The invention discloses an optimization method for frequency feedback coefficient of generator governor, which comprises the following steps: 1) establishing a grid node dynamic model with governor; 2) initializing parameters of multi-objective particle swarm optimization; 3) calculating the performance objective function and sparse objective function of each particle in particle swarm optimization; 4) updating the general elite set; And the feasible solution elite set; 5) update the location vector of individual wizard particles.
【技术实现步骤摘要】
一种发电机调速器频率反馈系数的优化方法
本专利技术属于电网频率控制
,涉及一种发电机调速器频率反馈系数的优化方法。
技术介绍
调速器是电网中发电节点一次调频的主要控制器,是根据发电节点的频率对输入机械功率进行反馈调节的手段,对电网频率稳定性具有重要作用,频率反馈控制系数对调速器性能和成本都有重要影响。随着电力系统同步相角测量单元(PhasorMeasurementUnit,PMU)和广域监测系统(WideAreaMeasurementSystem,WAMS)等技术的发展,使节点间(区域间)可以实时通信,以实现利用其它节点信息的区域协同控制。根据通信结构,控制方式分为分散式控制、区域式控制和集中式控制共3种。传统的分散式控制是根据自身节点信息进行功率控制,无需通信线路,成本代价小,但频率调节性能较低;集中式控制利用全网所有发电节点信息进行反馈控制,需要电网中的发电节点两两之间均有通信线路,频率调节性能高,但成本代价较大;区域式控制利用部分发电节点信息进行反馈控制,只需要电网中部分发电节点之间有通信线路,兼顾了分散式控制和集中式控制的优点。然而,确定利用哪个节点信息进行反馈控制和反馈系数大小以平衡性能和代价这对矛盾仍是需要解决的问题。
技术实现思路
本专利技术提供了一种发电机调速器频率反馈系数的优化方法,解决现有技术难以确定调速器的频率反馈系数矩阵,难以平衡控制性能和通信代价的问题。本专利技术采用的技术方案是,一种发电机调速器频率反馈系数的优化方法,按照以下步骤实施:步骤1,建立含有调速器的电网节点动力学模型,含有调速器的电网节点动力学模型利用传统同步发电机 ...
【技术保护点】
1.一种发电机调速器频率反馈系数的优化方法,其特征在于,按照以下步骤实施:步骤1,建立含有调速器的电网节点动力学模型,含有调速器的电网节点动力学模型利用传统同步发电机转子的摇摆方程来描述,表达式为下式(1):
【技术特征摘要】
1.一种发电机调速器频率反馈系数的优化方法,其特征在于,按照以下步骤实施:步骤1,建立含有调速器的电网节点动力学模型,含有调速器的电网节点动力学模型利用传统同步发电机转子的摇摆方程来描述,表达式为下式(1):其中,下标i,j=1,2,…,n为节点编号,n是电网中发电节点个数;Ji,Di分别是节点i的惯性常量和阻尼系数,θi,ωi分别是在同步旋转参考坐标系下节点i的相位和角频率,表示节点i相位的一阶导数,即节点i的角频率ωi;θj是节点j在同步旋转参考坐标系下的相位;当电力系统额定频率为f*=50Hz,则额定角频率为ω*=2πf*;为标称机械输入功率,表示取导纳虚部,即不考虑引起线路损耗的电阻部分,Lij是电网的拉普拉斯矩阵L第i行第j列的元素;Ei,Ej是节点i,j的端电压的幅值,Yij∈Y,矩阵Y是电网经过Kron化简后仅保留发电节点的导纳矩阵;ui是节点i的控制量,βij为节点i与节点j之间的频率反馈系数;将式(1)改写为矩阵结构的表达式如下式(2):其中,n×1维的列向量θ=[θ1,θ2,…,θn]T为相位向量,n×1维的列向量ω=[ω1,ω2,…,ωn]T为角频率向量;n×1维的列向量u=[u1,u2,…,un]T为控制向量;n×n维矩阵J为对角矩阵,第i行对角线元素为节点i的惯性常量Ji;n×n维矩阵D为对角矩阵,第i行对角线元素为节点i的阻尼系数Di;n×n维矩阵K为频率反馈系数矩阵,第i行第j列元素为βij;将实际电网的参数代入式(2),得到含有调速器的电网节点动力学模型;步骤2,初始化多目标粒子群算法的参数,设置惯性权重ω、加速常数c1,c2、最大迭代次数kmax,k为粒子群算法的迭代次数,令k=1,粒子的总数为M个,每个粒子的位置和速度均是长度为n2的行向量,n为电网中发电节点个数,将第m个粒子在第k次迭代时的位置向量和速度向量分别记为Xm(k)和Vm(k),初始化第1代时每个粒子的位置向量和速度向量中的每个元素为0-1均匀分布的随机数,设置可行解精英集最大容量Nfeamax,即最多存储Nfeamax个粒子的信息,设置初始惯性权重ω0,以及最后一次迭代时的惯性权重ωend;初始化时,即迭代次数k=1时,第m个粒子的位置向量和速度向量分别为Xm(1)和Vm(1);Xm(1),Vm(1)为0-1均匀分布的随机向量;每个体向导粒子的位置向量为该粒子的初始粒子的位置向量;步骤3,计算粒子群中每个粒子的性能目标函数和稀疏性目标函数,每个粒子的位置向量Xm(k)都代表一个解,即一个频率反馈系数矩阵Km,位置向量的第1到第n个元素对应反馈系数矩阵Km的第1行,第n+1到第2n个元素对应系数矩阵Km的第2行,依次类推;将每个粒子的位置向量对应的频率反馈系数矩阵Km代入式(2)中进行时域仿真,采用式(3)计算第k代每个粒子的性能目标函数J1(x):式(3)中,ωm(t)代表采用反馈系数矩阵Km时第t秒的角频率向量;um(t)代表采用反馈系数矩阵Km时第t秒的控制向量;矩阵Q和矩阵R为单位对角矩阵;采用式(4)计算第k代每个粒子的稀疏性目标函数J2(x):J2(Xm(k))=||Km||0(4)步骤4,更新一般精英集和可行解精英集,若对于粒子i在第k代时的两个目标函数J1(Xi(k))和J2(Xi(k)),如果满足J1(Xi(k))<J1(Xj(k))且J2(Xi(k))<J2(Xj(k)),那么称粒子i的解Xi(k)为非支配解;所有非支配解构成的集合称为一般精英集,也称为Pareto最优解集;称Pareto最优解集中满足稳定性约束条件的解为可行Pareto最优解,反之称为不可行Pareto最优解;定义一个阈值Jthr...
【专利技术属性】
技术研发人员:任海鹏,霍龙,锁军,
申请(专利权)人:西安理工大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。