[發明專利]AGC機組控制方法

有效

• 申請號: 201110224409.8
• 申請日: 2011-08-05
• 公開（公告）號: CN102255311A
• 公開（公告）日: 2011-11-23
• 發明（設計）人: 羅衛華;馮松起;葛維春;趙慶杞;金世軍;陳曉東;金曉明;施毅斌;王剛;閆春生
• 申請（專利權）人: 遼寧省電力有限公司
• 主分類號: H02J3/00
• 分類號: H02J3/00;H02J3/38;H02J3/26
• 代理公司: 遼寧沈陽國興專利代理有限公司 21100
• 代理人: 何學軍

1.AGC機組控制方法，其特征在于，包括以下步驟：

1)通過發電機組調節性能實時測定系統得到各AGC機組的調節速率；

2)按各AGC機組的實際調節速率，將所控的全網AGC機組分為快速機組群、慢速機組群和反調機組群；

3)在快速機組群中，機組投無基點調節方式(NOB)，考慮調節速率、購電成本；以CPS指標滿足要求，購電成本最低為目標函數，利用粒子群優化算法求得最優機組組合，被粒子群優化算法選中的機組承擔大于80％的NOB調節容量，快速機組群中其余的機組承擔剩余的NOB調節容量；

4)慢速機組群中的各機組投計劃功率調節方式(BLO)；將反調機組群的各機組退出AGC控制，通知電廠進行處理，處理好后投NOB方式；

5)實時進行機組在線測定，每小時對測定結果統計分析，劃分出快、慢和反調機組群，利用粒子群優化算法求得最優機組組合，滾動計算，確保各發電機組發揮出最優調節性能；同時，維持電網頻率穩定和電網安全經濟。

2.根據權利要求1所述的AGC機組控制方法，其特征在于所述的AGC機組控制方法的具體指標如下：

1)控制目標：以電網的CPS指標滿足要求，電網公司購電成本最低為目標；

2)技術基礎：由發電機組調節性能實時測定系統得到AGC機組的調節速率；

3)數據來源：數據采集與監控系統(SCADA)；

4)基礎數據：

AGC機組的實時有功功率；

AGC機組的控制上、下限值；

AGC機組的現場投退信號；

AGC機組的主站投退信號；

AGC機組的步長、死區范圍；

頻率偏差值；

凈交換功率偏差；

控制區域的頻率特性系數；

整個互聯電網的頻率偏差系數；

互聯電網對全年十分鐘頻率平均偏差的均方根值的控制目標值；

5)理論基礎：粒子群優化算法；

粒子群優化算法作為一種模擬社會行為的隨機全局優化算法，具有如下特征：用隨機種群初始化算法；通過種群進化搜索最優解；基于歷史種群信息進行種群進化。在粒子群優化算法中，每個優化問題的潛在解都是搜索空間中的一個粒子的位置，粒子追隨當前的最優粒子在解空間中搜索；

6)利用粒子群優化算法進行機組優化組合的實現過程：

①根據頻率偏差值、控制區域的頻率偏差系數、整個互聯電網的頻率偏差系數和互聯電網對全年十分鐘頻率平均偏差的均方根值的控制目標值，計算出區域交換功率偏差ACE值：

ACE_i＝-10β_iΔf_i+ΔP_i+k_tΔt+k_eΔE

式中β_i為控制區(i)頻率特性系數(MW/0.1Hz)，一般為負值，Δf_i、ΔP_i分別為頻率偏差和凈交換功率偏差。式中Δt和ΔE?E為時差和無意交換電量，K_t和K_e為時差和無意交換電量轉換系數；

②ACE線性濾波處理：

ACEFIL_i，k+1＝(1-α)*ACEFIL_i，k+α*ACE_i，k+1

式中α為濾波因子，ACEFIL_i，k為K次濾波后的ACE值；

③ACE數值積分：

AGC采用比例積分控制，對ACEFIL_i進行數值積分，計算控制區(i)功率總需求ACEREG_i：

ACEREGi=KPiACEFILi+KIi∫0tACEFILidt=PPi+PIi]]>

K_Pi，K_Ii為控制區(i)比例因子和積分因子P_Pi和P_Ii分別為控制區(i)的比例和積分調節功率；

④AGC機組粒子群優化算法的約束條件：

AGC機組的調節容量約束條件：

Σi=1nQiMi≥80%QAGCmax,]]>

Q_AGC?max為NOB調節容量(單位：MW)，Q_i為機組的調節容量，滿足Q_max≥Q_i≥Q_minQ_max、Q_min分別為AGC機組的調節容量上、下限值；M_i為整數(1或0，1表示AGC機組被粒子群優化算法選中，0表示AGC機組沒被粒子群優化算法選中)；該式表明選定AGC機組的調節容量之和大于系統所需調節容量的80％；

AGC機組的調節速率約束條件：

Σi=1nViMi≥80%VAGCmax]]>

V_AGC?max為系統所需的NOB調節速率(單位：MW/min)，V_i為機組的調節速率，M_i為整數(1或0，1表示AGC機組被粒子群優化算法選中，0表示AGC機組沒被粒子群優化算法選中)；該式表明選定AGC機組的調節速率之和大于系統所需調節速率的80％；

ACE調節功率：REG_j＝-α_jP_pi-β_jP_Ii且∑α_j＝1，∑β_j＝1，α_j和β_j分別為AGC機組(j)的歸一化調節分配系數和經濟分配系數；

⑤粒子群優化算法的初始種群：

利用發電機組調節性能實時測定系統，將所控的全網AGC機組分為快速機組群、慢速機組群和反調機組群；在快速機組群中，采用隨機種群作為初始種群，進行搜索；

⑥粒子群優化算法搜索最優AGC機組組合：

令N表示搜索空間的維數，x_i＝[x_i1，x_i1…，x_iN]^T表示粒子i當前的位置，y_i＝[y_i1，y_i1，…，y_iN]^T表示粒子i以前到達過的最好位置，用Fine表示種群中最優粒子的序號，v_i＝[v_i1，v_i1…，v_iN]^T表示粒子i的速度，每個粒子通過下面的公式更新自己的速度和位置：

visk+1=wvisk+a1b1(yis0-xisk)+a2b2(Fineis0-xisk)xisk+1=xisk+visk+1]]>

(i＝1，2，…，M；s＝1，2，…，N)

上式中，k表示迭代次數；M表示粒子群規模，a₁、a₂為權重因子，b₁、b₂是區間[0，1]上的隨機數，w為慣性權重，表示v_is和x_is的第k次迭代值；表示粒子i的個體極值點位置，表示整個群體全局極值點位置；

粒子通過不斷學習更新，最終飛至解空間中最優解所在的位置，搜索過程結束，最后輸出的就是全局最優解。

3.根據權利要求1所述的AGC機組控制方法，其特征在于：所述的快速機組群中，快速機組群負責區域中快速負荷波動量，充分利用快速機組響應時間短，調節速率大的優勢，跟蹤負荷快速波動時更準確迅速；在負荷尖峰或低谷時，慢機組更多地扣負起調節任務，快機組的調節任務則由所減輕；總調節效果無論在負荷平穩或負荷快速波動時都得到了理想的調節效果。