以粒子群算法为基础的大规模风电并网电力系统的负荷频率控制外文翻译资料

Load frequency control of power systems with large scale of wind power integrated based on particle swarm algorithm

Abstract: An interconnected power system with large scale of wind power integration is taken as our research object. In order to keep the stability of frequency, a PSO based load frequency controller is proposed. According to the amount of area control error (ACE), traditional load frequency controller is to adjust the output of units in order to make ACE approach to zero. Then output from all generators is matched to the demand from load. Output from wind units is taken as a negative load and an equivalent load is formed. Intelligent PSO is introduced into traditional load frequency controller and is expected to improve the control performance. The simulation based on the model, which is constructed on Matlab/Simulink platform demonstrates that, for the new design controller, its performance index whether frequency error of interconnected network or exchange flow for the interconnected line is better than that of traditional load frequency controller.

0 Introduction

With the depletion of the worlds fossil energy and environmental degradation, countries are taking measures to speed up the use of renewable energy and development. As a kind of inexhaustible clean energy, wind energy has been paid more and more attention. At present, wind power generation has become the fastest and most mature renewable energy generation technology. Due to the fluctuation of wind farms output power, its large-scale grid-connection will bring a series of problems to the power grid, such as power quality, system stability, scheduling and Operation Economy of the grid, etc. . And with the increase of the proportion of wind power capacity in the system, the above effects become more and more significant. Among them, the impact on the system frequency can not be ignored, it is directly related to the security and stability of power system operation. In this case, how to suppress the system frequency fluctuation caused by wind power access to ensure the frequency security and stability has become one of the important issues in wind power research.

At present, the main methods to overcome the frequency control problem after the wind power is connected to the system are as follows: improve the precision of the wind power forecast, do well the dispatching plan, which is helpful to reduce the system operation cost and spare capacity; By introducing a frequency response link into the wind turbine to improve its own active power regulation, the wind farm can participate in the system frequency regulation to a certain extent, balance The power fluctuation caused by wind power on the spot; utilize the frequency regulation ability of conventional units, i. e. existing speed governor and automatic generating device.

In order to maintain the balance of active power and ensure the maximum output of wind farm, the most practical means of frequency control is to fully exploit the frequency modulation ability of existing power system to meet the needs of larger wind capacity access. The most direct way to improve the frequency modulation ability of the existing system is the design of load frequency controller, which has the advantages of less investment and good effect.

In the previous research, this paper introduces the way of dealing with wind power output, that is, taking the fluctuation of wind power output as a negative load fluctuation, and illustrates the feasibility of frequency control of AGC in wind power access, but lacks the concrete control strategy design and the implementation. The intelligent controller has the advantages of good self-adaptability and dealing with non-linear system, and it can adapt to the control problem under the changing condition better than the traditional proportional integral controller, in this paper, the load frequency control system model of two-area interconnected system with wind power is established, and the load frequency control system model of two-area interconnected system with wind power is established, then the particle swarm control with fast convergence is applied to the interconnected power system with wind power access, and the improvement degree of the frequency performance index is analyzed, which is verified by an example on Matlab / Simulink.

1 Load Frequency Control Model of two-area interconnected system with wind power

Load Frequency Control LFC is based on Area Control Error, ACE to achieve the Control of the unit adjustment. It changes the total power level of the system by adjusting the output of the unit, and makes the regional control deviation ACE zero under the continuous regulation of the active power of the unit, so as to ensure the matching of the output and the load power of the whole system. 1.1 load frequency control system model for two-area interconnected systems the load frequency control system model for two-area interconnected systems is shown in figure 1, it consists of governor module, Prime Mover Module, generator-load module, tie-line module, LFC controller and so on.

Fig. 1 Model of load frequency control for an

interconnected grid with two regions

For an interconnected power system, each control area controls only the load disturbances that occur in its own area under the premise of a given tie-line exchange power, the load frequency controller controls the system frequency and the tie line exchange power simultaneously. The tie-line frequency deviation control (TBCTBC) is often used in the load frequency controller, i. e. the two-zone frequency deviation is

1.2 wind speed model

The wind speed is the main parameter which affects the output of the generator. At present, the four-component model is widely used at home and abroad, that is, it is composed of basic wind, gust, gradual

