一种基于野狗优化算法的参数优化方法和装置制造方法及图纸

本发明专利技术公开了一种基于野狗优化算法的参数优化方法和装置，属于风力发电技术领域，所述方法包括：分别基于两个WF：分别包括5台WTs；以支撑电网系统频率；将WF1中的WT按转子角速度分为两个集群，即集群1和集群2。前者在负荷发生变化时立即参与频率调节，后者在前者的转子转速恢复时投入运行；进而利用野狗优化算法对风机梯次启动自适应惯性下垂控制参数进行优化；该算法稳定性高、机制简单、局部搜索和全局探索能力强，能够缓解风机接入电网后无法及时响应负荷增加而造稳定性差的技术问题。本发明专利技术能够有效优化风机梯次启动自适应惯性下垂控制器的参数，进而提高风电接入电网后电力系统运行的安全性和稳定性。统运行的安全性和稳定性。统运行的安全性和稳定性。

【技术实现步骤摘要】
一种基于野狗优化算法的参数优化方法和装置


[0001]本专利技术属于风机发电
，更具体地，涉及一种基于野狗优化算法的参数优化方法和装置。

技术介绍

[0002]随着社会的发展和进步，电力需求日益剧增，面对全球化石能源枯竭以及严重的环境污染问题，可再生能源被认为是有效的替代能源。其中，风能技术因其相对成熟性高，存量大以及无污染等优势而被广泛研究和运用。
[0003]当前，全世界的风电装机容量急速增多，风电场的数量和规模也在逐年增加。高渗透率风电接入电网规模不断扩大，对电力系统的安全和稳定运行构成了一定的威胁。特别是风机是通过直流输电连接到电网，风机的转子速度与系统频率可能会解耦，难以为电网提供有效的惯量支持，故研究大规模风电并网的频率特性和频率调节控制具有重要的意义。目前风机在控制器研究中发现梯次启动自适应惯性下垂控制效果优越，能够提供适当的频率支撑并缓解三次频率跌落，进而显著增强系统惯性。
[0004]然而这种策略的控制器关键参数是通过试错法确定的，很难保证较高的控制精度和可靠的稳定性，而且还要耗费大量时间。因此，寻求一种可以高效且准确优化风机梯次启动自适应惯性下垂控制参数的策略已然成为亟需解决的问题。

技术实现思路

[0005]针对现有技术的以上缺陷或改进需求，本专利技术提供了一种基于野狗优化算法的参数优化方法和装置，其目的在于，利用野狗优化算法对风机梯次启动自适应惯性下垂控制参数进行优化，该算法稳定性高、机制简单、局部搜索和全局探索能力强，能够以较高的效率实现风机控制器参数的最优辨识，有效提高梯次启动自适应惯性下垂控制器参数准确性，以缓解风机接入电网后无法及时响应负荷增加而造稳定性差的技术问题。
[0006]为实现上述目的，按照本专利技术的一个方面，提供了一种基于野狗优化算法的参数优化方法，其特征在于，应用于风机中的梯次启动自适应惯性下垂控制器，包括：
[0007]S1：设计测试系统，包括第一风电WF1、第二风电场WF2、交流AC系统以及三区四端多端高压直流系统；
[0008]S2：设置WF1和WF2均包括五个风机WT，以为AC系统供电；
[0009]S3：确定WF1和WF2中各WT正常运行时的转子角度；
[0010]S4：当WF1中的各WT发生频率事件时，设计梯次启动自适应惯性下垂控制方案实现频率支撑；控制WF2中各WT均在最大功率点状态下运行；
[0011]所述梯次启动自适应惯性下垂控制方案，包括：
[0012]S41：将WF1中五个WT根据其的转子角速度按预设比例划分成两个集群；
[0013]S42：基于野狗优化算法对集群1和集群2的惯性控制系数和下垂控制系数进行优化，根据适应度函数反复迭代运行直到算法收敛得到最优控制器参数。
[0014]在其中一个实施例中，所述S42中适应度函数的获取过程包括：
[0015]将控制器参数传入所述测试系统对应的仿真模型，并获取S
IoFD
、S
IoFVR
、f
FFD
、f
SFD
、f
TFD
，控制器是在充分考虑一次频率跌落FFD、二次频率跌落TFD和三次频率跌落TFD、频率偏差SIoFD和频率变化率的积分SIoFVR后，根据相对重要性为每个指标分配一个系数，并将它们相加得到Fit(S
IoFD
、S
IoFVR
、f
FFD
、f
SFD
、f
TFD
)；根据Fit(S
IoFD
、S
IoFVR
、f
FFD
、f
SFD
、f
TFD
)计算适应度函数，
[0016]F
fit
(S
IoFD
，S
IoFVR
，f
FFD
，f
SFD
，f
TFD
)＝min{A
IoFD
+A
IoFVR
+(200f
FFD
+100f
SFD
+100f
TFD
)
·
50}；
[0017]其中，S
IoFD
表示频率偏差，S
IoFD
＝∫|50
‑
f
AC
|dt；S
IoFVR
表示频率变化率的积分，f
FFD
,f
SFD
和f
TFD
分别表示FFD、SFD和TFD的最低点；S
IoFD
和频率变化率的积分用于表征测试系统频率波动全局信息。
[0018]在其中一个实施例中，同一集群内不同WT的控制器参数设计为相同。
[0019]在其中一个实施例中，所述最优控制器参数包括：
[0020][0021]其中，表示集群m中第i个风机的初始下垂系数；表示集群m中第i个风机的初始惯性系数；表示集群m中第i个风机的下垂系数示集群m中第i个风机的惯性系数，上标m表示集群1和集群2；k
in,i,0
为惯性控制系数初始值，k
dr,i,0
为下垂控制系数初始值，ω
i
为WT的转子角速度，ω
min
和ω
max
分别为WT的最小和最大转子角速度。WT的输出功率参考值表示为：f
AC
为AC系统频率，f
ref
为系统频率参考值，P
mpp,i
为WT的MPPT参考值。
[0022]在其中一个实施例中，所述野狗优化算法包括：
[0023]群体进攻阶段：野狗的位置表示为：为第t+1次迭代时野狗的位置；na代表[2,SizePop/2]的逆序中随机生成的整数，其中SizePop为野狗的种群规模；为将攻击野狗的子集，X为随机生成的野狗种群；为上一次迭代中发现的最佳野狗位置；β1为比例因子，是
‑
2和2区间中均匀生成的随机数；
[0024]迫害攻击阶段：野狗的位置表示为：
[0025]β1为[1,
‑
1]区间内均匀生成的随机数；r1为1至最大野狗数量之间生成的随机整数；表示随机选择第r1只
野狗的位置，i≠r1；
[0026]清扫阶段：野狗的位置表示为：
[0027]σ表示算法随机生成的二进制数，σ∈{0,1}；
[0028]野狗的生存率表示为：fitness
max
为当前最优野狗适应度值；fitness
min
为当前最差野狗适应度值；fitness(i)为第i个野狗的当前适应度值；当生存率低于阈值时，清扫阶段野狗的位置表示为：
[0029]将当前控制器参数对应的更新好的解传入测试系统对应的仿真模型，并获取S
IoFD
...

