号;
采集电力系统频率信号x(t),其中t∈{0,1,2,…,T},t表示电力系统频率信号x(t)的时序信息,对所采集的电力系统频率信号x(t)进行降噪的预处理,得到预处理完成的电力系统频率信号x′(t),所述信号降噪处理的流程为:
设置不同的尺度因子a,利用小波函数ω(t)对电力系统频率信号x(t)进行变换处理,其中所述小波函数为Meyer小波函数,所述变换处理的公式为:
其中:
q(x(t),a)表示电力系统频率信号x(t)在尺度a下的小波系数;
确定小波阈值为λ;
删除小于小波阈值λ的小波系数,保留大于等于小波阈值λ的小波系数,利用小波逆变换方法将所保留的小波系数重构为降噪信号,将降噪信号作为预处理后的电力系统频率信号x′(t),其中所述小波逆变换方法的公式为:
其中:
q(x(t),a′)为所保留的小波系数,a′为所保留小波系数的尺度;
x′(t)为预处理完成的电力系统频率信号。
可选地,所述S1步骤中对预处理后的电力系统频率信号进行鲁棒调节处理,其中基于形态分析的多尺度信号调节为鲁棒调节处理的方式,包括:
对预处理后的电力系统频率信号x′(t)进行鲁棒调节处理,得到鲁棒调节处理后的电力系统频率信号y(t),其中基于形态分析的多尺度信号调节为鲁棒调节处理的方式,所述鲁棒调节处理的流程为:
S11:构建多尺度范围的信号调节滤波器;
S13:将预处理后的电力系统频率信号x′(t)作为多尺度范围的调节信号滤波器的输入,多尺度范围的调节信号滤波器对输入值进行连续的腐蚀膨胀运算,得到不同尺度b的滤波结果,b∈{1,2,…,B},其中所述多尺度范围的调节信号滤波器的滤波公式为:
其中:
Ω为尺度b的所属集合,即Ω={1,2,…,B},wi,b为尺度b的滤波分解结果在多尺度范围的调节信号滤波器的权重,wib属于第i组权重编码向量;
gm为结构元素,m∈{0,1,2,…,M},在本发明实施例中,所选取的结构元素为一维离散向量,离散向量的长度维T+1,通过选取不同的离散向量构成结构元素集合{gm|m∈[0,M]};
yi(t)为第i组权重编码向量的鲁棒调节处理后的电力系统频率信号;
S14:计算每组权重编码向量所对应yi(t)的误差值E(yi(t)):
E(yi(t))=|yi(t)-x′(t)|
选取误差值最小的鲁棒调节处理后的电力系统频率信号y(t)作为最终处理后的信号,利用多尺度分解方式提取电力系统频率信号在不同尺度上的信号特征,并通过腐蚀膨胀处理将信号与噪声分离,形成鲁棒性更好的纯净电力系统多尺度频率信号。
可选地,所述S2步骤中构建自适应小扰动火电机组一次调频参数控制模型,包括:
构建自适应小扰动火电机组一次调频参数控制模型,其中所述模型的输入为鲁棒调节后的电力系统频率信号,模型输出为火电机组调频参数,火电机组调频参数包括火电机组的转速参数、燃烧温度参数,通过调节火电机组的转速以及发热温度,改变火电机组的锅炉蓄热蓄能,对电力系统的频率进行调节,将被干扰的电力系统频率调节为正常值;
所述自适应小扰动火电机组一次调频参数控制模型由L个残差单元以及一个全连接层构成,其中全连接层为Softmax函数,用来输出火电机组调频参数,其中第j个残差单元的输出结果为:
rj=C1(rj-1)+βjSC(rj-1)
其中:
rj表示第j个残差单元的输出结果,j∈{1,2,3,…,L},r0表示输入的鲁棒调节后的电力系统频率信号,βj为第j个残差单元的权重参数,βj∈(0,1);
C1(·)表示对输入值进行卷积操作,卷积核大小为1×1;
SC(·)表示残差映射,在本发明一个具体实施例中,残差单元由两个卷积层组成,残差映射操作为对输入值进行两次卷积处理,两个卷积层内的卷积核大小为3×3;
将第L个残差单元的输出作为全连接层的输入,全连接层从调频参数候选结果中选取概率最大的调频参数进行输出,则全连接层的输出结果为Softmax(rL)=[par1,par2],其中par1为Softmax函数输出的概率最大的火电机组转速参数,par2为Softmax函数输出的概率最大的火电机组燃烧温度参数。
可选地,所述S3步骤中采集大量存在扰动的鲁棒调节后的电力系统频率信号以及对应的火电机组调频参数作为训练集,包括:
按照步骤S1方法采集大量存在扰动的鲁棒调节后电力系统频率信号以及对应的火电机组调频参数作为训练集Data,所述训练集Data的格式为:
{datak=(yk(t),par1,k,par2,k)|k∈[1,K]}
其中:
datak为训练集Data中第k组训练数据,K表示训练集Data中训练数据的总组数;
yk(t)表示datak中的存在扰动的鲁棒调节后电力系统频率信号;
par1,k表示yk(t)所对应的火电机组转速参数,par2,k表示yk(t)所对应的火电机组燃烧温度参数,通过对火电机组进行(par1,k,par2,k)的精细化调频控制,可以使得存在小扰动噪音的电力系统频率回到正常频率。
可选地,所述S3步骤中利用改进的量子粒子群算法对构建的自适应小扰动火电机组一次调频参数控制模型进行优化求解,获取最优的自适应小扰动火电机组一次调频参数控制模型,包括:
利用改进的量子粒子群算法对构建的自适应小扰动火电机组一次调频参数控制模型进行优化求解,求解得到模型中不同残差单元的权重参数,将求解得到的权重参数作为模型参数,得到最优的自适应小扰动火电机组一次调频参数控制模型,其中所述模型的优化求解流程为:
S31:构建模型优化求解的适应度函数F(θ):
其中:
θ为自适应小扰动火电机组一次调频参数控制模型的权重参数,θ=[β1,β2,…,βL],βL为模型中第L个残差单元的权重参数;
S32:设置当前算法迭代次数为q,算法的最大迭代次数为Max,其中q的初始值为0;
S33:生成N个量子粒子构成量子粒子群,初始化每个量子粒子的位置,则任意第n个量子粒子在第q次迭代的位置表示为:
Un(q)=(un1(q),un2(q),un3(q),…,unj(q),…,unL(q))
其中:
Un(q)为第n个量子粒子在第q次迭代的位置表示,每个量子粒子的位置表示对应一种自适应小扰动火电机组一次调频参数控制模型的权重参数,所述位置表示的维度数为L维,unL表示第n个量子粒子在第L维的位置坐标,对应第L个残差单元的权重参数;
S34:对任意量子粒子位置表示Un(q)的任意维度的位置坐标进行取绝对值处理,并对任意维度的位置坐标进行归一化处理其中max(un)为(un1(q),un2(q),un3(q),…,unj(q),…,unL(q))中的最大值;