剩余内容已隐藏，支付完成后下载完整资料

以粒子群算法为基础的大规模风电并网电力系统的负荷频率控制

摘要：我们的研究项目选取了一个互联化的大规模风电并网电力系统。为了保持其频率的稳定性，建议安装一个基于粒子群优化算法（PSO）的负荷频率控制器。根据区域控制误差（ACE），传统的负荷频率控制器是通过调节机组的输出来使区域控制误差趋近于零，所有发电机的输出都能与负荷的需求相匹配。风力发电机组的输出将作为一个负向负载，同时形成一个等效负载。人们将智能粒子群算法引入传统的负荷频率控制器并希望能借此提高其控制性能。创建在Matlab/Simulink平台上基于模型的模拟表明，新设计的控制器性能指标无论是互联电网的频率误差，还是互联线路的置换量都要优于传统的负荷频率控制器。

0.介绍：

随着世界上化石能源的消耗和生态环境的恶化，各国都在采取措施加快可再生能源的利用与发展。作为一种取之不尽用之不竭的清洁能源，风能受到的关注与日俱增。现如今，风力发电已经成为了最快且最成熟的可再生能源发电技术。由于风力发电厂输出电压的起伏不定，大规模的并网会给电力网带来一系列的问题，比如电能质量，系统稳定性，时序安排和线路的运营经济等。并且随着系统内风电容量比例的提高，上述影响会变得越来越显著。其中，对系统频率的影响是不能被忽视的，因为它与电力系统运行的安全性和稳定性直接挂钩。因此，如何抑制由风力发电引起的系统频率波动来保证频率的安全性和稳定性成为了风力发电研究中最重要的问题之一。

日前，克服风电并网后频率控制问题的主要方法有：提高风电预测精度，做好调度计划，有利于降低系统运行成本，闲置产能;通过在风机中引入频率响应环节，提高自身的有功功率调节，风电场可以在一定程度上参与系统调频，平衡现场风电引起的功率波动；利用常规机组的频率调节能力，也就是现有调速器和自动发电装置。

为了保持有功功率的平衡，保证风电场的最大出力，最实用的调频手段是充分发挥现有电力系统的调频能力，满足更大风量接入的需要。提高现有系统调频能力最直接的方法是设计负载频率控制器，其具有投资少、效果好等优点。

在之前的研究中，本文介绍了风电出力的处理方式，即将风电出力的波动作为负负荷波动，并说明了AGC变频控制在风电接入中的可行性，但缺乏具体控制策略的设计与实施。智能控制器具有良好的自适应性和处理非线性系统的优点，比传统的比例积分控制器更能适应变化条件下的控制问题。在研究中建立了两区风电互联系统，同时也建立了两区风电互联系统的负荷频率控制系统模型，然后将快速收敛的粒子群控制应用于风电接入的互联系统，分析频率性能指标的改善程度，这已通过Matlab/ Simulink上的示例进行验证。

1.风电两区互联系统负荷频率控制模型

负载频率控制 LFC 是基于区域控制偏差，也就是ACE来实现单位调整的控制。它通过调节机组的输出来改变系统的总功率水平，在机组有功功率的连续调节下使区域控制偏差 ACE为零,从而保证输出与整个系统的负载功率的匹配。 1.1 两区互联系统负荷频率控制系统模型两区互联系统负荷频率控制系统模型如图1所示，它由调速器模块、原动机模块、发电机负荷模块、联络线模块、LFC 控制器等等构成。

图 1 具有两个区域互连电网的负载频率控制模型

对于互联电力系统，在给定联络线交换功率的前提下，每个控制区域只控制本区域发生的负荷扰动，负荷频率控制器同时控制系统频率和联络线交换功率。联络线频率偏差控制

（TBCTBC）常用于负载频率控制器，即两区频偏为：

1.2 风速模型

风速是影响发电机输出的主要参数。目前国内外普遍采用四分量模型，即由某本风、阵风、渐进风和随机风组成。它们的定义和数学表达如下：

(1)基本风

基本风V在风机正常运行期间始终存在，由风电场测风得到的威布尔分布参数近似确定：

式中：V 为基木风速（m/s）； K 和 a 分别是风力机的形状和尺度参数；和伽玛函数。因为分量几乎是不变的，所以在模拟中可以把它当作一个常数。

(2)阵风

阵风 Vwg 反映了风速的突然变化。通常用于评估风速变化时系统的动态特性。

式中，vcos、TG、T1G、maxG 分别为阵风速度（m/s）、周期（s）、起始时间（s）和最大值（m/s）。

(3)渐风

变风速 Vwr 用于描述风速渐变的特性。在电力系统的静态稳定性分析中，特别是在分析风电系统对电网频率波动的影响时，通常用于评估风速逐渐变化时的系统频率稳定性。数学表达式是

