基于免疫遺傳算法的電力彈簧穩壓控制策略

王天恒 郭興眾

摘要：隨著風能和太陽能等間歇性和分布式可再生能源的普及，人們越來越關注電力系統的穩定性.作為一種新型的電壓控制裝置，電力彈簧可以有效地抑制分布式發電功率變化引起的電壓波動.在分析電力彈簧電壓穩定控制原理的基礎上，考慮了非關鍵負載變化的優化問題和控制效果.結合免疫遺傳算法，提出了一種基于免疫遺傳PI控制的電力彈簧電壓控制方法，并用Matlab/Simulink進行仿真.仿真結果表明，該算法具有良好的電壓調節效果.

關鍵詞：可再生能源;電力彈簧;免疫遺傳算法;PI控制

中圖分類號：TM761+.1 ?文獻標識碼：A ?文章編號：1673-260X（2019）05-0057-04

隨著能源危機和環境問題的出現，可再生能源的普及率急劇上升.光能和風能等可再生能源有著間歇性和不穩定性的缺點，隨著發電并網容量的增加，對電力系統的影響越來越明顯，使得預測電力消耗變得更加困難.現在，對于可再生能源的間歇性問題，利用蓄電池、超導或高速飛輪等儲能裝置來抵消發電量與需求量的不匹配是有效的解決方案之一.但是，這些儲能裝置會使成本顯著增加，而且儲能裝置的可靠性運行變得至關重要.對于電網電壓的不穩定問題，應用最廣泛的技術是無功補償.然而，該技術采用大容量集中安裝方式，不能有效地滿足分布式發電的接入應用.

為了穩定可再生能源并網系統，香港大學的Shu Yuen（Ron）Hui教授提出了一個基于胡克機械彈簧的定律.研究出電力彈簧（Electric Spring，簡稱ES）這個概念，電力彈簧的作用是：將電力系統的負載分為關鍵負載和非關鍵負載.當電網電壓波動時，電力彈簧會自動調節電壓，動態改變與其串聯的非關鍵負載電壓，并將可再生能源并網引起的波動轉移到非關鍵負載，確保將關鍵負載的電壓控制在相應的范圍內，以保持電網的穩定性.電力彈簧從負載側實時對電網的穩定進行調節，可以在用戶基本察覺不到的情況下，實現發電和用電的平衡.電力彈簧實時地調整電力負荷，不需要集中控制，屬于分布式運行，同時也會減少儲能設備的投入，可以提高可再生能源的并網穩定性.

目前ES已逐漸成為一個研究熱點，受到了國內外學者的重視，主要的研究成果是由香港大學、東南大學和倫敦帝國學院的研究得出.在已經發表的文獻中，文獻[3]中，采用電網電壓前饋策略結合PR控制器，通過實驗驗證了控制方法的可行性;文獻[4]中，設計出一種優化目標函數來實時調整PI控制器的參數，使ES的動態響應效果最佳;文獻[5]中，采用遺傳算法優化PI控制器的無功補償;文獻[6]中，提出了一種相位控制算法，以此來分析、線路阻抗變化和非關鍵負載對ES調壓性能的影響.

在本文中，提出了一種新的控制策略，基于改進型遺傳算法控制方法，使電力彈簧具有更好的調節作用，在非關鍵負載變化時，一直能使關鍵負載的性能保持穩定.在本文中：分析電力彈簧的工作原理;基于免疫遺傳算法，輸出了最優的PI控制參數;基于Matlab/Simulink軟件建立的仿真模型用于驗證了所提出控制方法的可行性和有效性.

1 電力彈簧的結構及其工作原理

1.1 ES結構

如圖1所示的是電力彈簧的工作原理圖.圖1（a）是ES拓撲圖，從圖中可以看出電力彈簧是由LC低通濾波器、單相電壓源型逆變器和使能開關等組成.圖1（b）是ES在微電網中的連接效果圖.在圖1（b）中，非關鍵負載指的是能夠承受電網輸送較大電壓的負載，例如我們日常生活中所使用的空調、電冰箱等.而且ES能和非關鍵負載串聯，可以形成一個智能負載，它可以產生交流電壓，以此來改變負載的外加電壓，那么ES就可以把電壓波動轉移到非關鍵負載中，從而來維持關鍵負載電壓穩定.其中關鍵負載指的是對電網電壓的波動非常敏感，并且需要在工作時，電壓要極其穩定的負載，例如我們到醫院就醫所使用的醫療儀器，或者進行科學實驗所需的精密儀器.

1.2 ES工作原理

平衡狀態、壓縮狀態和拉伸狀態是正常機械彈簧的三種狀態，電力彈簧也可以與之對應到電力領域.在最初的ES理論中，當ES工作于純無功補償狀態時，主要有三種工作狀態：感性、阻性、容性.對應于阻性狀態的電網電壓稱為正常值.電網電壓高于正常值時為感性狀態，并且在容性狀態時，就會低于正常值.當ES電流滯后ES電壓角度90°時，稱為感性狀態.當ES電流超前ES電壓角度90°時，稱為容性狀態.阻性狀態時，ES電壓接近于0.