S35:将任意第n个量子粒子的位置表示Un(q)作为适应度函数的权重参数,将适应度函数的结果作为第q轮算法迭代时,第n个量子粒子的适应度值Fq(n);
S36:记录任意第n个量子粒子从迭代开始到当前第q轮迭代的历史最优位置Un(best),并记录量子粒子群中从迭代开始到当前第q轮迭代的历史最优位置U(best),其中所述历史最优位置即为从迭代开始到当前第q轮迭代为止,适应度值最小的量子粒子的位置表示;
S37:令q+1,更新量子粒子群中所有量子粒子的位置表示,则第n个量子粒子在第q+1次算法迭代后的位置坐标表示为:
其中:
rand(0,1)为0~1之间的随机数;
α为收缩扩张因子,将其设置为0.2;
S38:若q+1<Max,则返回S34;否则对当前所有量子粒子的位置表示进行取绝对值以及归一化处理,并计算位置表示处理后所有量子粒子的适应度值,将适应度值最小的量子粒子的位置表示作为求解得到的模型中不同残差单元的权重参数;
相较于传统粒子群算法中同时对粒子的速度以及位置进行更新,粒子位置的更新取值范围制约于所设定粒子速度的大小,容易将粒子限制在一定区域内,导致算法陷入局部极值,所述改进量子粒子群中的量子粒子只考虑位置的变化,可以基于随机参数转移到搜索空间的任意区域,有跳出局部极值的可能,因此能够实现算法的全局收敛;同时所述改进的量子粒子群算法利用量子粒子的平均最优值best帮助任意量子粒子进行位置更新,有助于所有量子粒子的协同工作,进一步提高算法的全局寻优能力,能够快速求解得到模型参数。
可选地,所述S4步骤中检测电力系统的频率扰动,包括:
电力系统内的传感器实时采集电力系统频率信号X(t),并计算实时电力系统频率信号的扰动值:
其中:
t∈{0,1,2,…,T},t表示电力系统频率信号的时序信息;
R(X(t))表示实时电力系统频率信号的扰动值;
可选地,所述S4步骤中当检测到频率扰动时,采集当前鲁棒调节后的电力系统频率信号,将采集到的信号输入到最优的自适应小扰动火电机组一次调频参数控制模型中,模型输出当前火电机组调频参数,根据当前火电机组调频参数对火电机组进行调频控制,包括:
当检测到频率扰动时,按照步骤S1的方法对当前电力系统频率信号X(t)进行鲁棒调节,将鲁棒调节后的电力系统频率信号Y(t)输入到最优的自适应小扰动火电机组一次调频参数控制模型中,模型输出当前火电机组调频参数,根据当前火电机组调频参数对火电机组进行调频控制,修正电力系统的频率波动。
为了解决上述问题,本发明还提供一种小扰动火电机组一次调频控制系统,其特征在于,所述系统包括:
信号采集处理模块,用于采集电力系统频率信号并对所采集的信号进行预处理,对预处理后的电力系统频率信号进行鲁棒调节处理;
频率扰动检测模块,用于检测电力系统的频率扰动;
调频参数获取装置,用于构建自适应小扰动火电机组一次调频参数控制模型,利用改进的量子粒子群算法对构建的自适应小扰动火电机组一次调频参数控制模型进行优化求解,当检测到频率扰动时,将鲁棒调节后的电力系统频率信号输入到最优的自适应小扰动火电机组一次调频参数控制模型中,模型输出当前火电机组调频参数,根据当前火电机组调频参数对火电机组进行调频控制。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的小扰动火电机组一次调频控制方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的小扰动火电机组一次调频控制方法。
相对于现有技术,本发明提出一种小扰动火电机组一次调频控制方法,该技术具有以下优势:
首先,本方案提出一种电力系统频率信号鲁棒调节方法,所述鲁棒调节处理的流程为:构建多尺度范围的信号调节滤波器;对不同尺度b的权重wb进行浮点数编码,得到若干组编码向量,其中b∈{1,2,…,B},B为尺度范围数,第i组编码向量为Wi=[wi,1,wi,2,…,wi,B],将预处理后的电力系统频率信号x′(t)作为多尺度范围的调节信号滤波器的输入,多尺度范围的调节信号滤波器对输入值进行连续的腐蚀膨胀运算,得到不同尺度b的滤波结果,b∈{1,2,…,B},其中所述多尺度范围的调节信号滤波器的滤波公式为:
其中:Ω为尺度b的所属集合,即Ω={1,2,…,B},wib为尺度b的滤波分解结果在多尺度范围的调节信号滤波器的权重,wi,b属于第i组权重编码向量;为膨胀运算符,/>为腐蚀运算符;gm为结构元素,m∈{0,1,2,…,M},在本发明实施例中,所选取的结构元素为一维离散向量,离散向量的长度维T+1,通过选取不同的离散向量构成结构元素集合{gm|m∈[0,M]};yi(t)为第i组权重编码向量的鲁棒调节处理后的电力系统频率信号;计算每组权重编码向量所对应yi(t)的误差值E(yi(t)):
E(yi(t))=|yi(t)-x′(t)|
选取误差值最小的鲁棒调节处理后的电力系统频率信号y(t)作为最终处理后的信号。相较于传统方案,通过利用多尺度分解方式提取电力系统频率信号在不同尺度上的信号特征,并通过腐蚀膨胀处理将信号与噪声分离,形成鲁棒性更好的纯净电力系统多尺度频率信号,后续通过对该信号进行调频参数计算,能够得出鲁棒性更好的火电机组调频参数。
同时,本方案构建得到自适应小扰动火电机组一次调频参数控制模型,其中所述模型的输入为鲁棒调节后的电力系统频率信号,模型输出为火电机组调频参数,火电机组调频参数包括火电机组的转速参数、燃烧温度参数,通过调节火电机组的转速以及发热温度,改变火电机组的锅炉蓄热蓄能,对电力系统的频率进行调节,将被干扰的电力系统频率调节为正常值。为快速训练得到可用模型,本方案利用改进的量子粒子群算法对构建的自适应小扰动火电机组一次调频参数控制模型进行优化求解,求解得到模型中不同残差单元的权重参数,将求解得到的权重参数作为模型参数,得到最优的自适应小扰动火电机组一次调频参数控制模型,其中所述模型的优化求解流程为:构建模型优化求解的适应度函数F(θ):
其中:θ为自适应小扰动火电机组一次调频参数控制模型的权重参数,θ=[β1,β2,…,βL],βL为模型中第L个残差单元的权重参数;为模型基于yk(t)以及权重参数θ所生成的火电机组转速参数,/>为模型基于yk(t)以及权重参数θ所生成的火电机组燃烧温度参数;设置当前算法迭代次数为q,算法的最大迭代次数为Max,其中q的初始值为0;生成N个量子粒子构成量子粒子群,初始化每个量子粒子的位置,则任意第n个量子粒子在第q次迭代的位置表示为:
Un(q)=(un1(q),un2(q),un3(q),…,unj(q),…,unL(q))
其中:Un(q)为第n个量子粒子在第q次迭代的位置表示,每个量子粒子的位置表示对应一种自适应小扰动火电机组一次调频参数控制模型的权重参数,所述位置表示的维度数为L维,unL表示第n个量子粒子在第L维的位置坐标,对应第L个残差单元的权重参数;对任意量子粒子位置表示Un(q)的任意维度的位置坐标进行取绝对值处理,并对任意维度的位置坐标进行归一化处理其中max(un)为(un1(q),un2(q),un3(q),…,unj(q),…,unL(q))中的最大值;将任意第n个量子粒子的位置表示Un(q)作为适应度函数的权重参数,将适应度函数的结果作为第q轮算法迭代时,第n个量子粒子的适应度值Fq(n);记录任意第n个量子粒子从迭代开始到当前第q轮迭代的历史最优位置Un(best),并记录量子粒子群中从迭代开始到当前第q轮迭代的历史最优位置U(best),其中所述历史最优位置即为从迭代开始到当前第q轮迭代为止,适应度值最小的量子粒子的位置表示令q+1,更新量子粒子群中所有量子粒子的位置表示,则第n个量子粒子在第q+1次算法迭代后的位置坐标表示为:
其中:rand(0,1)为0~1之间的随机数;α为收缩扩张因子,将其设置为0.2;重复上述步骤直到达到最大迭代次数,对当前所有量子粒子的位置表示进行取绝对值以及归一化处理,并计算位置表示处理后所有量子粒子的适应度值,将适应度值最小的量子粒子的位置表示作为求解得到的模型中不同残差单元的权重参数。相较于传统粒子群算法中同时对粒子的速度以及位置进行更新,粒子位置的更新取值范围制约于所设定粒子速度的大小,容易将粒子限制在一定区域内,导致算法陷入局部极值,所述改进量子粒子群中的量子粒子只考虑位置的变化,可以基于随机参数转移到搜索空间的任意区域,有跳出局部极值的可能,因此能够实现算法的全局收敛;同时所述改进的量子粒子群算法利用量子粒子的平均最优值best帮助任意量子粒子进行位置更新,有助于所有量子粒子的协同工作,进一步提高算法的全局寻优能力,能够快速求解得到模型参数。
附图说明
图1为本发明一实施例提供的一种小扰动火电机组一次调频控制方法的流程示意图;
图2为本发明一实施例提供的小扰动火电机组一次调频控制系统的功能模块图;
图3为本发明一实施例提供的实现小扰动火电机组一次调频控制方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种小扰动火电机组一次调频控制方法。所述小扰动火电机组一次调频控制方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述小扰动火电机组一次调频控制方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1:
S1:采集电力系统频率信号并对所采集的信号进行预处理,对预处理后的电力系统频率信号进行鲁棒调节处理,其中基于形态分析的多尺度信号调节为鲁棒调节处理的方式。
S1步骤中采集电力系统频率信号并对所采集的信号进行预处理,包括:
在本发明实施例中,通过在电力系统内设置传感器,利用传感器采集电力系统频率信号;
采集电力系统频率信号x(t),其中t∈{0,1,2,…,T},t表示电力系统频率信号x(t)的时序信息,对所采集的电力系统频率信号x(t)进行降噪的预处理,得到预处理完成的电力系统频率信号x′(t),所述信号降噪处理的流程为:
设置不同的尺度因子a,利用小波函数ω(t)对电力系统频率信号x(t)进行变换处理,其中所述小波函数为Meyer小波函数,所述变换处理的公式为:
其中:
q(x(t),a)表示电力系统频率信号x(t)在尺度a下的小波系数;
确定小波阈值为λ;
删除小于小波阈值λ的小波系数,保留大于等于小波阈值λ的小波系数,利用小波逆变换方法将所保留的小波系数重构为降噪信号,将降噪信号作为预处理后的电力系统频率信号x′(t),其中所述小波逆变换方法的公式为:
其中:
q(x(t),a′)为所保留的小波系数,a′为所保留小波系数的尺度;
x′(t)为预处理完成的电力系统频率信号。
所述S1步骤中对预处理后的电力系统频率信号进行鲁棒调节处理,其中基于形态分析的多尺度信号调节为鲁棒调节处理的方式,包括:
对预处理后的电力系统频率信号x′(t)进行鲁棒调节处理,得到鲁棒调节处理后的电力系统频率信号y(t),其中基于形态分析的多尺度信号调节为鲁棒调节处理的方式,所述鲁棒调节处理的流程为:
S11:构建多尺度范围的信号调节滤波器;
S13:将预处理后的电力系统频率信号x′(t)作为多尺度范围的调节信号滤波器的输入,多尺度范围的调节信号滤波器对输入值进行连续的腐蚀膨胀运算,得到不同尺度b的滤波结果,b∈{1,2,…,B},其中所述多尺度范围的调节信号滤波器的滤波公式为:
其中:
Ω为尺度b的所属集合,即Ω={1,2,…,B},wi,b为尺度b的滤波分解结果在多尺度范围的调节信号滤波器的权重,wi,b属于第i组权重编码向量;
gm为结构元素,m∈{0,1,2,…,M},在本发明实施例中,所选取的结构元素为一维离散向量,离散向量的长度维T+1,通过选取不同的离散向量构成结构元素集合{gm|m∈[0,M]};
yi(t)为第i组权重编码向量的鲁棒调节处理后的电力系统频率信号;
S14:计算每组权重编码向量所对应yi(t)的误差值E(yi(t)):
E(yi(t))=|yi(t)-x′(t)|
选取误差值最小的鲁棒调节处理后的电力系统频率信号y(t)作为最终处理后的信号。
S2:将鲁棒调节后的电力系统频率信号作为输入,将火电机组调频参数作为输出,构建自适应小扰动火电机组一次调频参数控制模型。
所述S2步骤中构建自适应小扰动火电机组一次调频参数控制模型,包括:
构建自适应小扰动火电机组一次调频参数控制模型,其中所述模型的输入为鲁棒调节后的电力系统频率信号,模型输出为火电机组调频参数,火电机组调频参数包括火电机组的转速参数、燃烧温度参数,通过调节火电机组的转速以及发热温度,改变火电机组的锅炉蓄热蓄能,对电力系统的频率进行调节,将被干扰的电力系统频率调节为正常值;
所述自适应小扰动火电机组一次调频参数控制模型由L个残差单元以及一个全连接层构成,其中全连接层为Softmax函数,用来输出火电机组调频参数,其中第j个残差单元的输出结果为:
