基于離散猴群算法的AGC多目標協調控制策略

魏超， 儲召云， 張明星， 孫保功， 龐濤

(1. 國網安徽省電力有限公司六安供電公司， 安徽， 六安 237006；2. 國網南京南瑞集團公司(國網電力科學研究院)， 江蘇， 南京 211106；3. 國電南瑞南京控制系統有限公司， 江蘇， 南京 211106)

0 引言

在電網技術技術中，自動發電控制(Automatic Generation Control,AGC)是實現發電機組調度與控制的關鍵技術之一，該技術能夠對電網中的有功功率進行合理的控制，對于電網中不同設備應用電功率提供有效的技術保證。由于配電網分布比較分散，AGC系統具有非線性的特點，其耦合性較強，但時變性能力較差，常規技術采用的PID控制很難滿足現有技術的應用需求。

針對上述技術的不足，相關學者對不同配電網出現的AGC系統的協調控制進行了相關技術研究。文獻[1]提出了一種基于模擬退火粒子群尋優算法的閉環反饋自動發電控制方法，該方法結合了模擬退火和粒子群算法等多方面的優點，通過對控制器關鍵參數進行尋優最終實現了所控制區域偏差值最小，但該方法在面對配電網中多種數據信息就顯得無能為力。文獻[2] 通過對自動發電控制系統(Automatic Generation Control,AGC)控制區設置不同的數據條件，對控制策略進行優化，進而滿足新能源消納等電網調度運行要求，實現了聯絡線的功率控制，這種方法局限性強，適用于新疆電網實際情況，不具有普遍適用性。

針對上述技術不足，本研究采用基于離散猴群算法的AGC多目標協調控制方案，實現多種網配區域的檢索和控制。

1 基于離散猴群算法的AGC多目標協調控制方案

假設配電網中存在多種配電節點，每個配電節點都有對應的控制方式，如果選擇不同的網配節點[3]并實施相應的協調控制措施就是本研究的重點。基于分布式區域的考慮，本研究構建離散猴群算法進行最優解求解。離散猴群算法在檢索AGC多目標網配節點[4]時通過如圖1所示的方法進行。

圖1 離散猴群算法架構示意圖

在圖1中，離散猴群算法主要包括迭代計算、控制區域檢索和重新確定控制區域[5]3個過程。下面對該步驟進行詳細說明。

(1) 輸入配電網控制參數和控制節點，對每個配電網控制節點編碼。由于分布式配電網節點比較零散，在網源控制[6-7]時，就需要對每個不同的網配節點進行編號。設網配節點的數據集集合為M，將該網配節點類比為猴群，則對具有編號的網配節點猴群中控制節點記作為i節點。網配節點檢索出的位置可以通過式(1)進行：

(1)

然后對數據集合進行初始化，則有k=0。

(2) 構建控制目標檢索模型，主要包括以下步驟；

(a) 對設置的網配節點進行迭代計算，以查找多種網配節點中需要控制的局部最優解[8-9]，假設檢索尺度記作為l。動態檢索尺度通過數據集合l=[l1,l2,…,lN]表示，通過調整步長，以動態計算檢索尺度，最終提高全局尋優能力，則動態檢索尺度可以記作為

li=l0w=l0cos(s/sM)，i=1,2,…,N

(2)

式中，l0表示網配檢索尺度的初始尺度，s表示對多個網配節點進行檢索時的迭代次數，sM表示檢索過程中的最大迭代次數，w=cos(s/sM)表示在不斷的數據檢索過程中出現的能量衰減值。

(3)

當式(4)成立時，則存在以下關系式：

(4)

通過這種方式不停地進行迭代[11-12]計算，將式(3)和式(4)聯立起來，直到檢索到的值達到最大為止。

Bi=[Bi(1),Bi(2),…,Bi(N)]

(5)

2 網源控制網配調度

2.1 供應端調度模型

首先進行目標函數構建，以發電站的輸出成本效益為最終表示式，即所花費的成本為最低。將該目標函數通過隨機變量的最大數學期望值表示，則目標函數表達式如式(6)：

(6)

其中的發電約束條件可以通過以下公式表示：

(1) 配網端發電站輸出的發電量平衡約束條件:

(7)

(2) 發電廠實現發電量約束的條件為

(8)

(3) 其中的標準值約束條件為

(9)

在配電網中的儲能部件內，釋放電量的約束條件為

(10)

2.2 需求端調度模型

在需求端同樣以用戶輸出的最大經濟效益為電能調度研究優化目標，用戶支付電能的最少值為

fall=fPV,sub+fPV,s+fload

(11)

式中，fall為輸送到用戶的總電能收益值[16]，fPV,sub為政府對用電用戶的補貼收入，fPV,s為在配電網系統中通過電網饋電的收入，fload為通過電網發電的購買電費量。在時間t下，用戶的總經濟效益目標函數可以表示為

(12)

3 試驗結果與仿真

下面對上文所提的方法進行驗證，采用的試驗條件如表1所示。

表1 試驗環境條件

通過表1的試驗環境條件，構建配電網拓撲結構，配電網架構示意圖如圖2所示，并將本研究的方法與對比文獻[1]和文獻[2]的方法進行對比。

圖2 配電網拓撲結構

通過圖2的配電網拓撲結構圖，設置的配電網設備參數如表2所示。

表2 配電網拓撲結構硬件結構示意圖

通過上述硬件條件，對配電網的不同的數據參數如表3所示。

表3 節點配置的負荷數據

在本研究離散猴群算法的AGC多目標協調控制方案中設置的參數如表4所示。

采用不同的猴群規模進行計算，通過文獻[1]和文獻[2]的方式與本研究的方法進行對比分析，則控制后的節點功率值如表5所示。

表5 節點功率值

通過上述試驗，本研究方法在進行AGC多目標協調控制后，電力溢出的數據指數得到大幅度降低，輸出的平均電力溢出指數達到0.08，提高了能源利用率，減少了能源浪費。

下面對離散猴群算法檢索控制區域的能力進行驗證，對比算法模型為BP神經網絡模型[18]、DBN算法模型和EMD-DBN算法模型。采用平均絕對百分比誤差MAPE和均方根誤差RMSE實現誤差數據的衡量，通過18小時的控制，檢索AGC多目標協調控制的誤差通過MAPE計算，則如式(13)：

(13)

RMSE誤差公式如式(14)：

(14)

圖3 不同模型的預測曲線對比示意圖

通過圖3可以看到，本研究散猴群算法更精確，在真實值逼近上比BP神經網絡模型和DBN算法模型更真實。本研究的方法通過MAPE算法模型計算后誤差降低了25.43%左右，通過RMSE算法模型計算后降低了30.37%左右。通過試驗可以看到，本研究的方法提高了網配區域控制的精確度。

4 總結

在配電網中，隨著能源互聯網技術的飛速發展，對于不同配電網網絡節點的控制進行了以下技術研究。

(1) 構建出基于離散猴群算法的AGC多目標協調控制方案，實現了不同區域配電網節點的快速檢索，克服了網源協調系統中不同系統數據信息協調不靈敏、數據傳輸不及時等問題。

(2) 通過對供應端調度和需求端調度，能從用戶的切身利益出發，解決配電網中不同網配節點的供需不平衡問題，提高了各系統協調、供需能力。

本研究通過試驗，雖然在一定程度上具有進步意義，在本研究在進一步的研究中仍舊會存在一些問題，這需要進一步的探索和挖掘。本研究為下一步技術的研究奠定技術基礎。