Load frequency control of power systems with large scale of wind power integrated based on particle swarm algorithm
Abstract: An interconnected power system with large scale of wind power integration is taken as our research object. In order to keep the stability of frequency, a PSO based load frequency controller is proposed. According to the amount of area control error (ACE), traditional load frequency controller is to adjust the output of units in order to make ACE approach to zero. Then output from all generators is matched to the demand from load. Output from wind units is taken as a negative load and an equivalent load is formed. Intelligent PSO is introduced into traditional load frequency controller and is expected to improve the control performance. The simulation based on the model, which is constructed on Matlab/Simulink platform demonstrates that, for the new design controller, its performance index whether frequency error of interconnected network or exchange flow for the interconnected line is better than that of traditional load frequency controller.
0 Introduction
With the depletion of the worlds fossil energy and environmental degradation, countries are taking measures to speed up the use of renewable energy and development. As a kind of inexhaustible clean energy, wind energy has been paid more and more attention. At present, wind power generation has become the fastest and most mature renewable energy generation technology. Due to the fluctuation of wind farms output power, its large-scale grid-connection will bring a series of problems to the power grid, such as power quality, system stability, scheduling and Operation Economy of the grid, etc. . And with the increase of the proportion of wind power capacity in the system, the above effects become more and more significant. Among them, the impact on the system frequency can not be ignored, it is directly related to the security and stability of power system operation. In this case, how to suppress the system frequency fluctuation caused by wind power access to ensure the frequency security and stability has become one of the important issues in wind power research.
At present, the main methods to overcome the frequency control problem after the wind power is connected to the system are as follows: improve the precision of the wind power forecast, do well the dispatching plan, which is helpful to reduce the system operation cost and spare capacity; By introducing a frequency response link into the wind turbine to improve its own active power regulation, the wind farm can participate in the system frequency regulation to a certain extent, balance The power fluctuation caused by wind power on the spot; utilize the frequency regulation ability of conventional units, i. e. existing speed governor and automatic generating device.
In order to maintain the balance of active power and ensure the maximum output of wind farm, the most practical means of frequency control is to fully exploit the frequency modulation ability of existing power system to meet the needs of larger wind capacity access. The most direct way to improve the frequency modulation ability of the existing system is the design of load frequency controller, which has the advantages of less investment and good effect.
In the previous research, this paper introduces the way of dealing with wind power output, that is, taking the fluctuation of wind power output as a negative load fluctuation, and illustrates the feasibility of frequency control of AGC in wind power access, but lacks the concrete control strategy design and the implementation. The intelligent controller has the advantages of good self-adaptability and dealing with non-linear system, and it can adapt to the control problem under the changing condition better than the traditional proportional integral controller, in this paper, the load frequency control system model of two-area interconnected system with wind power is established, and the load frequency control system model of two-area interconnected system with wind power is established, then the particle swarm control with fast convergence is applied to the interconnected power system with wind power access, and the improvement degree of the frequency performance index is analyzed, which is verified by an example on Matlab / Simulink.
1 Load Frequency Control Model of two-area interconnected system with wind power
Load Frequency Control LFC is based on Area Control Error, ACE to achieve the Control of the unit adjustment. It changes the total power level of the system by adjusting the output of the unit, and makes the regional control deviation ACE zero under the continuous regulation of the active power of the unit, so as to ensure the matching of the output and the load power of the whole system. 1.1 load frequency control system model for two-area interconnected systems the load frequency control system model for two-area interconnected systems is shown in figure 1, it consists of governor module, Prime Mover Module, generator-load module, tie-line module, LFC controller and so on.