rj=C1(rj-1)+βjSC(rj-1)
其中:
rj表示第j个残差单元的输出结果,j∈{1,2,3,…,L},r0表示输入的鲁棒调节后的电力系统频率信号,βj为第j个残差单元的权重参数,βj∈(0,1);
C1(·)表示对输入值进行卷积操作,卷积核大小为1×1;
SC(·)表示残差映射,在本发明一个具体实施例中,残差单元由两个卷积层组成,残差映射操作为对输入值进行两次卷积处理,两个卷积层内的卷积核大小为3×3;
将第L个残差单元的输出作为全连接层的输入,全连接层从调频参数候选结果中选取概率最大的调频参数进行输出,则全连接层的输出结果为Softmax(rL)=[par1,par2],其中par1为Softmax函数输出的概率最大的火电机组转速参数,par2为Softmax函数输出的概率最大的火电机组燃烧温度参数。
S3:按照步骤S1方法采集大量存在扰动的鲁棒调节后电力系统频率信号以及对应的火电机组调频参数作为训练集,利用改进的量子粒子群算法对构建的自适应小扰动火电机组一次调频参数控制模型进行优化求解,获取最优的自适应小扰动火电机组一次调频参数控制模型。
所述S3步骤中采集大量存在扰动的鲁棒调节后的电力系统频率信号以及对应的火电机组调频参数作为训练集,包括:
按照步骤S1方法采集大量存在扰动的鲁棒调节后电力系统频率信号以及对应的火电机组调频参数作为训练集Data,所述训练集Data的格式为:
{datak=(yk(t),par1,k,par2,k)|k∈[1,K]}
其中:
datak为训练集Data中第k组训练数据,K表示训练集Data中训练数据的总组数;
yk(t)表示datak中的存在扰动的鲁棒调节后电力系统频率信号;
par1,k表示yk(t)所对应的火电机组转速参数,par2,k表示yk(t)所对应的火电机组燃烧温度参数,通过对火电机组进行(par1,k,par2,k)的精细化调频控制,可以使得存在小扰动噪音的电力系统频率回到正常频率。
所述S3步骤中利用改进的量子粒子群算法对构建的自适应小扰动火电机组一次调频参数控制模型进行优化求解,获取最优的自适应小扰动火电机组一次调频参数控制模型,包括:
利用改进的量子粒子群算法对构建的自适应小扰动火电机组一次调频参数控制模型进行优化求解,求解得到模型中不同残差单元的权重参数,将求解得到的权重参数作为模型参数,得到最优的自适应小扰动火电机组一次调频参数控制模型,其中所述模型的优化求解流程为:
S31:构建模型优化求解的适应度函数F(θ):
其中:
θ为自适应小扰动火电机组一次调频参数控制模型的权重参数,θ=[β1,β2,…,βL],βL为模型中第L个残差单元的权重参数;
S32:设置当前算法迭代次数为q,算法的最大迭代次数为Max,其中q的初始值为0;
S33:生成N个量子粒子构成量子粒子群,初始化每个量子粒子的位置,则任意第n个量子粒子在第q次迭代的位置表示为:
Un(q)=(un1(q),un2(q),un3(q),…,unj(q),…,unL(q))
其中:
Un(q)为第n个量子粒子在第q次迭代的位置表示,每个量子粒子的位置表示对应一种自适应小扰动火电机组一次调频参数控制模型的权重参数,所述位置表示的维度数为L维,unL表示第n个量子粒子在第L维的位置坐标,对应第L个残差单元的权重参数;
S34:对任意量子粒子位置表示Un(q)的任意维度的位置坐标进行取绝对值处理,并对任意维度的位置坐标进行归一化处理其中max(un)为(un1(q),un2(q),un3(q),…,unj(q),…,unL(q))中的最大值;
S35:将任意第n个量子粒子的位置表示Un(q)作为适应度函数的权重参数,将适应度函数的结果作为第q轮算法迭代时,第n个量子粒子的适应度值Fq(n);
S36:记录任意第n个量子粒子从迭代开始到当前第q轮迭代的历史最优位置Un(best),并记录量子粒子群中从迭代开始到当前第q轮迭代的历史最优位置U(best),其中所述历史最优位置即为从迭代开始到当前第q轮迭代为止,适应度值最小的量子粒子的位置表示;
S37:令q+1,更新量子粒子群中所有量子粒子的位置表示,则第n个量子粒子在第q+1次算法迭代后的位置坐标表示为:
其中:
rand(0,1)为0~1之间的随机数;
α为收缩扩张因子,将其设置为0.2;
S38:若q+1<Max,则返回S34;否则对当前所有量子粒子的位置表示进行取绝对值以及归一化处理,并计算位置表示处理后所有量子粒子的适应度值,将适应度值最小的量子粒子的位置表示作为求解得到的模型中不同残差单元的权重参数。
S4:检测电力系统的频率扰动,当检测到频率扰动时,按照步骤S1方法采集并处理得到鲁棒调节后的电力系统频率信号,将鲁棒调节后的电力系统频率信号输入到最优的自适应小扰动火电机组一次调频参数控制模型中,模型输出当前火电机组调频参数,根据当前火电机组调频参数对火电机组进行调频控制。
所述S4步骤中检测电力系统的频率扰动,包括:
电力系统内的传感器实时采集电力系统频率信号X(t),并计算实时电力系统频率信号的扰动值:
其中:
t∈{0,1,2,…,T},t表示电力系统频率信号的时序信息;
R(X(t))表示实时电力系统频率信号的扰动值;
所述S4步骤中当检测到频率扰动时,采集当前鲁棒调节后的电力系统频率信号,将采集到的信号输入到最优的自适应小扰动火电机组一次调频参数控制模型中,模型输出当前火电机组调频参数,根据当前火电机组调频参数对火电机组进行调频控制,包括:
当检测到频率扰动时,按照步骤S1的方法对当前电力系统频率信号X(t)进行鲁棒调节,将鲁棒调节后的电力系统频率信号Y(t)输入到最优的自适应小扰动火电机组一次调频参数控制模型中,模型输出当前火电机组调频参数,根据当前火电机组调频参数对火电机组进行调频控制,修正电力系统的频率波动。
实施例2:
如图2所示,是本发明一实施例提供的小扰动火电机组一次调频控制系统的功能模块图,其可以实现实施例1中的调频控制方法。
本发明所述小扰动火电机组一次调频控制系统100可以安装于电子设备中。根据实现的功能,所述小扰动火电机组一次调频控制系统可以包括信号采集处理模块101、频率扰动检测模块102及调频参数获取装置103。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
信号采集处理模块101,用于采集电力系统频率信号并对所采集的信号进行预处理,对预处理后的电力系统频率信号进行鲁棒调节处理;