式中，vcamp、maxR 1-t-T2R/T1R-T2R、vcamp、maxR、T1R、T2R、TR分别为梯度风速（m/s）,

最大值（M/S）、起始时间（s）、结束时间（s）和保持时间（s）。

(4)随机风速

随机风速 VMN 用于反映风速的随机特性。用随机模块表示上述四种风作用对风力机的风速为

在 Matlab/Simulink 环境下搭建以上四个组件的风速模块，风电场风速变化过程如图 2 所示。阵风的开始时间为100s，结束时间为300s，最大值为0.4 m/s，渐进风开始时间300s，结束时间500s，最大为0.5m/s，基木风和随机风一直存征，模拟时间600s。

图 2 风速曲线

1.3 风电场出力模型

风的动能通过风力涡轮机转换为机械能，风力涡轮机是风力涡轮机的主要能量捕获部件。其中，风力发电机组是风力发电机组最重要的部件，其输出功率为

式中，Pm为风机的功率输出，CP为风能利用系数，是叶尖转速与桨距角之比的函数，其理论最大值为 0.593，在实际应用中，s为风力机的扫掠面积，单位为msup2;；rho;为以 kg / msup3;为单位的空气密度和v为以 m/s 为单位的风速。

目前，国内外新建风电场大多以变速恒频双馈风机为主，其功率特性曲线如图 3 所示。通过调节发电机转矩,得到最大风能利用率和最大风能利用系数，使输出功率最大化，变桨距系统用于改变叶片桨距角，限制风力发电机获取能量,使风力发电涡轮保持在额定值附近,输出稳定。

图 3 双馈功率特性曲线VSCF 风力机组

以容量为1500kW的UP77/1500变速恒频双馈风力发电机为例，切入风速、切出风速和额定风速分别为3m/s、25m/s和11m/s，风轮的功率系数为40%，空气密度为1.225 kg/msup3; ,风力机直径为 77.6 m。在Matlab/Simulink中,风电场的输出功率变化如图4所示.风电场由100台这样的风力涡轮机组成。风电场的功率变化相当剧烈。最大和最小输出分别为137mW 和106mW。

2.粒子群优化

2.1 粒子群优化原理

粒子群优化（PSO）是一种高性能的优化算法，由美国社会心理学家和电气工程师詹姆斯·肯尼迪于1995 年首次提出。其基本思想是每个优化问题的潜在解是搜索空间中的粒子，所以粒子有一个最优的适应度函数，每个粒子都有一个决定其方向和距离的速度向量，然后粒子可以跟随当前最优粒子通过解空间。

图 4 风电出力曲线

假设目标搜索空间为d维,其中M个粒子组成一个种群,其中第一个粒子的位置由Xi：Xi1, Xi2,.... Xid,|1,2,...M表示,速度为Vi：Vi1, V2,...,ViD。至此，第一次粒子搜索的最佳位置是Pi：Pi Pi 1, Pi2,.., Pid，整个粒子群搜索的最佳位置是Pg：PG1,PG2....PGD，粒子更新公式是

2.2 改进粒子群优化

粒子群优化（PSO）和改进的粒子群优化（PSO）已被用于提高优化问题的计算性能。考虑到粒子群优化中使用的参数很少，每个参数的设置都会影响算法的性能。因此，粒子群中的参数采用以下校正技术。

(1)惯性重量

本文迭代过程使用线性微分减量来调整准惯性权重，其公式为

通过对变化方程和实验结果的分析，其全局搜索能力很强，有助于快速找到最优种子并定位最优解的近似位置，在进化后期，算法的递减趋势是加速的，所以在前期找到了合适的种子，就可以加快算法的收敛速度。

(2)学习因素

根据经验，学习因子为c1c2。在本文中，使用反余弦函数来构建学习因子调整策略。反余弦策略的特点是算法在初始阶段通过加速c1和c2的变化可以快速进入局部搜索，在算法后期，c1和c2值能更理想设置线性和凹函数策略以保持粒子搜索速度并避免过早收敛。反余弦学习因子的构造如下。

变异操作扩大了迭代中正在缩小的种群的搜索空间，使粒子跳出之前找到的最优位置，在更大的空间中进行搜索，同时保持种群的多样性，改进了寻找更好解的方法，避免算法陷入局部最优的问题。

粒子群优化（PSO）用于优化比例积分控制器在负载频率控制中的参数。如果两个参数相同，则 KCIA= KCIB，KCPB =KCPA，优化后的控制器参数可以简化为KCI和KCP。使用上述改进技术对比例积分控制器的参数进行优化，可以看出改进后的PSO比标准PSO收敛速度更快。