Fig. 1 Model of load frequency control for an
interconnected grid with two regions
For an interconnected power system, each control area controls only the load disturbances that occur in its own area under the premise of a given tie-line exchange power, the load frequency controller controls the system frequency and the tie line exchange power simultaneously. The tie-line frequency deviation control (TBCTBC) is often used in the load frequency controller, i. e. the two-zone frequency deviation is
1.2 wind speed model
The wind speed is the main parameter which affects the output of the generator. At present, the four-component model is widely used at home and abroad, that is, it is composed of basic wind, gust, gradual
剩余内容已隐藏，支付完成后下载完整资料
基于粒子群算法的大规模风电电力系统负载频率综合控制
摘要:本文以大规模风电并网发电系统为研究对象。为了保持负载频率的稳定性，提出了一种基于粒子群算法的负载频率控制器。传统的负载频率控制器是根据面积控制误差(ACE)的大小来调整机组的输出，使ACE趋近于零。然后将所有发电机的输出与负荷的需求相匹配。将风力机组输出作为负负荷，形成等效负荷。将智能粒子群算法引入传统的负载频率控制器中，有望提高控制性能。基于该模型在Matlab/Simulink平台上进行的仿真表明，所设计的控制器无论是互连网络的频率误差还是互连线路的交换流量性能指标均优于传统负载频率控制器。
引言
随着世界化石能源的枯竭和环境的恶化，各国都在采取措施加快可再生能源的利用和发展。风能作为一种取之不尽用之不竭的清洁能源，越来越受到人们的重视。目前，风力发电已成为发展最快、最成熟的可再生能源发电技术。由于风电场输出功率的波动，其大规模并网将给电网带来电能质量、系统稳定性、电网调度和运行经济性等一系列问题。随着风电容量在系统中所占比例的增加，上述影响越来越明显。其中，对系统频率的影响不容忽视，它直接关系到电力系统的安全稳定运行。在这种情况下，如何抑制风力发电接入带来的系统频率波动，以保证频率的安全性和稳定性成为风力发电研究的重要问题之一。
目前，克服风电接入系统后变频控制问题的主要方法有:提高风电预测精度，做好调度计划，有利于降低系统运行成本和备用容量;通过在风电机组中引入频率响应环节，完善自身的有功功率调节，风电场可以在一定程度上参与系统的频率调节，在现场平衡风电引起的功率波动;利用常规机组的频率调节能力，即现有的调速器和自动发电装置。
为了保持有功功率平衡，保证风电场最大输出，最实用的频率控制手段是充分利用现有电力系统的调频能力，以满足更大的风电容量接入需求。提高现有系统调频能力最直接的方法是设计负载频率控制器，其优点是投资少，效果好。
在前面的研究,本文介绍了处理风力发电输出的方式,也就是说,以风力发电输出的波动为负的负荷波动,并说明频率控制的可行性AGC的风力发电接入,但缺乏具体的控制策略的设计和实现。该智能控制器具有良好的自适应性和对非线性系统的处理能力，比传统的比例积分控制器更能适应变化条件下的控制问题，本文两个区域互联系统的负荷频率控制系统模型建立与风力发电,和两个区域互联系统的负荷频率控制系统模型建立与风力发电,然后用快速收敛粒子群控制应用于风力发电接入互联电力系统,分析了频率性能指标的改进程度，并在Matlab / Simulink上进行了实例验证。
1风电双区互联系统负荷频率控制模型
负载频率控制LFC是基于面积误差控制，ACE来实现对机组的控制调整。它改变了系统的总功率的输出通过调整单元,并使区域控制偏差ACE零连续监管下的有功功率的单位,以保证输出的匹配和整个系统的负载功率。1.1双区域互联系统负载频率控制系统模型双区域互联系统负载频率控制系统模型如图1所示，由调速器模块、原动力模块、发电机-负载模块、联络线模块、LFC控制器等组成。
图1负荷频率控制模型
双区域互联