频率扰动检测模块102,用于检测电力系统的频率扰动;
调频参数获取装置103,用于构建自适应小扰动火电机组一次调频参数控制模型,利用改进的量子粒子群算法对构建的自适应小扰动火电机组一次调频参数控制模型进行优化求解,当检测到频率扰动时,将鲁棒调节后的电力系统频率信号输入到最优的自适应小扰动火电机组一次调频参数控制模型中,模型输出当前火电机组调频参数,根据当前火电机组调频参数对火电机组进行调频控制。
详细地,本发明实施例中所述小扰动火电机组一次调频控制系统100中的所述各模块在使用时采用与上述的图1中所述的小扰动火电机组一次调频控制方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
实施例3:
如图3所示,是本发明一实施例提供的实现小扰动火电机组一次调频控制方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如小扰动火电机组一次调频控制程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如小扰动火电机组一次调频控制程序12的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(小扰动火电机组一次调频控制程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的小扰动火电机组一次调频控制程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
采集电力系统频率信号并对所采集的信号进行预处理,对预处理后的电力系统频率信号进行鲁棒调节处理;
将鲁棒调节后的电力系统频率信号作为输入,将火电机组调频参数作为输出,构建自适应小扰动火电机组一次调频参数控制模型;
采集大量存在扰动的鲁棒调节后电力系统频率信号以及对应的火电机组调频参数作为训练集,利用改进的量子粒子群算法对构建的自适应小扰动火电机组一次调频参数控制模型进行优化求解,获取最优的自适应小扰动火电机组一次调频参数控制模型;
检测电力系统的频率扰动,当检测到频率扰动时,采集并处理得到鲁棒调节后的电力系统频率信号,将鲁棒调节后的电力系统频率信号输入到最优的自适应小扰动火电机组一次调频参数控制模型中,模型输出当前火电机组调频参数,根据当前火电机组调频参数对火电机组进行调频控制。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述,在此不赘述。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种小扰动火电机组一次调频控制方法,其特征在于,所述方法包括:
S1:采集电力系统频率信号并对所采集的信号进行预处理,对预处理后的电力系统频率信号进行鲁棒调节处理,其中基于形态分析的多尺度信号调节为鲁棒调节处理的方式;
S2:将鲁棒调节后的电力系统频率信号作为输入,将火电机组调频参数作为输出,构建自适应小扰动火电机组一次调频参数控制模型;
S3:按照步骤S1方法采集大量存在扰动的鲁棒调节后电力系统频率信号以及对应的火电机组调频参数作为训练集,利用改进的量子粒子群算法对构建的自适应小扰动火电机组一次调频参数控制模型进行优化求解,获取最优的自适应小扰动火电机组一次调频参数控制模型,其中所述改进的量子粒子群算法流程,包括:
利用改进的量子粒子群算法对构建的自适应小扰动火电机组一次调频参数控制模型进行优化求解,求解得到模型中不同残差单元的权重参数,将求解得到的权重参数作为模型参数,得到最优的自适应小扰动火电机组一次调频参数控制模型,其中所述模型的优化求解流程为:
S31:构建模型优化求解的适应度函数F(θ):
其中:
θ为自适应小扰动火电机组一次调频参数控制模型的权重参数,θ=[β1,β2,…,βL],βL为模型中第L个残差单元的权重参数;
par1,k表示yk(t)所对应的火电机组转速参数,par2,k表示yk(t)所对应的火电机组燃烧温度参数;
yk(t)表示datak中的存在扰动的鲁棒调节后电力系统频率信号;
S32:设置当前算法迭代次数为q,算法的最大迭代次数为Max,其中q的初始值为0;
S33:生成N个量子粒子构成量子粒子群,初始化每个量子粒子的位置,则任意第n个量子粒子在第q次迭代的位置表示为:
Un(q)=(un1(q),un2(q),un3(q),…,unj(q),…,unL(q))
其中:
Un(q)为第n个量子粒子在第q次迭代的位置表示,每个量子粒子的位置表示对应一种自适应小扰动火电机组一次调频参数控制模型的权重参数,所述位置表示的维度数为L维,unL表示第n个量子粒子在第L维的位置坐标,对应第L个残差单元的权重参数;
S34:对任意量子粒子位置表示Un(q)的任意维度的位置坐标进行取绝对值处理,并对任意维度的位置坐标进行归一化处理其中max(un(q))为(un1(q),un2(q),un3(q),…,unj(q),…,unL(q))中的最大值;
S35:将任意第n个量子粒子的位置表示Un(q)作为适应度函数的权重参数,将适应度函数的结果作为第q轮算法迭代时,第n个量子粒子的适应度值Fq(n);
S36:记录任意第n个量子粒子从迭代开始到当前第q轮迭代的历史最优位置Un(best),并记录量子粒子群中从迭代开始到当前第q轮迭代的历史最优位置U(best),其中所述历史最优位置即为从迭代开始到当前第q轮迭代为止,适应度值最小的量子粒子的位置表示;
S37:令q+1,更新量子粒子群中所有量子粒子的位置表示,则第n个量子粒子在第q+1次算法迭代后的位置坐标表示为:
其中:
rand(0,1)为0~1之间的随机数;
α为收缩扩张因子,将其设置为0.2;
S38:若q+1<Max,则返回S34;否则对当前所有量子粒子的位置表示进行取绝对值以及归一化处理,并计算位置表示处理后所有量子粒子的适应度值,将适应度值最小的量子粒子的位置表示作为求解得到的模型中不同残差单元的权重参数;
S4:检测电力系统的频率扰动,当检测到频率扰动时,按照步骤S1方法采集并处理得到鲁棒调节后的电力系统频率信号,将鲁棒调节后的电力系统频率信号输入到最优的自适应小扰动火电机组一次调频参数控制模型中,模型输出当前火电机组调频参数,根据当前火电机组调频参数对火电机组进行调频控制。
