基于SM-AFA优化算法的多机电力系统稳定器参数最优设计方法技术方案

本发明专利技术涉及一种基于SM

【技术实现步骤摘要】
基于SM
‑
AFA优化算法的多机电力系统稳定器参数最优设计方法


[0001]本专利技术涉及电力系统低频振荡抑制领域，特别是一种基于SM
‑
AFA优化算法的多机电力系统稳定器参数最优设计方法。

技术介绍

[0002]随着全球经济的快速增长、人口的急剧增加，电能在世界范围内的使用量也不断提高，从而使电网的负荷不断加重；与此同时，现代电力系统已经进入跨区域互联的大电网时期，远距离、大容量的输电线路广泛存在；这些都将诱发电力系统低频振荡。如果低频振荡不能很好的抑制，将引发一系列系统故障，从而导致大规模的停电、造成巨大的经济损失。近年来，电力系统低频振荡已经成为影响电网能否可靠、安全运行的关键问题之一。因此，如何快速有效实时地辨识出低频振荡的相关参数，并调节阻尼器来抑制低频振荡就显得尤为重要。
[0003]由于采取加装电力系统稳定器(Power System Stabilizer,PSS)在可以抑制低频振荡的同时，也具有控制较简单、性能好的优点；而且PSS具有物理概念清晰，作为阻尼控制时，其计算和调试具有直接的数学模型可用，同时投入调试和退出还可以根据不同的运行工况进行所以在抑制中。因此，加装PSS是抑制低频振荡的首选控制措施。
[0004]PSS控制的核心问题是PSS的参数整定；目前，PSS整定方法主要采用相位补偿法、极点配置法等。相位补偿法具有物理意义清晰、方便调试等优点；极点配置法是将系统的主要极点配置到S平面的新位置，从而提高系统的稳定性，但因为其与励磁系统参数没有直观联系，在实际工程的应用是受限的。近来，PSS参数的相关整定中也出现了大量的优化算法，如神经网络、模糊控制及人工智能算法等。但神经网络需要大量的学习样本且收敛速度较慢，遗传算法搜索时间过长、易于过早收敛于次全局最优解，但在模糊控制中可能产生自适应能力差、规则设定困难等后果。人工智能算法在电力系统控制中的应用在加快寻优速度和避免陷入局部极值等方面仍有很大的潜力可以挖掘，需要进一步的深入研究。

