基于遺傳算法的風水協同發電控制

李大鵬 楊秀媛 張 芳 宋墩文

?

基于遺傳算法的風水協同發電控制

李大鵬1楊秀媛1張 芳1宋墩文2

（1. 北京信息科技大學自動化學院，北京 100192;2. 中國電力科學研究院，北京 100192）

風電和水電是最具前景的可再生能源，風電的隨機性和波動性使大規模的風電接納成為當前電力系統面臨的重要問題，而利用水電機組的調峰作用可以補償風電輸出的隨機性，使水電廠和風電場能夠按計劃的輸出。本文針對水輪機的特點，利用遺傳算法對水輪機的調速器參數進行整定。仿真結果表明，整定后的PID比常規PID具有更好的控制效果。水電的輸出很好的對風電輸出功率進行有效的補償，減少了對電網的沖擊，有利于電網的長期穩定運行。

風電；水單；風水協同發電；遺傳算法

隨著風力發電的持續發展，風電大規模接入電網給電力系統帶來了巨大的沖擊，在發電側引入隨機性明顯，波動性強的不可控電源，給電力系統維持發電負荷的穩定帶來挑戰。風電具有了波動性與間歇性的缺點，這給電網的穩定運行以及電能質量帶來了較大的影響，同時也給風電場發電和運行計劃的制定帶來很多困難[1-2]。我國幅員遼闊，水能豐富，水電作為另一種清潔能源也廣泛的應用在我國的電力結構當中[3]。因此，風電水電協同發電是未來新能源的發展方向。

利用水電的調節能力將隨機的風電轉化成可以參與電力系統運行計劃的電源，使水電廠和風電場向電力系統可以按照計劃提供的功率的輸出，這種方式稱之為風電場和水電廠的協同運行（coordinated hydropower wind power generation，CHWG）[4-5]。目前國內外已經有許多將風電與抽水蓄能水電站相結合的研究，文獻[6-10]基于成本利益效益最大化的角度，構建風電和抽水蓄能電站的數學模型，考慮約束條件，結合不同電價時段，從經濟性和可靠性的角度進行了仿真和驗證。但是，在當前的電力系統中，絕大部分的水電都是常規水電，若僅僅為了風電并網而建造抽水蓄能電站，則不符合系統的經濟效益。

文獻[11-15]根據結合西北和東北等風能水能充足地區，通過風電與常規水電站的結合，減少風電負荷在跟蹤時間上的波動性，以保證經濟效益為目標，建立了風水聯合調度的數學模型。本文考慮風水協同發電在電網得以運行的理想條件下，主要研究如何將水電機組的控制精度提高和響應時間減少。根據文獻[16-17]，目前的水輪機組的調控主要傳統的PID控制，但是傳統的PID控制不能快速響應被控對象的實時變化，尤其在風水協同控制中不能應對風電功率快速的變化情況[18-19]，因此，本文提出用遺傳算法對水輪機的PID參數進行優化，以滿足水輪機在補償風電過程中的快速準備調節的要求。

1 遺傳算法

遺傳算法（genetic algorithm, GA）是一種以生自然界中生物進化規律為基礎產生的隨機搜索算法（適者生存，優勝劣汰）[20]，主要特點為：①對結構對象直接操作，不需要對函數進行求導，不需要判斷函數是否連續；②更好全局搜索能力強，并行性良好；③尋優方法使用概率化的方式，自動對搜索空間進行優化，自適應的調整搜索方向，不受規則的限定；④具有良好的自組織、自適應和自學習性。適應度大的個體具有較高的生成概率，并獲得適應環境的基因結構。