2.如权利要求1所述的一种小扰动火电机组一次调频控制方法,其特征在于,所述S1步骤中采集电力系统频率信号并对所采集的信号进行预处理,包括:
采集电力系统频率信号x(t),其中t∈{0,1,2,…,T},t表示电力系统频率信号x(t)的时序信息,对所采集的电力系统频率信号x(t)进行降噪的预处理,得到预处理完成的电力系统频率信号x′(t),所述信号降噪处理的流程为:
设置不同的尺度因子a,利用小波函数ω(t)对电力系统频率信号x(t)进行变换处理,其中所述小波函数为Meyer小波函数,所述变换处理的公式为:
其中:
q(x(t),a)表示电力系统频率信号x(t)在尺度a下的小波系数;
确定小波阈值为λ;
删除小于小波阈值λ的小波系数,保留大于等于小波阈值λ的小波系数,利用小波逆变换方法将所保留的小波系数重构为降噪信号,将降噪信号作为预处理后的电力系统频率信号x′(t),其中所述小波逆变换方法的公式为:
其中:
q(x(t),a′)为所保留的小波系数,a′为所保留小波系数的尺度;
x′(t)为预处理完成的电力系统频率信号。
3.如权利要求2所述的一种小扰动火电机组一次调频控制方法,其特征在于,所述S1步骤中对预处理后的电力系统频率信号进行鲁棒调节处理,其中基于形态分析的多尺度信号调节为鲁棒调节处理的方式,包括:
对预处理后的电力系统频率信号x′(t)进行鲁棒调节处理,得到鲁棒调节处理后的电力系统频率信号y(t),其中基于形态分析的多尺度信号调节为鲁棒调节处理的方式,所述鲁棒调节处理的流程为:
S11:构建多尺度范围的信号调节滤波器;
S13:将预处理后的电力系统频率信号x′(t)作为多尺度范围的信号调节滤波器的输入,多尺度范围的信号调节滤波器对输入值进行连续的腐蚀膨胀运算,得到不同尺度b的滤波结果,b∈{1,2,…,B},其中所述多尺度范围的信号调节滤波器的滤波公式为:
其中:
Ω为尺度b的所属集合,即Ω={1,2,…,B},wi,b为尺度b的滤波分解结果在多尺度范围的信号调节滤波器的权重,wi,b属于第i组权重编码向量;
gm为结构元素,m∈{0,1,2,…,M};
yi(t)为第i组权重编码向量的鲁棒调节处理后的电力系统频率信号;
S14:计算每组权重编码向量所对应yi(t)的误差值E(yi(t)):
E(yi(t))=|yi(t)-x′(t)|
选取误差值最小的鲁棒调节处理后的电力系统频率信号y(t)作为最终处理后的信号。
4.如权利要求1所述的一种小扰动火电机组一次调频控制方法,其特征在于,所述S2步骤中构建自适应小扰动火电机组一次调频参数控制模型,包括:
构建自适应小扰动火电机组一次调频参数控制模型,其中所述模型的输入为鲁棒调节后的电力系统频率信号,模型输出为火电机组调频参数,火电机组调频参数包括火电机组的转速参数、燃烧温度参数;
所述自适应小扰动火电机组一次调频参数控制模型由L个残差单元以及一个全连接层构成,其中全连接层为Softmax函数,用来输出火电机组调频参数,其中第j个残差单元的输出结果为:
rj=C1(rj-1)+βjSC(rj-1)
其中:
rj表示第j个残差单元的输出结果,j∈{1,2,3,…,L},r0表示输入的鲁棒调节后的电力系统频率信号,βj为第j个残差单元的权重参数,βj∈(0,1);
C1(·)表示对输入值进行卷积操作,卷积核大小为1×1;
SC(·)表示残差映射;
将第L个残差单元的输出作为全连接层的输入,全连接层从调频参数候选结果中选取概率最大的调频参数进行输出,则全连接层的输出结果为Softmax(rL)=[par1,par2],其中par1为Softmax函数输出的概率最大的火电机组转速参数,par2为Softmax函数输出的概率最大的火电机组燃烧温度参数。
5.如权利要求4所述的一种小扰动火电机组一次调频控制方法,其特征在于,所述S3步骤中采集大量存在扰动的鲁棒调节后的电力系统频率信号以及对应的火电机组调频参数作为训练集,包括:
按照步骤S1方法采集大量存在扰动的鲁棒调节后电力系统频率信号以及对应的火电机组调频参数作为训练集Data,所述训练集Data的格式为:
{datak=(yk(t),par1,k,par2,k)|k∈[1,K]}
其中:
datak为训练集Data中第k组训练数据,K表示训练集Data中训练数据的总组数;
yk(t)表示datak中的存在扰动的鲁棒调节后电力系统频率信号;
par1,k表示yk(t)所对应的火电机组转速参数,par2,k表示yk(t)所对应的火电机组燃烧温度参数。
7.如权利要求6所述的一种小扰动火电机组一次调频控制方法,其特征在于,所述S4步骤中当检测到频率扰动时,采集当前鲁棒调节后的电力系统频率信号,将采集到的信号输入到最优的自适应小扰动火电机组一次调频参数控制模型中,模型输出当前火电机组调频参数,根据当前火电机组调频参数对火电机组进行调频控制,包括:
当检测到频率扰动时,按照步骤S1的方法对当前电力系统频率信号X(t)进行鲁棒调节,将鲁棒调节后的电力系统频率信号Y(t)输入到最优的自适应小扰动火电机组一次调频参数控制模型中,模型输出当前火电机组调频参数,根据当前火电机组调频参数对火电机组进行调频控制,修正电力系统的频率波动。
8.一种小扰动火电机组一次调频控制系统,其特征在于,所述系统包括:
信号采集处理模块,用于采集电力系统频率信号并对所采集的信号进行预处理,对预处理后的电力系统频率信号进行鲁棒调节处理;
频率扰动检测模块,用于检测电力系统的频率扰动;
调频参数获取装置,用于构建自适应小扰动火电机组一次调频参数控制模型,利用改进的量子粒子群算法对构建的自适应小扰动火电机组一次调频参数控制模型进行优化求解,当检测到频率扰动时,将鲁棒调节后的电力系统频率信号输入到最优的自适应小扰动火电机组一次调频参数控制模型中,模型输出当前火电机组调频参数,根据当前火电机组调频参数对火电机组进行调频控制,以实现一种如权利要求1-7任一一项所述的小扰动火电机组一次调频控制。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210662211.6A CN114899844B (zh) | 2022-06-13 | 2022-06-13 | 一种小扰动火电机组一次调频控制系统 |
LU504128A LU504128B1 (en) | 2022-06-13 | 2023-05-04 | Primary frequency regulation control system of small-disturbance thermal pow unit |