对于互联电力系统，在联络线交换功率给定的前提下，每个控制区域只控制本区域内的负荷扰动，负荷频率控制器同时控制系统频率和联络线交换功率。负载频率控制器多采用连线频率偏差控制(TBCTBC)，即双区频率偏差控制。
1.2风速模型
风速是影响发电机输出功率的主要参数。目前国内外广泛采用的是四分量模型，即由基本风、阵风、渐变风和随机风组成。它们的定义和数学表达式如下。
（1）基本的风
基本风V在风力机正常运行过程中始终存在，其基本风V近似由风电场测风得到的威布尔分布参数确定
式中:V为基本风速，m / s;K、a分别为风力机的形状参数和尺度参数;和伽玛函数。由于该分量几乎是不变的，因此在模拟中可以将其视为常数。
(2)阵风
阵风Vwg反映了风速的突变。它通常用于评估系统在风速变化时的动态特性。
式中vcos、TG、T1G和Maxg分别为阵风速度(m / S)、周期(S)、启动时间(S)和最大风速(m / S)。
(3)渐进的风
用变风速Vwr来描述风速的渐变特性。在电力系统的静态稳定性分析中，特别是在分析风力发电系统对电网频率波动的影响时，通常采用风速逐渐变化时的系统频率稳定性进行评估。其数学表达式为
式中vcamp Maxr 1-t-T2R / T1r - T2r, vcamp、Maxr、T1r、T2r、TR分别为梯度风速(m / S)、最大值(m / S)、开始时间(S)、结束时间(S)、保持时间(S)。
(4)随机风速
随机风速vMN用于反映风速的随机特性，用随机模表示。以上四种风作用在风力机上的风速为
在Matlab / Simulink环境下构建上述四个组件的风速模块，风电场风速变化过程如图2所示。100年代风味的起始时间,结束时间是300年代,最大是0.4 m / s, 300年代逐渐风的开始时间,结束时间是500年代,最大是0.5 m / s,基本的风和随机风总是存在,仿真时间是600年代。
图2风速曲线
1.3风电场输出模型
风的动能通过风力机转化为机械能，是风力机的主要能量捕获部件。其中，风力机是风力机最重要的组成部分，其输出功率为
式中Pm是风力发电机的输出功率,CP的风能利用系数,这是一个函数的叶尖速度和螺旋角的比值,其理论最大值为0.593,实际应用中不能达到,s风力涡轮机的扫掠面积,单位为平方米;空气密度(kg / M3V)和风速(M / S)。
目前国内外新建风电场大多以变速恒频双馈风力机为主，其功率特性曲线如图3所示。当风速较低时,最优叶尖速度比和最大风能利用系数是通过调整发电机转矩输出功率最大化,叶片距角改变变距系统限制风力涡轮机获得能量,使风力机功率保持在额定值附近，输出稳定。
图3双馈电源功率特性曲线
VSCF风单元
UP77 / 1500的变速恒频双馈风力发电机的发电能力1500千瓦为例,切入风速,断路器风速、额定风速3 m / s, 25米/秒和11 m / s,分别和风轮的功率系数为40%,空气密度为1.225 kg / m3，风力机直径为77.6 m。在Matlab / Simulink中，风电场输出功率变化如图4所示。这个风电场由100台这样的风力涡轮机组成。风电场的功率变化非常剧烈。最大和最小输出分别为137mw和106mw。
- 粒子群优化
2.1粒子群优化原理
粒子群优化算法(PSO)是一种高性能的优化算法，由美国社会心理学家詹姆斯·肯尼迪和电气工程师于1995年首次提出。基本的想法是每个优化问题的可能的解决方案是粒子在搜索空间,所以粒子有一个最佳的健身功能,每个粒子都有一个速度矢量,确定其方向和距离,然后粒子追随当前的最优粒子在解空间。
图4风电出力曲线
假设目标搜索空间为d维，其中M个粒子组成一个总体，其中第一个粒子的位置用Xi Xi 1, Xi 2，hellip;， Xid, I 1,2，hellip;， M，速度为VI VI1, VI 2，hellip;,请看。到目前为止，第一次粒子搜索的最佳位置是Pi Pi Pi 1, Pi 2，hellip;， Pid，整个粒子群搜索的最佳位置为pg PG1, PG2，hellip;， pgD，粒子更新公式为
-
- 粒子群优化算法的改进
粒子群算法(PSO)和改进粒子群算法(PSO)被用于提高优化问题的计算性能。由于粒子群算法的参数较少，每个参数的设置都会对算法的性能产生影响。因此，我们对粒子群中的参数采用以下校正技术。
- 惯性权重
本文采用线性微分减量的迭代过程来调整准惯性权重，其公式为:
通过对变化方程和实验结果的分析，该算法具有很强的全局搜索能力，有助于快速找到最优种子并定位最优解的近似位置，在进化后期加速了算法的递减趋势，因此，只要在早期找到合适的种子，就可以加快算法的收敛速度。
（2）学习的因素