【技术保护点】

【技术特征摘要】
1.一种基于野狗优化算法的参数优化方法，其特征在于，应用于风机中的梯次启动自适应惯性下垂控制器，包括：S1：设计测试系统，包括第一风电WF1、第二风电场WF2、交流AC系统以及三区四端多端高压直流系统；S2：设置WF1和WF2均包括五个风机WT，以为AC系统供电；S3：确定WF1和WF2中各WT正常运行时的转子角度；S4：当WF1中的各WT发生频率事件时，设计梯次启动自适应惯性下垂控制方案实现频率支撑；控制WF2中各WT均在最大功率点状态下运行；所述梯次启动自适应惯性下垂控制方案，包括：S41：将WF1中五个WT根据其的转子角速度按预设比例划分成两个集群；S42：基于野狗优化算法对集群1和集群2的惯性控制系数和下垂控制系数进行优化，根据适应度函数反复迭代运行直到算法收敛得到最优控制器参数。2.如权利要求1所述的基于野狗优化算法的参数优化方法，其特征在于，所述S42中适应度函数的获取过程包括：将控制器参数传入所述测试系统对应的仿真模型，并获取S
IoFD
、S
IoFVR
、f
FFD
、f
SFD
、f
TFD
，控制器是在充分考虑一次频率跌落FFD、二次频率跌落TFD和三次频率跌落TFD、频率偏差SIoFD和频率变化率的积分SIoFVR后，根据相对重要性为每个指标分配一个系数，并将它们相加得到Fit(S
IoFD
、S
IoFVR
、f
FFD
、f
SFD
、f
TFD
)；根据Fit(S
IoFD
、S
IoFVR
、f
FFD
、f
SFD
、f
TFD
)计算适应度函数，F
fit
(S
IoFD
，S
IoFVR
，f
FFD
，f
SFD
，f
TFD
)＝min{A
IoFD
+A
IoFVR
+(200f
FFD
+100f
SFD
+100f
TFD
)
·
50}；其中，S
IoFD
表示频率偏差，S
IoFD
＝∫|50
‑
f
AC
|dt；S
IoFVR
表示频率变化率的积分，f
FFD
，f
SFD
和f
TFD
分别表示FFD、SFD和TFD的最低点；S
IoFD
和频率变化率的积分用于表征测试系统频率波动全局信息。3.如权利要求2所述的基于野狗优化算法的参数优化方法，其特征在于，同一集群内不同WT的控制器参数设计为相同。4.如权利要求3所述的基于野狗优化算法的参数优化方法，其特征在于，所述最优控制器参数包括其中，表示集群m中第i个风机的初始下垂系...

【专利技术属性】
技术研发人员：李大虎，姚伟，周泓宇，周悦，饶渝泽，文劲宇，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：