含風光發(fā)電的互聯電力系統(tǒng)自動發(fā)電控制

羅 穎

(華北電力大學 控制與計算機工程學院，北京102206)

0 引 言

近幾十年來，電力主要來源于煤炭、石油、天然氣等傳統(tǒng)化石能源的燃燒，導致了嚴重的資源匱乏和環(huán)境污染問題。因此，尋求利用清潔環(huán)保、具有可再生能力的新能源發(fā)電方式，有著重要的經濟效益和環(huán)境效益。目前，太陽能發(fā)電系統(tǒng)和風力發(fā)電系統(tǒng)等幾種新型可再生資源已經整合到電力系統(tǒng)中用于補充化石燃料出力。可再生能源的并網運行，增大了電力系統(tǒng)的隨機性和不確定性，且電力系統(tǒng)日益復雜，維持互聯電力系統(tǒng)的穩(wěn)定運行成為電力行業(yè)關心的重大問題。自動發(fā)電控制(Automatic Generation Control,AGC)是確保電力系統(tǒng)穩(wěn)定運行的關鍵措施之一。它能使系統(tǒng)發(fā)電量自動實時跟蹤系統(tǒng)負荷的變化，保證發(fā)電機組出力和負荷需求之間的平衡，維持系統(tǒng)頻率與聯絡線交換功率在額定值。

在所有新能源中，針對風能和太陽能在電力系統(tǒng)的應用研究更為普遍[1-5]。文獻[2]建立了一個由風力發(fā)電機組和柴油發(fā)電機組組成的小型孤立電力系統(tǒng)，并針對參數不確定性進行動態(tài)分析;文獻[3]建立了含有風力渦輪機和光伏發(fā)電的自治混合可再生能源發(fā)電/儲能系統(tǒng)，并在時域對小信號穩(wěn)定性進行分析;文獻[4]建立了斯特林發(fā)動機的簡化絕熱模型，用于研究并網碟式斯特林太陽能熱系統(tǒng);文獻[5]提出了基于馬爾科夫修正的小波神經網絡光伏發(fā)電有功功率預測算法，借助光伏發(fā)電有功功率的準確預測進而對自動發(fā)電控制進行超前控制以降低頻率波動。

經典PI/PID控制器由于結構簡單、性能可靠、使用方便等優(yōu)點，被廣泛應用于AGC系統(tǒng)等各種工業(yè)控制系統(tǒng)。國內外學者提出了多種智能算法整定AGC系統(tǒng)的PI/PID參數。如遺傳算法(Genetic Algorithm, GA)[6]、粒子群優(yōu)化算法[7]、細菌覓食優(yōu)化算法[8]、生物地理學優(yōu)化算法[9]、教與學優(yōu)化算法、云模型理論[10]以及一些混合智能算法。文獻[8]提出了一種基于社會學習自適應細菌覓食算法的最優(yōu)PI/PID控制器設計方法，系統(tǒng)獲得了良好的動態(tài)響應和魯棒性;文獻[9]介紹了一種包括火電機組、碟式太陽能熱發(fā)電系統(tǒng)和風力渦輪機系統(tǒng)的雙區(qū)域互聯AGC系統(tǒng)，利用BBO技術對控制器的參數進行優(yōu)化，證明了PID控制效果優(yōu)于P、PI控制;文獻[11]建立了將太陽能熱電廠納入其中一個區(qū)域的三區(qū)域熱力系統(tǒng)的自動發(fā)電控制，將灰狼優(yōu)化算法新型計算進化技術用于調節(jié)控制器增益。

針對以太陽能、風能為代表的新能源介入電力系統(tǒng)時的AGC問題，文章就如何實現新能源互聯電力系統(tǒng)的穩(wěn)定運行進行了研究，建立了火電—光伏—風電兩區(qū)域互聯電力系統(tǒng)AGC模型，應用引導煙花算法(Guided Firework Algorithm,GFWA)優(yōu)化PID控制器參數，假定存在新能源機組出力波動、負荷擾動以及參數變化的狀況下，使用Matlab/Simulink軟件進行仿真驗證。

1 系統(tǒng)模型

1.1 光伏發(fā)電系統(tǒng)模型

PV系統(tǒng)輸出功率為

PPV=ηSΦ[1-0.005(Ta+25)]

式中：η∈(0.09,0.12)是光伏陣列的轉換效率;S是光伏陣列的測量面積;Φ是太陽輻射量;Ta是環(huán)境溫度。文中，取Ta保持在25 ℃，PPV與Φ線性相關。

