[發(fā)明專利]計(jì)及時(shí)滯和噪聲干擾的最優(yōu)電力系統(tǒng)負(fù)荷頻率控制方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110546291.4
• 申請(qǐng)日: 2021-05-19
• 公開（公告）號(hào): CN113178878B
• 公開（公告）日: 2022-04-22
• 發(fā)明（設(shè)計(jì)）人: 胡文;鐘瑞龍;王環(huán);彭子舜;戴瑜興;章純
• 申請(qǐng)（專利權(quán)）人: 溫州大學(xué)
• 主分類號(hào): H02J3/24
• 分類號(hào): H02J3/24
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 賈玉霞

1.一種計(jì)及時(shí)滯和噪聲干擾的最優(yōu)電力系統(tǒng)負(fù)荷頻率控制方法，其特征在于，該方法包括如下步驟：

S1：建立基于積分控制器的電力系統(tǒng)負(fù)荷頻率控制模型；

S2：將S1建立的模型中的積分控制器替換為PI控制器，同時(shí)采集電力系統(tǒng)的頻率偏差Δf_i、發(fā)電機(jī)增發(fā)功率ΔP_mi、調(diào)速器的動(dòng)作量ΔP_vi三個(gè)狀態(tài)量作為反饋量，構(gòu)建PI全狀態(tài)反饋控制模型；

S3：引入Kalman濾波器，通過采集電力系統(tǒng)的頻率偏差Δf_i，估算發(fā)電機(jī)增發(fā)功率ΔP_mi、調(diào)速器的動(dòng)作量ΔP_vi， 由此，在S2得到的PI全狀態(tài)反饋控制模型基礎(chǔ)上，構(gòu)建基于Kalman濾波器的PI全狀態(tài)反饋控制模型；

S4：在S3得到的基于Kalman濾波器的PI全狀態(tài)控制模型中加入時(shí)滯及噪聲干擾，然后利用遺傳算法對(duì)該模型進(jìn)行控制參數(shù)優(yōu)化，得到優(yōu)化后的Kalman濾波器和PI全狀態(tài)反饋控制模型，從而實(shí)現(xiàn)在時(shí)滯和噪聲干擾下的電力系統(tǒng)負(fù)荷頻率控制。

2.根據(jù)權(quán)利要求1所述的計(jì)及時(shí)滯和噪聲干擾的最優(yōu)電力系統(tǒng)負(fù)荷頻率控制方法，其特征在于，所述S2具體分為如下子步驟：

S2.1：在S1的負(fù)荷頻率控制模型的基礎(chǔ)上，將積分控制器替換為PI控制器，定義PI控制器的開環(huán)零點(diǎn)由此得到PI控制器的狀態(tài)量Λ_pii為：

其中，K_I、K_P分別為PI控制器的積分與比例系數(shù)；β_i為頻率偏移系數(shù)，s為拉普拉斯變換的微分算子；

S2.2：將頻率偏差Δf_i的狀態(tài)方程代入公式(1)，推導(dǎo)得到PI控制器的狀態(tài)方程：

其中，D_i表示發(fā)電機(jī)等效阻尼系數(shù)，M_i表示發(fā)電機(jī)等效慣性系數(shù)；ΔP_li為負(fù)荷變動(dòng)量；

S2.3：基于公式(2)，得到基于PI的電力系統(tǒng)負(fù)荷頻率控制模型的狀態(tài)空間表達(dá)式：

式中，x_pii(t)＝[Δf_i ΔP_mi ΔP_vi Λ_pii]，C_pii＝[1 0 0 0]，T_ti、T_gi、R_i、u_i分別表示汽輪機(jī)時(shí)間常數(shù)、調(diào)速器時(shí)間常數(shù)、下垂特性、調(diào)速器-發(fā)電機(jī)組的控制輸入量；

S2.4：在公式(3)的基礎(chǔ)上，引入全狀態(tài)反饋，得到基于PI的全狀態(tài)反饋控制模型的狀態(tài)空間表達(dá)式：

其中，K_pii為反饋矩陣，K_pii＝[K_1pii K_2pii K_3pii K_I]；PI比例系數(shù)

3.根據(jù)權(quán)利要求1所述的計(jì)及時(shí)滯和噪聲干擾的最優(yōu)電力系統(tǒng)負(fù)荷頻率控制方法，其特征在于，所述S4具體分為如下子步驟：

S4.1：在S3得到的基于Kalman濾波器的PI全狀態(tài)反饋控制模型中加入時(shí)滯和噪聲干擾；

S4.2：利用基于線性二次型的權(quán)重矩陣配置的設(shè)計(jì)方法，即公式(5)，求取全狀態(tài)反饋矩陣K_pii

其中，u_i(t)為調(diào)速器-發(fā)電機(jī)組的控制輸入量；

S4.3：利用遺傳算法對(duì)公式(5)中的Q、R以及Kalman濾波器的過程噪聲協(xié)方差矩陣V、測(cè)量噪聲協(xié)方差矩陣W矩陣同時(shí)進(jìn)行優(yōu)化；并以公式(6)的絕對(duì)誤差積分指標(biāo)ITAE的最小值作為優(yōu)化的目標(biāo)

具體的優(yōu)化過程如下：

(1)遺傳算法建立Q、R、V、W的初始種群；

(2)將種群V、W賦值給Kalman濾波器，種群Q、R賦值給公式(5)，由此獲得基于Kalman濾波器的PI全狀態(tài)反饋控制模型的控制參數(shù)；

(3)計(jì)及時(shí)滯和噪聲干擾，運(yùn)行步驟(2)得到的基于Kalman濾波器的PI全狀態(tài)反饋控制模型，并根據(jù)式(6)計(jì)算的目標(biāo)函數(shù)值，判斷是否滿足終止條件， 若滿足，則退出計(jì)算， 反之，轉(zhuǎn)至步驟(4)；

(4)遺傳算法進(jìn)行選擇、保留精英、交叉、變異，產(chǎn)生新的Q、R、V、W種群，并轉(zhuǎn)至步驟(2)。