遺傳算法基于PID參數的整定原理如下。

1）參數的確定及表示。確定參數范圍，根據不同的精度進行編碼。本文采用二進制編碼方式與參數進行聯系，用二進制的方式組成字符串。

2）初始種群的選取。初始種群隨機的產生。以二進制編碼為例，選擇0～1之間均勻分布的隨機數，0～0.5為0，0.5～1則為1。根據計算的復雜程度來決定種群的大小。

3）適配函數的確定。以穩定性、準確性和快速性3個條件來判斷控制系統是否穩定，從中求得一個最好的算法。因此，最優的控制參數就是在滿足()最大時所對應的控制器參數。

4）遺傳算法的操作。首先復制操作，求得適配值，進而求得對應的復制概率。復制概率越大，下一代保留基因越多，越不易被淘汰。然后進行交叉，交叉概率為c。復制后里以概率c利用字串組選擇匹配，進而對其中成員隨機匹配和交叉，最后進行變異，變異概率為m。

初始種群通過復制、交叉及變異得到新一代種群，再看是否滿足條件，若不滿足，則重復以上操作直到滿足。如果各目標參數處于規定范圍，計算就終止。遺傳算法流程圖如圖1所示。

圖1 遺傳算法流程圖

2 遺傳算法在風水協同發電的應用

風電場與水電廠協同運行是風電與水電的有機結合與調度。水電不但能夠從季節性和風電進行良好的互補，而且快速的調節能力可以實時調節、補償風電輸出功率的波動。本文僅探討小波動下的風電與水電聯合發電，主要研究如何提高水電機組的響應速度，達到利用控制水輪發電機的輸出功率與風電功率進行互補的目的。遺傳算法在風水協同控制中的應用原理如圖2所示。

圖2 基于遺傳算法的風水協同運行

圖2中，w為風電場輸出功率；c為并網期望功率；h為并網期望功率，即c與w之差；g為水輪機實際輸出。利用遺傳算法來對PID調速器中的p、i、d進行調節，改變PID調速器中導葉的行程，調節水流量的大小，進而滿足不同工況下水電功率對風電功率的補償。

PID調速器為傳統的PID調節模塊，其動態特性為

機械液壓模塊：機械液壓系統主要由配壓閥和接力器組成，接力器和主配壓閥為一個積分環節。其動態特征為

水輪機及飲水系統一般采用剛性水錘的表達式來描述其動態特性，即

式中，w為水流慣性時間常數，表示引水系統由于水錘效應產生的世界；為接力器導葉開度。

因此，結合水輪機參數要求，本文所取水輪機租參數對照見表1。

3 算例分析

本文研究的仿真模型根據二灘電站機組生產廠家給出的二灘電站水輪機組模型參數，風電場裝機容量為100MW，1.5MW的雙饋感應風力發電機。

3.1 階躍仿真

假設并網功率為1，當風力發電機組輸出功率在100s由1突變為0.9，發生標幺值為1的階躍減小時（如圖3所示），要求水輪發電機組立即做出響應，其期望功率在10s時突增0.1標幺值（如圖4所示）。

表1 水輪機組基本參數

圖3 風電機組輸出功率

圖4 風電并網差額功率

為了對水輪機的PID參數進行更好的調節，以適應風電機組輸出的快速變化，在Matlab軟件環境下運行遺傳算法對水輪機調速器的PID進行整定。根據遺傳算法的規則，遺傳算法參數見表2。

表2　遺傳算法參數取值

p的取值范圍為[0.5, 20]，i的取值范圍為[0, 10]，d的取值范圍為[0, 5]。使用Matlab軟件對參數進行100代的優化計算后，PID參數的整定結果為p=4.9365，i=0.0264，d=0.3832。性能指標=35.1536。代價函數的整定過程如圖5所示。

圖5 代價函數J的優化過程

將水輪機的常規PID參數p=3.5、i=0.5、d=1.5與整定后的PID參數p=4.9365、i=0.0264、d=0.3832。在Matlab環境下，對風電輸出功率進行補償的階躍仿真，采樣時間為500s，水輪機輸出，導水葉開度，誤差如圖6至圖8所示。