技术实现思路

[0005]本专利技术的目的在于提供一种基于SM
‑
AFA优化算法的多机电力系统稳定器参数最优设计方法，以克服现有技术中存在的缺陷。
[0006]为实现上述目的，本专利技术的技术方案是：一种基于SM
‑
AFA优化算法的多机电力系统稳定器参数最优设计方法，包括如下步骤：
[0007]步骤S1、SM和AFA算法参数的初始化；
[0008]步骤S2、令迭代次数t＝1，进行迭代运算；
[0009]步骤S3、运行电力系统仿真模型，并采集电力系统仿真模型中各发电机以及联络线之间的信号；
[0010]步骤S4、从采集的信号中，获取电力系统低频振荡信号；
[0011]步骤S5、对电力系统低频振荡信号进行辨识分析，获取对应的振荡模态及特征值λ
i
＝σ
i
±
jw
i
、其中，σ
i
代表特征值的实部，w
i
代表特征值的虚部；
[0012]步骤S6、根据特征值的大小确定阻尼比；
[0013]步骤S7、将阻尼比作为PSS参数优化的目标；
[0014]步骤S8、通过PSS的约束条件，进行PSS参数优化；
[0015]步骤S9、采用SM
‑
AFA算法对目标函数进行寻优计算；
[0016]步骤S10、得到个体最优位置P
i
(t)及全局极值P
g
(t)；
[0017]步骤S11、迭代次数t＝t+1，判断迭代次数t是否达到最大迭代数MaxGeneration，若迭代次数t未达到最大迭代数MaxGeneration，转到步骤S2继续进行迭代；
[0018]步骤S12、若迭代次数t达到最大迭代数MaxGeneration，将个体最优位置P
i
(t)、全局极值为P
g
(t)输出；个体最优位置P
i
(t)即为寻优得到的PSS参数，全局极值P
g
(t)即为电力系统最优的阻尼比；
[0019]步骤S13、完成所有的计算，并结束。
[0020]在本专利技术一实施例中，在步骤S1中，初始化过程中，萤火虫数量n＝20，迭代次数MaxGeneration＝50，随机数系数α＝0.25，光吸收系数γ＝1，最大吸引力β0＝1，反射系数δ＝1，扩张系数φ＝2，收缩系数和压缩系数且随机产生初始化参数。
[0021]在本专利技术一实施例中，在步骤S6中，所述阻尼比为：
[0022][0023]在本专利技术一实施例中，在步骤S7中，目标函数为：
[0024]J＝min{ξ
i,j
,i∈S,j＝1,...,k}
[0025]式中，k为优化过程中采用的运行方式的个数；S为振荡的集合；ξ
i,j
表示第j种干扰方式下第i个机电振荡模态的阻尼比。
[0026]在本专利技术一实施例中，在步骤S8中，参数优化的表达为如下形式：
[0027][0028]其中，增益K
i
的范围为[0.1,50]，T
1i
、T
3i
的范围是[0.01,1]，PSS时间常数T
5i
、T
2i
、T
4i
为预设值。
[0029]在本专利技术一实施例中，所述PSS时间常数T
5i
、T
2i
、T
4i
预设值分别为：10、0.25、0.25。
[0030]在本专利技术一实施例中，所述步骤S9，包括如下步骤：
[0031]步骤S91、采用AFA算法使鱼群快速收敛到全局最优解所在域；
[0032]步骤S92、判断AFA算法是否收敛到全局最优的区域，且所采用的切换的判别方式采用如下方式：
[0033][0034]式中：Y
k
、Y
k+1
、Y
n+1
分别为AFSA算法第k、k+1、n+1次迭代得到的相应适应度值；α、β
与r为预设值；
[0035]步骤S93、当满足上式时，表明AFA算法已经收敛到全局最优的区域，收敛开始变慢，此时，切换到SM算法。
[0036]在本专利技术一实施例中，在步骤S93中，令当AFA算法的最佳适应度值达到阈值r，且连续n+1次的结果相同时，跳出AFA算法，切换到SM算法。
[0037]在本专利技术一实施例中，所述预设值α、β、r分别取0.2、0.02、0.15。
[0038]相较于现有技术，本专利技术具有以下有益效果：
[0039]1、本专利技术通过将AFA算法与SM相结合，形成SM
‑
AFA混合算法，充分利用了AFA算法的全局搜索能力和SM算法局部搜索能力。
[0040]2、本专利技术提出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SM
‑
AFA优化算法的多机电力系统稳定器参数最优设计方法，其特征在于，包括如下步骤：步骤S1、SM和AFA算法参数的初始化；步骤S2、令迭代次数t＝1，进行迭代运算；步骤S3、运行电力系统仿真模型，并采集电力系统仿真模型中各发电机以及联络线之间的信号；步骤S4、从采集的信号中，获取电力系统低频振荡信号；步骤S5、对电力系统低频振荡信号进行辨识分析，获取对应的振荡模态及特征值λ
i
＝σ
i
±
jw
i
、其中，σ
i
代表特征值的实部，w
i
代表特征值的虚部；步骤S6、根据特征值的大小确定阻尼比；步骤S7、将阻尼比作为PSS参数优化的目标；步骤S8、通过PSS的约束条件，进行PSS参数优化；步骤S9、采用SM
‑
AFA算法对目标函数进行寻优计算；步骤S10、得到个体最优位置P
i
(t)及全局极值P
g
(t)；步骤S11、迭代次数t＝t+1，判断迭代次数t是否达到最大迭代数MaxGeneration，若迭代次数t未达到最大迭代数MaxGeneration，转到步骤S2继续进行迭代；步骤S12、若迭代次数t达到最大迭代数MaxGeneration，将个体最优位置P
i
(t)、全局极值为P
g
(t)输出；个体最优位置P
i
(t)即为寻优得到的PSS参数，全局极值P
g
(t)即为电力系统最优的阻尼比；步骤S13、完成所有的计算，并结束。2.根据权利要求1所述的基于SM
‑
AFA优化算法的多机电力系统稳定器参数最优设计方法，其特征在于，在步骤S1中，初始化过程中，萤火虫数量n＝20，迭代次数MaxGeneration＝50，随机数系数α＝0.25，光吸收系数γ＝1，最大吸引力β0＝1，反射系数δ＝1，扩张系数φ＝2，收缩系数和压缩系数且随机产生初始化参数。3.根据权利要求1所述的基于SM
‑
AFA优化算法的多机电力系统稳定器参数最优设计方法，其特征在于，在步骤S6中，所述阻尼比为：4.根据权利要求1所述的基于SM
‑
AFA优化算法的多机电力...

【专利技术属性】
技术研发人员：刘思议，黄心怡，张坤三，傅仕琛，苏贤，胡志杰，林颖锐，洪杰，傅炜婷，
申请(专利权)人：国网福建省电力有限公司，
类型：发明
国别省市：