考虑风光新能源参与二次调频的多源最优协同控制
发布时间：2021-12-17 04:51
随着风光新能源接入电网的比例不断增加,大型风电场和光伏电站也开始参与区域电网二次调频。为此,搭建了考虑风光新能源参与二次调频的多源最优协同控制模型,以解决区域电网二次调频的实时总功率在不同类型调频电源上的动态分配问题。为解决这个复杂非线性优化问题,采用简单模式搜索算法进行求解,以快速获得不同功率扰动情况下的高质量功率分配方案,从而提高整个区域电网的动态响应调节性能。最后,利用扩展的IEEE标准两区域模型对所搭建模型进行验证,并通过对比传统工程分配方法及智能优化算法来测试应用算法的性能。
【文章来源】：电力系统保护与控制. 2020,48(19)北大核心CSCD
【文章页数】：7 页
【部分图文】：
模式搜索算法寻优原理示意图
4]。因此，根据频域传递函数的拉普拉斯逆变换，即可通过输入的功率计算得到时域的调节功率实际输出，即out11in1de()1NiTksiiikGsPtLDksTs(1)ininin()1iiiDkPkPk(2)outoutiiPkPtkT(3)式中：i代表第i个AGC机组；k代表第k个离散控制周期；iniP和outiP分别代表第i个AGC机组的输入调节功率指令和调节功率实际输出；ΔT为AGC的控制周期，一般为1~16s。图2不同类型AGC机组的动态响应模型Fig.2DynamicresponsemodelsofdifferentAGCunits表1不同类型AGC机组动态响应传递函数Table1DynamicresponsetransferfunctionsofdifferentAGCunits类型传递函数形式非再热式机组111Ts再热式机组23451111TsTsTsTs水电机组67681110.51TsTsTsTs风光新能源911Ts1.3优化数学模型在本文搭建的AGC多源最优协同控制模型中，其优化目标是站在电网侧，主要追求整个控制区域电网的动态响应调节性能。为实现这个目标，本文将其转化为最小化功率响应总偏差，即所有机组的调节功率指令值和功率响应值的偏差绝对值之和，即inout1minNniijkifPjPj(4)式中：N为控制时段数量；n为AGC机组数量。除了考虑机组的动态响应传递过程外，功率的分配过程还需考虑功率平衡约束、机组容量约束、爬坡约束，如下所示。inin1niiPkPk(5)inin0,1,2,,iPkPkin(6)mininmax,1,2,,iiiPPkPin(7)ininrate1,1,2,,iiiPk
杨蕾，等考虑风光新能源参与二次调频的多源最优协同控制-47-算法，在给定的初始解条件下，每次寻优都能找到同样的解，而GA和PSO算法在寻优过程中带有一定的随机性，导致每次收敛结果差异较大。图4PS算法收敛过程图Fig.4ConvergencecurvesofPS表4不同方法收敛结果对比Table4ComparisononconvergenceresultsobtainedbydifferentmethodsinP算法in1Pin2Pin3Pin4Pin5P功率偏差/MW80PROP32.0019.2012.809.606.40676.95GA17.4824.2817.2211.509.53531.99PSO9.8426.9118.6014.679.97462.96PS14.5420.4620.0015.0010.00419.92-50PROP-23.81-14.29-4.76-2.38-4.76479.83GA-3.84-22.94-9.35-4.66-9.20277.69PSO-10.08-18.62-9.85-4.45-6.99309.00PS-4.54-20.46-10.00-5.00-10.00246.973.3在线优化结果分析为测试算法的在线优化性能，本算例在区域A施加ΔPL=80MW的阶跃功率扰动。图5给出了PS算法与优化前(PROP)的在线优化结果对比。从图4中可看到：(1)在引入PS算法优化指令分配后，由于机组的调节输出发生变化，区域控制偏差(AreaControlError,ACE)的变化幅度变小，导致区域的总功率调节跟踪曲线发生变化，但实际总输出曲线更加贴近指令曲线；(2)相比优化前，PS算法获得的功率偏差更小，同时可避免功率总指令的超调现象；(3)调节响应速度快的风光机组在功率扰动初始阶段，能承担更多的功率扰动，快速平衡功率扰动。为进一步测试算法的性能，本算例分别对不同算法的在线优化结果进行比较，如表5所示(最优值加粗标记)，其中|ACE|、|Δf|、CPS1分别为仿真时间内各自的平均值；
【参考文献】：
期刊论文
[1]风电高渗透率交直流外送系统直流闭锁稳控方案研究[J]. 尹纯亚,李凤婷,王丹东,刘渊,付林. 电力系统保护与控制. 2019(03)
[2]考虑热电和大规模风电的电网调度研究综述[J]. 黄国栋,许丹,丁强,门德月. 电力系统保护与控制. 2018(15)
[3]基于粒子群优化的感应电机模糊扩展卡尔曼滤波器转速估计方法[J]. 尹忠刚,肖鹭,孙向东,刘静,钟彦儒. 电工技术学报. 2016(06)
[4]基于滑模控制器的双馈风电机组低电压穿越控制策略[J]. 王艾萌,郗文远. 电机与控制应用. 2016(03)
[5]PMSG风力发电系统转速估计算法的研究[J]. 程辉,杨克立,王克军,李娜. 电力系统保护与控制. 2016(05)
[6]基于多种群遗传算法的含分布式电源的配电网故障区段定位算法[J]. 刘鹏程,李新利. 电力系统保护与控制. 2016(02)
[7]双馈风力发电空载软并网控制[J]. 王君瑞,彭飘飘. 电力电子技术. 2015(09)
[8]基于内点法和遗传算法相结合的交直流系统无功优化[J]. 蒋平,梁乐. 高电压技术. 2015(03)
