[發明專利]一種離線優化/在線切換的無功補償方法

有效

• 申請號: 201710128040.8
• 申請日: 2017-03-06
• 公開（公告）號: CN106950831B
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 趙熙臨;吳朧朧;明航;何晶晶;湯倩
• 申請（專利權）人: 湖北工業大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 武漢帥丞知識產權代理有限公司 42220
• 代理人: 朱必武

本發明公開一種離線優化/在線切換的無功補償方法，屬于電力系統電能質量控制技術領域。所述無功補償方法是在傳統PI控制器基礎上，采用混沌PSO算法與其相結合的控制策略，對PI控制器的參數進行離線優化調整，并在SVC系統控制中，針對不同負載狀態，進行不同控制策略的選擇的靜止無功補償控制方法。本發明的無功補償方法可以提高動態無功補償裝置的響應速度和補償效果，進而提高SVC系統的在線實施效率，以及系統的可行性與穩定性。

技術領域

本發明屬于電力系統電能質量控制技術領域，特別涉及一種離線優化/在線切換的靜止無功補償方法。

背景技術

近年來，隨著靜止型動態無功補償裝置(Static Var Compensator，SVC)應用技術的發展，其控制技術逐漸成為業界關注的焦點。眾多學者也提出了很多SVC控制方法：基于瞬時無功功率理論的pq算法和dq同步旋轉坐標變換法、傳統比例-積分PI控制方法、基于BP神經網絡的PID參數自整定的SVC控制、基于直接反饋線性化(Direct FeedbackLinearization，DFL)控制?；谒矔r無功功率理論的pq算法和dq同步旋轉坐標變換法利用SVC晶閘管觸發角的分相控制，實現對三相不平衡負載無功補償，但其屬于開環控制效果及魯棒性不佳；傳統比例-積分PI控制方法系統易于實現，但其控制性能和精度難以達到更高要求；基于BP神經網絡的PID參數自整定的SVC控制雖然能夠保證控制系統的穩定性，但該算法在線計算量大，易形成局部極小解而無法獲取全局最優解；基于直接反饋線性化(Direct Feedback Linearization，DFL)控制為得到等效的反饋線性系統，消除了系統的固有非線性特性，導致控制效果的降低。

粒子群優化算法(Particle Swarm Optimization，PSO)最早是由Knenedy博士和Eberhart博士于1995年提出的是一種基于群體的優化算法，其起源于對一個簡單社會模型的仿真。研究者發現鳥群在飛行過程中經常會突然改變方向、散開、聚集，其行為通常不可預測，但其整體總能保持一致性，個體與個體間也保持著最適宜的距離。在PSO算法中假設每一個待優化問題的潛在解都是尋優空間中的一個沒有體積沒有質量的飛行的粒子，所有的粒子都有一個根據待優化的目標函數來決定的適應度值(fitness value)，各個粒子還有一個速度來控制它們飛行的方向和距離。PSO初始化為一群隨機粒子，然后粒子群根據對個體和群體的飛行經驗的綜合分析來動態調整速度的值，在解空間中進行搜索，通過多次迭代搜索尋找到最優解。在每次迭代尋優中，粒子通過跟蹤兩個“極值”來對自己進行不斷更新。第一個“極值”就是粒子本身所搜索到的最優解，稱為個體極值pbest，而另一個“極值”是整個粒子群目前找到的最優解即全局極值gbest。PSO的優勢在于簡單易行、收斂速度較快、優化效率高、非常適合用來做工程研究。因此，PSO近年已經形成了一個研究熱點，目前已廣泛應用于函數優化、神經網絡訓練、模式分類、模糊控制等領域。但是在應用的過程當中，發現粒子群算法也有隨機搜索算法比較普遍的缺點，其容易早熟、后期搜索速度慢且搜索精度不高等問題，特別是在復雜系統中，其在線計算的效率問題是一個急需解決的問題。所以采用混沌PSO離線優化機制，既解決了標準PSO算法的缺陷，又保障控制器參數的最優化，從而提高其在無功補償控制過程中的控制性能。

發明內容

本發明的目的是：對負載的無功功率進行補償，以維持系統的穩定經濟運行，改善供電質量。傳統的SVC控制是基于電壓偏差的PI控制方法。該算法簡單，系統易于實現，但其控制性能和精度難以達到更高要求。究其原因，主要問題存在于PI控制器控制過程中各參數無法根據系統狀態進行自我調整，因而其控制性能無法達到最優。在傳統PI基礎上，采用混沌PSO與其相結合的控制策略，對PI控制器的參數進行離線優化調整，并在SVC系統控制中，針對不同負載狀態，進行不同控制策略的選擇，以此達到提高動態無功補償裝置的響應速度和補償效果的目的。