含新能源的自动发电控制系统控制策略研究

原文作者：郭雅迪

原文标题：含新能源的自动发电控制系统控制策略研究

原文链接：

https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CMFD&dbname=CMFD202001&filename=1019237935.nh&uniplatform=NZKPT&v=iSMtSWP03rfz9SB37EW8H5Eg_T8XAx2Zu2ylhZ27PFsQHGw0iDnjQ5O2le0fTjVC

原文来源：知网、华北电力大学(北京)专业硕士学位论文

笔记作者：肥鲤鱼

1.  What

1.提出灰狼优化算法优化的频率控制器来稳定频率偏差，来解决新能源机组并入产生的频率波动问题；

2.提出自适应神经模糊推理系统与灰狼优化相结合作用于自动发电控制中，来解决面向较大变化的随机扰动时自身参数的实时更新。

2.  Why

随着风能光能等新能源大规模并入电网，其随机性和波动性将对互联电力系统造成较大的冲击，给频率控制造成困难。以往应用在常规互联电力系统中的自动发电控制策略己不足以满足控制需求，需要进一步对含有新能源的自动发电控制（AGC）系统的控制策略进行研究。

3.  How

3.1含新能源的AGC系统结构分析

3.1.1风电场总装机量较小时的AGC模型

针对单台风机容量和风电场总装机容量较小的情况下，将风电机组和光伏发电机组分别与常规机组置于同一区域中，都作为常规机组的补充用于平衡负荷，跟踪负荷变化由常规机组来实现，如下图所示。

图1 风电机组和光伏发电机组作为负荷补充的模型框图

3.1.2风电场总装机量较大时的AGC模型

在单台风机容量和风电场总装机容量较大情况下，本文研究了风电场处于单独区域的ＡＧＣ结构，并将光伏发电机组与风电机组置于同一区域，光伏发电输出进行最大程度并网，风电机组作为区域内参与调频的机组，与光伏发电机组互相补充，形成风光互补的结构。

图2 风电作为独立控制区域的模型框图

3.2灰狼优化算法优化下的自动发电控制系统

3.2.1灰狼优化算法流程

图3 灰狼优化算法流程图

3.2.2灰狼优化算法在风电总装机容量较小AGC系统中的应用

（1） 选取时间乘以误差绝对值积分（ITAE）作为性能指标函数如下

（2） 适应度函数确定。基于ACE来确定本文的适应度函数如下

（3） 灰狼优化算法优化PID参数

基于以上分析，采用灰狼优化算法优化PID控制器参数的具体流程如下图4所示，首先对PID参数即狼群搜索因子初始化，计算当前的适应度函数，然后进行迭代更新。当适应度函数值减小时，就将当前灰狼位置看作最佳位置，继续迭代直到指标达到全局最优。

图4 灰狼优化算法优化PID参数流程图

3.2.3实验结果

通过调节控制器参数，将灰狼优化算法分别与常用的粒子群算法（PSO）、遗传算法（GA）以及改进的综合学习粒子群算法（clPSO）和自适应差分进化算法（SaDE）进行对比，从实验结果来看，用灰狼优化算法对负荷频率控制器的参数进行优化，能够使控制器得到更好的控制效果，较少的控制动作，较短的调节时间。

灰狼优化算法的不足：虽然灰狼优化算法具有较好的寻优效果和较短的寻优时间，但其优越性只体现在离线寻优上。对于新能源具有较大随机性的特点，只进行离线寻优并不能满足控制需求。若采用灰狼优化算法对每次扰动进行在线寻优，由于更新需要一定的时间，寻优速度很可能无法跟上随机扰动变化的速度。基于以上分析，可在灰狼优化的基础上引入自适应神经模糊推理系统，实现实时在线自适应控制。

3.3自适应神经模糊推理系统（ANFIS）在自动发电控制中的应用

3.3.1ANFIS应用步骤

（1）收集数据

采用数据分割技术，将所采集到的训练数据分为训练样本数据和检验样本数据，这样的目的是为了解决训练数据较差的问题。

采用灰狼优化算法优化控制器增益并集合成训练数据，同时将一部分数据作为检验数据来对ANFIS模型进行调整，以获得最好的训练结果。

（2）确定隶属度函数和模糊规则

在进行了对比试验之后初始选用３个钟型隶属度函数，每个隶属度函数包含３个模糊集合，因此可得到33=27条模糊规则。

（3）ANFIS模型训练

ANFIS初始选择３个钟形隶属度函数，祌经网络训练50代。将训练得到的ANFIS控制器应用在风电场总装机容量较大时的AGC四区域互联电力系统模型中，并进行仿真实验以检验其控制效果。

3.3.2实验结果

基于ANFIS的负荷频率控制器可以对风电机组实现有效控制，使得其能在负荷频率控制中起到积极调节作用，可以有效地稳定系统的频率偏差和联络线功率偏差。当外界扰动和系统参数发生变化时ANFIS控制器也可以自适应地进行调节，具有较好的控制效果。

4. Conclusion

该控制方法将灰狼优化算法和自适应神经模糊推理相结合作用在AGC中，来解决新能源下扰动带来的随机性问题。

5. Review

（1）在灰狼优化算法下，文章首先介绍算法的基本原理，但在应用到AGC系统时，参数是如何确定，值是多少，以及灰狼优化算法如何应用到AGC上的具体内容并未清晰介绍。

（2）在ANFIS算法下，如何将ANFIS应用到AGC系统下的描述并不多，数据是如何收集的，钟型隶属函数的选择数量，迭代次数选择的依据文章未提。   

（3）ANFIS算法下数据是根据灰狼优化算法下得到的，关于相关数据如何得到，在实验中并未看到。算法训练也未给出训练过程和训练结果。

原文始发于微信公众号（CTS纵横安全实验室）：含新能源的自动发电控制系统控制策略研究