[9]风电场与AGC机组分布式协同实时控制[J]. 何成明,王洪涛,韦仲康,王春义. 中国电机工程学报. 2015(02)
[10]基于无源性的光伏并网逆变器电流控制[J]. 王久和,慕小斌. 电工技术学报. 2012(11)
本文编号：3539437
【文章来源】：电力系统保护与控制. 2020,48(19)北大核心CSCD
【文章页数】：7 页
【部分图文】：
模式搜索算法寻优原理示意图
4]。因此，根据频域传递函数的拉普拉斯逆变换，即可通过输入的功率计算得到时域的调节功率实际输出，即out11in1de()1NiTksiiikGsPtLDksTs(1)ininin()1iiiDkPkPk(2)outoutiiPkPtkT(3)式中：i代表第i个AGC机组；k代表第k个离散控制周期；iniP和outiP分别代表第i个AGC机组的输入调节功率指令和调节功率实际输出；ΔT为AGC的控制周期，一般为1~16s。图2不同类型AGC机组的动态响应模型Fig.2DynamicresponsemodelsofdifferentAGCunits表1不同类型AGC机组动态响应传递函数Table1DynamicresponsetransferfunctionsofdifferentAGCunits类型传递函数形式非再热式机组111Ts再热式机组23451111TsTsTsTs水电机组67681110.51TsTsTsTs风光新能源911Ts1.3优化数学模型在本文搭建的AGC多源最优协同控制模型中，其优化目标是站在电网侧，主要追求整个控制区域电网的动态响应调节性能。为实现这个目标，本文将其转化为最小化功率响应总偏差，即所有机组的调节功率指令值和功率响应值的偏差绝对值之和，即inout1minNniijkifPjPj(4)式中：N为控制时段数量；n为AGC机组数量。除了考虑机组的动态响应传递过程外，功率的分配过程还需考虑功率平衡约束、机组容量约束、爬坡约束，如下所示。inin1niiPkPk(5)inin0,1,2,,iPkPkin(6)mininmax,1,2,,iiiPPkPin(7)ininrate1,1,2,,iiiPk
杨蕾，等考虑风光新能源参与二次调频的多源最优协同控制-47-算法，在给定的初始解条件下，每次寻优都能找到同样的解，而GA和PSO算法在寻优过程中带有一定的随机性，导致每次收敛结果差异较大。图4PS算法收敛过程图Fig.4ConvergencecurvesofPS表4不同方法收敛结果对比Table4ComparisononconvergenceresultsobtainedbydifferentmethodsinP算法in1Pin2Pin3Pin4Pin5P功率偏差/MW80PROP32.0019.2012.809.606.40676.95GA17.4824.2817.2211.509.53531.99PSO9.8426.9118.6014.679.97462.96PS14.5420.4620.0015.0010.00419.92-50PROP-23.81-14.29-4.76-2.38-4.76479.83GA-3.84-22.94-9.35-4.66-9.20277.69PSO-10.08-18.62-9.85-4.45-6.99309.00PS-4.54-20.46-10.00-5.00-10.00246.973.3在线优化结果分析为测试算法的在线优化性能，本算例在区域A施加ΔPL=80MW的阶跃功率扰动。图5给出了PS算法与优化前(PROP)的在线优化结果对比。从图4中可看到：(1)在引入PS算法优化指令分配后，由于机组的调节输出发生变化，区域控制偏差(AreaControlError,ACE)的变化幅度变小，导致区域的总功率调节跟踪曲线发生变化，但实际总输出曲线更加贴近指令曲线；(2)相比优化前，PS算法获得的功率偏差更小，同时可避免功率总指令的超调现象；(3)调节响应速度快的风光机组在功率扰动初始阶段，能承担更多的功率扰动，快速平衡功率扰动。为进一步测试算法的性能，本算例分别对不同算法的在线优化结果进行比较，如表5所示(最优值加粗标记)，其中|ACE|、|Δf|、CPS1分别为仿真时间内各自的平均值；
【参考文献】：
期刊论文
[1]风电高渗透率交直流外送系统直流闭锁稳控方案研究[J]. 尹纯亚,李凤婷,王丹东,刘渊,付林. 电力系统保护与控制. 2019(03)
[2]考虑热电和大规模风电的电网调度研究综述[J]. 黄国栋,许丹,丁强,门德月. 电力系统保护与控制. 2018(15)
[3]基于粒子群优化的感应电机模糊扩展卡尔曼滤波器转速估计方法[J]. 尹忠刚,肖鹭,孙向东,刘静,钟彦儒. 电工技术学报. 2016(06)
[4]基于滑模控制器的双馈风电机组低电压穿越控制策略[J]. 王艾萌,郗文远. 电机与控制应用. 2016(03)
[5]PMSG风力发电系统转速估计算法的研究[J]. 程辉,杨克立,王克军,李娜. 电力系统保护与控制. 2016(05)
[6]基于多种群遗传算法的含分布式电源的配电网故障区段定位算法[J]. 刘鹏程,李新利. 电力系统保护与控制. 2016(02)
[7]双馈风力发电空载软并网控制[J]. 王君瑞,彭飘飘. 电力电子技术. 2015(09)
[8]基于内点法和遗传算法相结合的交直流系统无功优化[J]. 蒋平,梁乐. 高电压技术. 2015(03)
[9]风电场与AGC机组分布式协同实时控制[J]. 何成明,王洪涛,韦仲康,王春义. 中国电机工程学报. 2015(02)
[10]基于无源性的光伏并网逆变器电流控制[J]. 王久和,慕小斌. 电工技术学报. 2012(11)
本文编号：3539437
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/3539437.html