圖6 水輪機輸出功率

圖7 導水葉開度輸出

圖8 輸出功率誤差比較

3.2 不同階躍幅度信號仿真

當風電功率在200s由0.7標么值下降到0.3，經過100s又恢復到0.7標么值時，風電差額功率在200s增加為0.7標么值，經100s后又恢復到原值0.3標么值。

圖9 風電輸出功率

圖10 風電并網差額功率

在Matlab環境下進行仿真，仿真時間為500s。常規PID和經過遺傳算法整定的PID參數的水輪機輸出功率，導水葉開度和誤差對比如圖11至圖13所示。

通過仿真結果的比較，水電輸出功率很好地達到了對風電功率的補償要求，水電能夠在短時間內響應風電功率的變化，風電輸出功率變小，水輪機導水葉開度增大，使得輸出功率相應增加，與風電功率形成較好的互補，達到理想的輸出功率。且經過遺傳算法整定后的PID比常規PID具有更快的調節能力，超調量更小，誤差更小，更穩定，更精確的補償了風功率的變化。

圖11 水輪機輸出功率

圖12 導水葉開度輸出

圖13 輸出功率誤差比較

3.3 實際數據仿真

本文采用2013年5月的雙饋風力機的輸出功率，采集數據時間間隔為15min，故每日共計96個點。選取其中5天共計480個點的風電輸出功率標么值如圖14所示，圖15為風水協同運行的理想輸出，假設風水協同理想輸出標么值為1，下面曲線為風電輸出功率，上面則為水電補償功率。圖16反應了經過遺傳算法整定后的PID和使用常規PID時水輪機輸出功率的標么值。圖17則為不同方法整定下輸出功率的誤差。

圖14 風電5天的輸出功率

圖15 風水協同運行理想輸出

圖16 水輪機輸出功率

圖17 輸出功率誤差比較

通過仿真結果可以得出，在實際的風電輸出過程中，水輪機的輸出功率很好地補償了風電的變化，達到理想的并網輸出功率，經過遺傳算法整定的PID比常規的PID調節具有效果更精確、超調量更小、跟蹤更快速、誤差更小、響應時間更短等優點。

4 結論

本文在風水協同運行的背景和研究的基礎上，考慮風電的波動性和隨機性，采取用水電互補的發電方式，將風電并網時的差額功率作為水電的輸出功率，通過對水輪機PID調速器的控制，實現了水輪機對風電功率的補償，并使用遺傳算法對水輪機的常規PID參數進行了進化整定，通過仿真對比，得出結論如下：

1）通過對水輪機組PID的有效調節，水電的輸出功率可以有效地跟著風電的輸出功率，做到對風電的波動性和不穩定性進行有效的補償，最終達到理想的輸出功率，達到風水協同發電的目的。

2）通過實際數據的仿真的對比，利用遺傳算法對水輪機常規PID參數進行整定，可以有效地提高水輪機輸出功率對風電跟隨的速度、精確度，減小超調量，達到更好的風水協同發電的目的。

本文采用的風功率為實際確定的數據，而在實際的應用過程中，風速和風功率都會在預測的過程中產生誤差，影響水電的跟隨和輸出的功率補償。水輪機作為非線性，時變的系統，目前的研究狀態也大都采用簡化的理想模型。在今后的研究中，也應從以上條件考慮，達到更理想的效果。

[1] 姚駿, 郭利莎, 陳知前, 等. 電網電壓不平衡下雙饋型風電場可控運行區域及其控制策略[J]. 電工技術學報, 2016(20): 181-191.

[2] 于明, 郭華, 潘珍, 等. 基于提升供電能力的配電網協調規劃探析[J]. 電氣技術, 2015, 16(10): 107-110.

[3] 韓冬, 方紅衛, 嚴秉忠, 等. 2013年中國水電發展現狀[J]. 水力發電學報, 2014(5): 15.

[4] Chen Q, Littler T, Wang H. Application of PMUs to coordinate hydroelectric and wind power plant operation[C]//International Conference on Sustainable Power Generation and Supply, 2012: 1-6.