忽略非線性項，PV系統(tǒng)的傳遞函數可以近似為一階慣性函數[11]：

式中：ΔPPV是光伏系統(tǒng)輸出功率的變化;ΔΦ是太陽輻射的變化;KPV是系統(tǒng)增益;TPV是系統(tǒng)時間常數。

1.2 風力發(fā)電系統(tǒng)模型

風輪機械功率Pw可以表示為

式中：ρ=1.205 kg/m2為空氣密度;R=23.5 m為風輪半徑;Cp為功率系數;β為槳距角;λ為葉尖速比;v為風速。

Cp近似表示為β、λ的函數：

Cp=(0.44-0.016 7β)sin[π(λ-3)×15-0.3β]-0.018 4(λ-3)β

風機槳葉葉尖位置定義葉尖速比λ：

式中：wr為風輪角速度。

忽略非線性項，風力發(fā)電系統(tǒng)傳遞函數可以表示為

式中：ΔPWTS為風機輸出電功率的變化量；Pw為風輪機械功率的變化量；KWTS為增益系數；TWTS為時間常數。

1.3 兩區(qū)域電力系統(tǒng)模型

火電AGC系統(tǒng)主要由調速器、原動機、電力系統(tǒng)等環(huán)節(jié)組成。建立含光伏發(fā)電、風力發(fā)電的兩區(qū)域AGC模型如圖1所示。區(qū)域1包含傳統(tǒng)的火電機組和光伏發(fā)電系統(tǒng)，區(qū)域2由火電機組和風力發(fā)電系統(tǒng)構成。

圖1 兩區(qū)域互聯電力系統(tǒng)AGC模型

2 控制器設計

2.1 控制器模型

PID控制器是迄今為止實際應用最廣泛的控制器。將區(qū)域控制誤差(Area Control Error, ACE)作為PID控制器的輸入。對每個控制區(qū)域，其區(qū)域控制偏差為

ACE1=B1Δf1+ΔPtie

ACE2=B2Δf2+α12ΔPtie

控制器參數優(yōu)化問題,即在給定范圍內尋找比例、積分、微分增益系數即KP、KI、KD的值，使目標函數值最小。采用時間乘誤差絕對值積分(Integrated Time and Absolute Error, ITAE)性能評價指標作為優(yōu)化目標，建立AGC系統(tǒng)的PID控制器參數優(yōu)化整定模型。其目標函數為

(1)

2.2 引導煙花算法介紹

煙花算法(Firework Algorithm,FWA)是由北京大學的TAN和ZHU于2010年提出的一種新穎的優(yōu)化算法。在FWA中，煙花被看作最優(yōu)化問題的解空間的一個可行解，爆炸產生火花的過程即搜索鄰域的過程[12]。FWA由于具有很強的優(yōu)化問題求解能力，近年來逐漸受到學者關注。針對FWA沒有考慮到優(yōu)化過程求解中的啟發(fā)式信息，文獻[13]提出了一種帶引導火花(Guide Sparks,GSs)的GFWA，在煙花的位置上加上一個引導向量(Guide Vector,GV)計算出GSs的位置。GV通常指向搜索空間中一個使目標函數最優(yōu)的區(qū)域，其長度根據最優(yōu)點的距離自適應。搜索過程由GSs以及目標函數信息引導，效率比FWA中的爆炸火花高，提高了FWA中的信息利用率，且具有強大的全局優(yōu)化能力。

采用GFWA優(yōu)化PID控制器參數，流程圖如圖2所示,GFWA求解過程如下：

圖2 GFWA優(yōu)化流程圖

1)初始化相關參數和t個煙花，維數為3,3個維度分別為KP、KI、KD的值。

2)將KP、KI、KD的值作為控制器參數對Simulink中搭建的兩區(qū)域電力系統(tǒng)進行仿真，由仿真結果根據式(1)計算每個煙花Xi的適應度f(Xi);

3)對每個煙花，根據式(2)計算產生的火花數目λi,適應度最佳的個體XCF的爆炸幅度ACF由式(3)計算，由式(4)計算其他煙花爆炸幅度Ai;

(2)

(3)

(4)

式中:λ、A分別是控制火花數目和爆炸幅度的常數，Ca>1,Cr<1。

4)由步驟3)的計算值產生火花;

5)將每個火花適應度值按升序排列，選擇σλi個適應度最好與最差的個體，根據式(5)、(6)，每個煙花產生一個引導向量Δi和引導火花Gi;

(5)

Gi=Xi+Δi

(6)

6)計算所有煙花和火花的適應度，并將最佳個體選為下一代的煙花，在其余個體中隨機選擇t-1個作為下一代的煙花;