DE112023000011.5T DE112023000011T5 (de) | 2022-06-13 | 2023-06-06 | Ein primäres Frequenzmodulationssteuersystem der thermischen Stromerzeugungseinheit mit kleinen Störungen |
PCT/CN2023/098633 WO2023241406A1 (zh) | 2022-06-13 | 2023-06-06 | 一种小扰动火电机组一次调频控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210662211.6A CN114899844B (zh) | 2022-06-13 | 2022-06-13 | 一种小扰动火电机组一次调频控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114899844A CN114899844A (zh) | 2022-08-12 |
CN114899844B true CN114899844B (zh) | 2023-06-20 |
Family
ID=82727778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210662211.6A Active CN114899844B (zh) | 2022-06-13 | 2022-06-13 | 一种小扰动火电机组一次调频控制系统 |
Country Status (4)
Country | Link |
---|---|
CN (1) | CN114899844B (zh) |
DE (1) | DE112023000011T5 (zh) |
LU (1) | LU504128B1 (zh) |
WO (1) | WO2023241406A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114899844B (zh) * | 2022-06-13 | 2023-06-20 | 华能国际电力股份有限公司德州电厂 | 一种小扰动火电机组一次调频控制系统 |
CN116339134B (zh) * | 2022-12-30 | 2023-10-24 | 华能国际电力股份有限公司德州电厂 | 一种大扰动火电机组调频优化控制系统 |
CN115912409B (zh) * | 2023-01-13 | 2023-07-21 | 华能济宁运河发电有限公司 | 一种多元协同的火电机组负荷运行快速调整方法 |
CN116031902B (zh) * | 2023-02-24 | 2024-01-30 | 山东鲁能控制工程有限公司 | 一种火电机组的调频控制方法及系统 |
CN116956637B (zh) * | 2023-09-06 | 2024-03-05 | 湖南光华防务科技集团有限公司 | 一种灭火弹覆盖面鲁棒性检测方法 |
CN117691630B (zh) * | 2024-02-04 | 2024-04-30 | 西安热工研究院有限公司 | 一种基于vmd-ceemd的电力系统调频方法和系统 |
CN118249373A (zh) * | 2024-05-28 | 2024-06-25 | 西安热工研究院有限公司 | 基于双向输入修正的超容熔盐耦合火电机组的调频方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105305468A (zh) * | 2015-10-19 | 2016-02-03 | 国家电网公司 | 基于粒子群算法的火力发电机组一次调频参数优化方法 |
CN110021968A (zh) * | 2019-04-29 | 2019-07-16 | 国网陕西省电力公司电力科学研究院 | 一种火电机组一次调频控制器、控制方法及系统 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682682A (zh) * | 2016-10-20 | 2017-05-17 | 北京工业大学 | 一种基于粒子群优化算法对支持向量机的优化方法 |
CN107069775A (zh) * | 2017-04-11 | 2017-08-18 | 华北水利水电大学 | 一种基于随机加速粒子群算法的孤岛微电网频率控制方法 |
CN108054770B (zh) * | 2017-12-31 | 2019-04-23 | 北京金风科创风电设备有限公司 | 光伏发电厂及其一次调频控制方法 |
CN109768584B (zh) * | 2018-12-24 | 2020-11-24 | 深圳供电局有限公司 | 基于免疫粒子群算法的微网自治调频调压方法和装置 |
CN110378624B (zh) | 2019-08-28 | 2020-05-26 | 山东科技大学 | 基于趋势提取的火电机组一次调频指标计算方法及系统 |
CN110912209B (zh) | 2019-12-13 | 2021-09-07 | 润电能源科学技术有限公司 | 火电机组机跟随方式下一次调频优化方法及装置和介质 |
CN112350344B (zh) | 2020-05-25 | 2022-03-25 | 清华大学 | 储能系统-火电机组联合调频控制方法 |
CN111864813B (zh) * | 2020-06-23 | 2022-11-11 | 国网辽宁省电力有限公司电力科学研究院 | 基于虚拟权重系数的风/火电联合频率控制方法 |
CN111756055A (zh) * | 2020-06-30 | 2020-10-09 | 国网河南省电力公司电力科学研究院 | 一种火电机组一次调频的控制方法及系统 |
CN111882120A (zh) * | 2020-07-14 | 2020-11-03 | 西安工业大学 | 基于VMD-MQPSO-BPn网络的电力负荷预测方法 |
CN112152234B (zh) * | 2020-09-25 | 2022-07-12 | 华能国际电力股份有限公司南通电厂 | 一种动态精细化火电机组一次调频控制策略 |