2 基于免疫遺傳算法的PI控制

為了讓ES具有良好的調壓效果，能夠很好地解決時滯性、非線性被控對象的控制問題，本文使用免疫遺傳算法.合理選擇Kp、Ki參數的常規做法是根據調節經驗來確定參數的值，但該方法存在耗時過長、得到參數未必是最優值的缺點，這將會影響控制系統的響應速度和過沖.利用算法全局尋優特性克服上述缺點，提出了一種基于免疫遺傳算法在線整定PI參數，進一步提高控制品質，實現PI的自適應控制.

遺傳算法（genetic algorithm）最初由Hol-land在美國提出.他所講的遺傳算法的基本思想，就是要編碼優化的參數，而且還要生成一定數量的個體初始種群，以此作為要解決問題的備選解.遺傳算法的選擇條件是使用適應度函數值，通過選擇、交叉、變異的操作一代代地進行優化，最后將獲得滿足要求條件的最佳解.

3 仿真驗證

使用Matlab/Simulink進行仿真，經免疫遺傳算法輸出最優參數得kp=4.7和ki=15.3.

設置的仿真參數如下：臨界負載電壓設定為220V，直流測電壓480V，傳輸線路電阻4？贅，傳輸線路電感50mH，關鍵負載阻值2k？贅，非關鍵性負載阻值100？贅，低通濾波器電感3mH，低通濾波器電容50Μf，開關頻率5kHz.

如圖3所示，在開關S閉合后，將關鍵負載的電壓設定為220V，示波器的三通道分別顯示電網電壓、關鍵負載電壓和ES電壓的波形.圖3（a）顯示ES工作于容性模式下的波形;圖3（b）顯示ES工作于阻性模式，ES電壓接近于零，非關鍵負載電壓趨于關鍵負載電壓;圖3（c）顯示ES工作于容性模式下的波形.

4 結束語

為了提高ES的電壓調節能力和穩定性，本文提出了基于免疫遺傳算法的電力彈簧穩壓控制策略，對電力彈簧的仿真結果可以看出：本文提出的PI控制可有效地解決非關鍵負載變化引起的整個系統電壓不穩定;本文采用的免疫遺傳算法，具有使控制器調節時間短、抗干擾能力強等優點.總的來說，本文采用的算法控制對ES的性能有良好的作用.

參考文獻：

〔1〕AKHTAR Z， CHAUDHURI B， HUI S Y R. Smart loads for voltage control in distribution networks[J]. IEEE Transactions on Smart Grid， 2015，8（2）：937- 946.

〔2〕卓克瓊，趙朝會，王飛宇，等.電氣彈簧的原理及發展[J].上海電機學院學報，2016，19（1）：12-17.

〔3〕程明，王青松，張建忠，等.電力彈簧理論分析和控制器設計[J].中國電機工程學報，2015，35（10）：2436-2444.

〔4〕吳捷，王寶華.基于最優比例積分的電力彈簧控制器設計[J].電氣自動化，2017（14）：147-152.

〔5〕Areed E F， Abido M A. Design and dynamic analysis of Electric Spring for voltage regulation in smart grid[C]// International Conference on Intelligent System Application To Power Systems. IEEE， 2015：1-6.

〔6〕WANG Qingsong， CHENG Ming， CHEN Zhe， et al. Steady-State Analysis of Electric Springs ?With a Novel δ Control [J]. IEEE Transactions on Power Electronics， 2015， 30（12）：7159-7169.Control [J]. IEEE Transactions on Power Electronics， 2015， 30（12）：7159-7169.

〔7〕曾正，邵偉華，冉立，等.基于直流電氣彈簧的直流配電網電壓波動抑制[J].電工技術學報，2016， 31（17）：23-31.

〔8〕張骕骦，丘東元，張波.考慮電壓畸變的電氣彈簧功率因數校正策略研究[J].電源學報，2017，15（4）：97-104.

〔9〕劉坤，曼蘇樂.應用于微電網的新型潮流控制器[J].電氣自動化，2017，39（2）：60-62.

〔10〕王旭沖，陳兵，尹香，等.電力彈簧在電壓暫降治理中的應用研究[J].電氣技術，2017，18（2）：65-69.

〔11〕Kanakesh V K， Sen B， Soni J， et al. Control strategies for Electric Spring in an islanded microgrid： ?A comparative evaluation[C]// IEEE， International Future Energy Electronics Conference and Ecce Asia. IEEE， 2017：1714-1718.

〔12〕Lung L， Hou Y， Hill D J. Enhancing Flexibility of An Islanded Microgrid with Electric Springs[J]. IEEE Transactions on Smart Grid， 2017， PP（99）：1-1.