7)返回執(zhí)行步驟3)，直到滿足最大迭代次數Imax，此時煙花的值即為尋優(yōu)所得KP、KI、KD的值。

3 仿真分析

在Matlab/ Simulink環(huán)境中搭建AGC仿真模型，采用上述算法優(yōu)化PID控制器參數。火電AGC系統(tǒng)參數取值與文獻[8]相同。KP、KI、KD取值范圍為[-2,2]。選取的GFWA初始參數的取值為:n=3,t=2,λ=200,A=1,Ca=1.2,Cr=0.9,σ=0.2。

3.1 標稱情況

0 s時，在區(qū)域1施加10%的階躍負荷擾動，光伏、風力發(fā)電擾動如圖3所示?？刂破鲄?、ITAE指標與傳統(tǒng)PID控制器、基于GA-PID控制器進行比較，結果如表1所示，調節(jié)時間如表2所示，系統(tǒng)動態(tài)響應如圖4所示。

表2 系統(tǒng)調節(jié)時間對比

表1 控制器參數及ITAE指標值

圖4 系統(tǒng)動態(tài)響應

圖3 光伏及風力發(fā)電變化

可以看出，所設計的GFWA-PID控制器的ITAE性能指標明顯優(yōu)于其他控制器。區(qū)域1火電機組功率迅速跟蹤負荷變化，系統(tǒng)獲得了更好的動態(tài)時域響應。在調節(jié)時間、峰值等方面，GFWA-PID控制器性能有明顯優(yōu)勢。

3.2 魯棒性分析

實際運行中，太陽能輻射量和風速都會發(fā)生不可預測的變化，導致光伏發(fā)電量和風力發(fā)電量的變化。在太陽能、風能改變的情況下，使用所設計控制器優(yōu)化參數與采用標稱情況的控制器參數的系統(tǒng)進行對比，以檢查在標稱條件下獲得的優(yōu)化的控制器參數的魯棒性。

3.2.1 太陽輻射量發(fā)生變化

輻射量的變化會使PV的輸出功率發(fā)生顯著變化，光伏發(fā)電量波動如圖5所示。在此變化條件下，利用GFWA對PID控制器參數進行優(yōu)化。區(qū)域1的火電機組發(fā)電量、頻率和聯絡線功率偏差如圖6所示，可以看出，兩種響應曲線幾乎一致(實線為改變條件下優(yōu)化的控制器參數所得系統(tǒng)響應，虛線為采用標稱控制器參數所得系統(tǒng)響應)。

圖6 太陽輻射量擾動下系統(tǒng)動態(tài)響應

圖5 光伏發(fā)電變化

3.2.2 風速發(fā)生變化

風速變化會導致風機輸出功率發(fā)生變化，風電系統(tǒng)發(fā)電量如圖7所示。區(qū)域2的頻率和聯絡線功率偏差、火電機組功率變化如圖8所示(實線為改變條件下優(yōu)化的控制器參數所得系統(tǒng)響應，虛線為采用標稱控制器參數所得系統(tǒng)響應)。

圖8 風速擾動下系統(tǒng)動態(tài)響應

圖7 風力發(fā)電變化

由仿真曲線可以看出，兩種響應在穩(wěn)定時間、振蕩和超調方面大致相同，說明所設計控制器在新能源發(fā)電量波動的情況下依然有效。

3.2.3 系統(tǒng)參數發(fā)生變化

以所設計控制器為例，研究系統(tǒng)參數變化對頻率偏差以及聯絡線功率偏差的影響。假定聯絡線同步系數T12(額定值)變化±50%，負荷擾動、新能源發(fā)電擾動與3.1節(jié)相同，不同參數下系統(tǒng)響應如圖9所示。

圖9 參數變化時系統(tǒng)動態(tài)響應

由響應曲線可以看出，當系統(tǒng)參數變化時，其系統(tǒng)響應變化不大。因此，所設計的AGC控制器能夠使系統(tǒng)獲得較強的魯棒性并抵御參數變化對系統(tǒng)性能的影響。

4 結 語

針對含光伏、風力發(fā)電AGC系統(tǒng)的PI/ PID 控制器參數優(yōu)化整定問題，采用引導煙花算法方法設計控制器。算例分析表明：

1)所設計的GFWA-PID控制器具有更好的ITAE指標，能夠獲得更好的動態(tài)時域響應性能。

2)所設計的GFWA-PID控制器參數具有較好的魯棒性，能夠承受太陽輻射、風速、聯絡線同步系數的參數變化，且該控制器有一定的工程應用價值。