图5 PSO和修正后PSO的收敛曲线

3.仿真实验及结果分析

考虑到两区互联系统的负荷频率控制问题，控制区A、B各有300mW常规火电机组（非再热汽轮机），控制区A有150mW风电场，每个单元的额定频率为50Hz。两个区域单元通过联络线连接起来，形成lsquo;个相互还接的系统。系统框图如图1所示，图中主要计算参数如下:R1=R2=2.5 p.u.，tau;g1=tau;g2=0.08 s，tau;T1=tau;T2=0.2 s，KP1=KP2=100 p.u.，TP1=TP2=20 s，B1= B2=0.41 p.u.

风速和风电场输出功率的变化如图2和图4所示。市电负荷的变化一般分为随机分量、波动分量和连续分量三种，用电负荷的变化综合成随机量和下降趋势，用于模拟下降阶段用电负荷的变化，如图6所示。

图6负载变化曲线

将变化的风电场出力和变化的负荷作为等效负荷变化，变化曲线如图 7 所示。

图7等效载荷曲线

为了验证控制器的控制效果，在无负载频率控制、传统负载频率控制和基于改进PSO的负载频率控制三种情况下进行了仿真，其仿真曲线如图8和9所示。

(1)无负载频率控制

鉴于等效负载的变化，两个互联系统仅依靠常规机组的一次调频进行控制。仿真频率偏差曲线8(a)表明，当频率仅调整一次时，系统a的频率偏差在-0.55Hz 到-0.35Hz 之间波动。根据《互联电网运行管理规定》，互联电网的标准频率为50赫兹，频率偏差不得超过0.2赫兹。没有负载频率控制，系统频率偏差远大于允许值，不能很好的起到控制系统频率的作用。

另外，从联络线的换电曲线可以看出，联络线换电的计划值为 0。当频率只调整一次时，联络线上的开关功率变化在-70~-45mW，变化幅度大，系统无法实现对联络线交流功率的控

制，因为在计划值上不稳定。

需要指出的是，在仿真初期，频率偏移和开关功率偏移都有很大的波动，这是由于仿真开始时风电和负载较大造成的。但是在系统的调节下，这两个值可以很快趋于稳定。

(2)包括传统的负载频率控制

从图8(b)和图9(b)可以看出，系统的频偏在-0.1-0.1Hz 之间，大部分点的频偏在-0.04-0.04Hz之间波动，可以满足正常的频偏要求。电源系统。联络线开关功率在-6mW~6mW之间波动，稳定在联络线开关功率计划值0附近，可以控制联络线与风电系统的开火功率。

图8 A区频率偏差曲线

图9联络线功率偏差曲线

(3)使用改进的PSO进行负载频率控制

从图8(c)和图9(c)可以看出，系统的频率偏差在-0.1Hz到0.04Hz之间波动，大部分点的频率偏差在-0.02Hz到 0.02Hz之间波动。联络线的开关功率在-1 MW和1 MW之间波动，稳定在联络线开关功率0的计划值。这意味着改进后的控制器可以更好地实现风力互联电网的负荷频率控制功能。

这三种仿真的结果总结在表1。因此，基于改进PSO的LPC可以保证频率偏差在电力系统的允许范围内，同时也减小了联络线的开关功率波动范围。

4结论

总结以上所做的工作，可以得出以下结论：

(1)风电的大规模接入增加了电网频率的波动，进而增加了电网调度运行的难度。为了保持

系统频率的稳定性和安全性,讨论了设计一种负载频率控制器来应对大规模风电并网引起的

系统频率波动的可行性。

(2)对一段时间内的风电输出特性进行仿真，将风电输出作为“负”负载加入系统，以两个

有风电并网的电力系统为研究对象，构造出了对应的仿真系统。

1. 粒子群优化（PSO）算法在应用于传统比例积分控制器时可以优化控制器的参数。改进后的粒子群优化算法的收敛性能可以得到进一步的提高。

(4)通过对风电并网系统的仿真，发现风电波动并网系统的频率在没有负载频率控制的情况

下不能满足要求，采用改进的PSO控制器的负载频率控制比前两种控制方案具有更好的性

能，而采用传统负载频率控制的负载频率控制可以将系统频率保持在要求的范围内。

需要指出的是,以上只是对风电出力波动如何处理以及在风电互联电力系统的负荷频率控制设计中采用什么样的控制器进行仿真讨论。该系统能否适应风电出

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[591634]，资料为PDF文档或Word文档，PDF文档可免费转换为Word