根据经验，学习因子C1 c22。本文利用反余弦函数构造学习因子调整策略。反余弦策略的特点是算法可以在初始阶段通过加速c1和c2的变化来快速进入局部搜索，在算法后期，设置比线性和凹函数策略更理想的C1和C2值，以保持粒子的搜索速度，避免过早收敛。反余弦学习因子的构造如下。
突变操作扩大了种群在迭代中不断缩小的搜索空间，使粒子跳出之前找到的最优位置，在更大的空间进行搜索，同时保持种群的多样性，提高了找到更好解的可能性，避免了算法陷入局部最优。
采用粒子群算法(PSO)对负载频率控制中的Pi控制器参数进行优化。如果两个参数相同，则KCIA KCIB, KCPB KCP，则优化后的控制器参数简化为KCI和KCP。采用上述改进技术对Pi控制器的参数进行优化，可以看出改进后的粒子群算法比标准粒子群算法收敛速度更快。
图5粒子群算法和改进后的粒子群算法收敛曲线
3仿真实验及结果分析
针对两区互联系统负荷频率控制问题，a、B控制区有1台300mw常规火电机组(无再热汽轮机组)，a控制区有1台150mw风电场，各机组额定频率50hz。两个区域单元通过联络线连接起来，形成一个相互联系的系统。系统框图如图1所示。图中的主要计算参数为:R1=R2=2.5 p.u，tau;g1=tau;g2=0.08 s，
tau;T1=tau;T2=0.2 s,KP1=KP2=100 p.u，TP1=TP2= 20s,B1= B2=0.41 p.u。
风速和风电场输出功率的变化如图2和图4所示。效用的变化负载通常分为三种类型:随机组件,组件和波动持续的组件,电合成加载到一个随机的变化量和一个下降的趋势,这是用来模拟电负载的变化处于下降阶段,如图6所示。
图6负荷变化曲线
将变化的风电场出力和变化的负荷作为等效负荷变化，其变化曲线如图7所示。
图7等效负载曲线
为了验证控制器的控制效果，分别对无负载频率控制、传统负载频率控制和基于改进PSO的负载频率控制三种情况进行仿真，仿真曲线如图8和图9所示。
- 无负载频率控制
考虑到等效负荷的变化，两个互联系统仅依靠常规机组的一次调频进行控制。由模拟的频率偏差曲线8(a)可知，频率仅调整一次时，系统a的频率偏差在-0.55 Hz ~ 0.35 Hz之间波动。根据《互联电网运行管理条例》，互联电网标准频率为50 Hz，频率偏差不得超过0.2 Hz。不进行负载频率控制，系统频率偏差远大于许用值，不能起到很好的控制系统频率的作用。
另外，从拉线的功率交换曲线可以看出，拉线的功率交换的计划值为0。当频率只调整一次时，联络线上的开关功率在-70 ~-45MW之间变化，且变化幅度较大，系统在计划值不稳定，无法实现对联络线交换功率的控制。
需要指出的是，在仿真初始阶段，频率偏移和开关功率偏移都有较大的波动，这是仿真开始时风力和负荷较大造成的。但在制度的调控下，这两个值可以迅速趋于稳定。
（2）包括传统的负载频率控制
由图8B和图9B可以看出，系统的频率偏差在-0.1 Hz ~ 0.1 Hz之间，大部分点的频率偏差在-0.04 Hz ~ 0.04 Hz之间波动，可以满足电力系统的正常频率偏差要求。联络线开关功率在- 6mw ~ 6mw之间波动，并稳定在联络线开关功率的规划值0附近，可以控制联络线与风电系统的开关功率。
图8 A区域频率偏差曲线
图9联络线功率偏离曲线
- 基于改进粒子群优化算法的负载频率控制从图8 C和图9 C可以看出，系统的频率偏差在-0.1 Hz ~ 0.04 Hz之间波动，大部分点的频率偏差在-0.02 Hz ~ 0.02 Hz之间波动。联络线开关功率在-1 MW ~ 1 MW之间波动，稳定在联络线开关功率0的规划值。这意味着改进后的控制器可以更好地实现风电并网电力系统的负荷频率控制功能。
这三种模拟的结果汇总在表1中。因此，基于改进粒子群算法的LPC可以保证系统频率偏差在允许范围内，同时降低连接线的开关功率波动范围。
4结论
总结以上工作，可以得出以下结论:
（1）风电的大规模接入增加了电网频率的波动，进而增加了电网调度运行的难度。为了保持系统频率的稳定性和安全性，讨论了设计一种能够应对大规模风电并网带来的系统频率波动的负荷频率控制器的可行性。
（2）对一段时间的风电输出特性进行仿真，并将风电输出作为“负”负载加入系统中，以两个具有风电的互联电力系统为研究对象，构建相应的仿真系统。
（3）将粒子群算法应用于传统的Pi控制器时，可以对控制器参数进行优化。改进后的粒子群优化算法的收敛性能得到改善。
（4）通过对含风电并网电力系统的仿真，发现在不进行负荷频率控制的情况下，风电功率波动时并网电力系统的频率不能满足要求;采用改进的PSO控制器负载频率控制比前两种控制方案性能更好，且采用
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[604436]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