CN112366726B (zh) * | 2020-10-22 | 2022-06-21 | 武汉大学 | 火电机组一次调频系数优化方法及相关设备 |
CN113887786A (zh) * | 2021-09-14 | 2022-01-04 | 国网河北省电力有限公司电力科学研究院 | 基于pso-lstm的一次调频能力评估与预测系统 |
CN113887840B (zh) * | 2021-11-17 | 2024-08-02 | 辽宁工程技术大学 | 一种改进量子粒子群优化的瓦斯信号演化趋势预测方法 |
CN114899844B (zh) * | 2022-06-13 | 2023-06-20 | 华能国际电力股份有限公司德州电厂 | 一种小扰动火电机组一次调频控制系统 |
-
2022
- 2022-06-13 CN CN202210662211.6A patent/CN114899844B/zh active Active
-
2023
- 2023-05-04 LU LU504128A patent/LU504128B1/en active IP Right Grant
- 2023-06-06 WO PCT/CN2023/098633 patent/WO2023241406A1/zh active Application Filing
- 2023-06-06 DE DE112023000011.5T patent/DE112023000011T5/de active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105305468A (zh) * | 2015-10-19 | 2016-02-03 | 国家电网公司 | 基于粒子群算法的火力发电机组一次调频参数优化方法 |
CN110021968A (zh) * | 2019-04-29 | 2019-07-16 | 国网陕西省电力公司电力科学研究院 | 一种火电机组一次调频控制器、控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114899844A (zh) | 2022-08-12 |
WO2023241406A1 (zh) | 2023-12-21 |
DE112023000011T5 (de) | 2024-03-21 |
LU504128B1 (en) | 2023-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114899844B (zh) | 一种小扰动火电机组一次调频控制系统 | |
EP4080416A1 (en) | Adaptive search method and apparatus for neural network | |
CN106228185B (zh) | 一种基于神经网络的通用图像分类识别系统及方法 | |
US8761496B2 (en) | Image processing apparatus for calculating a degree of similarity between images, method of image processing, processing apparatus for calculating a degree of approximation between data sets, method of processing, computer program product, and computer readable medium | |
CN111382906B (zh) | 一种电力负荷预测方法、系统、设备和计算机可读存储介质 | |
CN108074015B (zh) | 一种风电功率超短期预测方法及系统 | |
CN107909179A (zh) | 一种插电式混合动力车辆行驶工况的预测模型构建方法及车辆能量管理方法 | |
CN113705929B (zh) | 一种基于负荷特征曲线及典型特征值融合的春节假期负荷预测方法 | |
CN109472344A (zh) | 类神经网络系统的设计方法 | |
CN114283320B (zh) | 基于全卷积的无分支结构目标检测方法 | |
CN113222149A (zh) | 模型训练方法、装置、设备和存储介质 | |
CN110490369A (zh) | 一种基于ewt和lssvm模型的短期电力负荷预测方法 | |
CN113657421A (zh) | 卷积神经网络压缩方法和装置、图像分类方法和装置 | |
CN109325530B (zh) | 一种图像分类方法、存储装置和处理装置 | |
WO2023236319A1 (zh) | 一种面向微控制器的卷积神经网络部署和优化方法 | |
Zhang et al. | Intelligent machine fault diagnosis using convolutional neural networks and transfer learning | |
JP2022128256A (ja) | 異常度算出システムおよび方法 | |
CN115310594A (zh) | 一种提高网络嵌入算法可扩展性的方法 | |
CN115018119A (zh) | 用电负荷预测方法及系统 | |
CN113642783B (zh) | 电力负荷预测模型的训练方法、装置及电子设备 | |
CN117406844B (zh) | 一种基于神经网络的显卡风扇控制方法及相关装置 | |
CN117496350A (zh) | 一种基于改进的YOLO-v5算法的飞鸟检测方法 | |
CN117113086A (zh) | 一种储能机组负荷预测方法、系统、电子设备及介质 | |
Zhou et al. | Lite-YOLOv3: a real-time object detector based on multi-scale slice depthwise convolution and lightweight attention mechanism | |
CN111310121A (zh) | 一种新能源出力概率预测方法和系统 |
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 |