[5] 楊秀媛, 陳瑤, 陳麒宇, 等. 導前微分控制在風電水電協同運行中的應用[J]. 中國電機工程學報, 2015(18): 4591-4597.

[6] 吳杰康, 熊焰. 風水氣互補發電優化的云模型自適應粒子群優化算法[J]. 中國電機工程學報, 2014(S1): 17-24.

[7] 張鳳閣, 朱連成, 金石, 等. 開繞組無刷雙饋風力發電機最大功率點跟蹤直接轉矩模糊控制研究[J]. 電工技術學報, 2016(15): 43-53.

[8] 徐飛, 陳磊, 金和平, 等. 抽水蓄能電站與風電的聯合優化運行建模及應用分析[J]. 電力系統自動化, 2013, 37(1): 149-154.

[9] 潘文霞, 范永威, 楊威. 風-水電聯合優化運行分析[J]. 太陽能學報, 2008(1): 80-84.

[10] 張劉冬, 殷明慧, 卜京, 等. 基于成本效益分析的風電-抽水蓄能聯合運行優化調度模型[J]. 電網技術, 2015(12): 3386-3392.

[11] 黃金. 電力系統發展性故障實例分析[J]. 電氣技術, 2015, 16(10): 111-113, 116.

[12] 衣立東, 朱敏奕, 魏磊, 等. 風電并網后西北電網調峰能力的計算方法[J]. 電網技術, 2010(2): 129-132.

[13] 黃春雷, 丁杰, 田國良, 等. 大規模消納風電的常規水電運行方式[J]. 電力系統自動化, 2011, 35(23): 37-39, 111.

[14] Angaritaj M, Usaolaj G. Combining hydro-generation and wind energy: biddings and operation on electricity spot markets[J]. Electric Power Systems Research, 2007, 77(5/6): 393-400.

[15] 尚志娟, 周暉, 王天華. 帶有儲能裝置的風電與水電互補系統的研究[J]. 電力系統保護與控制, 2012(2): 99-105.

[16] 陳帝伊, 鄭棟, 馬孝義, 等. 混流式水輪機調節系統建模與非線性動力學分析[J]. 中國電機工程學報, 2012(32): 116-123, 19.

[17] 魏守平. 水輪機調節系統的MATLAB仿真模型[J]. 水電自動化與大壩監測, 2009, 33(4): 7-11.

[18] 桂小陽, 梅生偉, 劉鋒, 等. 水輪機調速系統的非線性自適應控制[J]. 中國電機工程學報, 2006(8): 66-71.

[19] 寇攀高, 周建中, 張孝遠, 等. 基于滑模變結構控制的水輪機調節系統[J]. 電網技術, 2012(8): 157-162.

[20] 于瑩瑩, 陳燕, 李桃迎. 改進的遺傳算法求解旅行商問題[J]. 控制與決策, 2014(8): 1483-1488.

Cooperation of Wind-hydro Hybrid Power based on the Genetic Algorithm

Li Dapeng1Yang Xiuyuan1Zhang Fang1Song Dunwen2

(1. School of Automation, Beijing Information Science & Technology University, Beijing 100192;2. China Electric Power Research Institute, Beijing 100192)

Wind power and hydro power is one of the most promising renewable energy. The acceptance of large wind power is a problem because of the randomness and the fluctuation of wind power. Hydropower turbine can feasibly be used to compensate for fluctuation in wind, so the hydropower and wind power can be scheduled. According to the characteristics of the hydropower turbine, the genetic algorithm is used to set the PID parameters of the turbine. The simulation results show that the PID after genetic algorithm tuning has better control performance than conventional PID. The output of hydropower is used effective to compensate for output of wind power. The complementary system could provide a smooth power output, which reduces the impact on the grid.

wind power; hydro power; wind and hydropower coordinating operation; the genetic algorithm

李大鵬（1989-），男，碩士研究生，主要從事控制理論和新能源方向領域的研究工作。

國家自然科學基金（51377011）

北京市教委科技計劃面上項目（201511232008）